CN115374959A - 一种航空发动机的健康管理方法及系统 - Google Patents
一种航空发动机的健康管理方法及系统 Download PDFInfo
- Publication number
- CN115374959A CN115374959A CN202210758045.XA CN202210758045A CN115374959A CN 115374959 A CN115374959 A CN 115374959A CN 202210758045 A CN202210758045 A CN 202210758045A CN 115374959 A CN115374959 A CN 115374959A
- Authority
- CN
- China
- Prior art keywords
- fault
- abnormal
- working
- fault diagnosis
- airborne
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 41
- 238000007726 management method Methods 0.000 title abstract description 39
- 230000002159 abnormal effect Effects 0.000 claims abstract description 176
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000003745 diagnosis Methods 0.000 claims description 143
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000000605 extraction Methods 0.000 claims description 16
- 238000013507 mapping Methods 0.000 claims description 14
- 238000007405 data analysis Methods 0.000 claims description 10
- 230000007774 longterm Effects 0.000 claims description 7
- 238000003748 differential diagnosis Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 abstract description 15
- 238000012423 maintenance Methods 0.000 abstract description 14
- 238000012544 monitoring process Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 7
- 230000002265 prevention Effects 0.000 abstract description 4
- 238000004904 shortening Methods 0.000 abstract 1
- 238000005070 sampling Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 210000004556 brain Anatomy 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000002679 ablation Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供了一种航空发动机的健康管理方法及系统,涉及故障检测技术领域,通过采集工作状态下发动机的目标工作参数进行异常工作特征集合的获取,对异常工作特征集合进行权值匹配生成异常故障概率,基于智能故障诊断算法,对异常故障概率进行数据解析、故障预测,用以生成故障诊断结果,当故障诊断结果和机载故障报告相一致时参照故障诊断结果或机载故障报告,对发动机进行故障诊断。解决了现有技术中航空发动机异常状态监测和预警的准确度和即时性较低,且缺乏对于机载安全隐患的预防检测,导致飞行危险系数和维修费用较高的技术问题。达到了实时发觉发动机装备的故障问题或隐患,缩短维修停机时间,降低飞行安全隐患的技术效果。
Description
技术领域
本发明涉及故障检测技术领域,具体涉及一种航空发动机的健康管理方法及系统。
背景技术
随着技术的进步,航空发动机不断发展成为具有高度复杂性和精密度的热力机械。航空发动机的异常状态往往牵一发而动全身,对飞机的安全飞行产生严重影响。因而航空发动机也被成为飞机的心脏,肩负着飞机安全飞行的重任。
现阶段常见的对航空发动机进行故障检测,避免航空发动机在为飞机飞行提供动力时的异常故障引起飞行安全隐患的方法为地面静态故障检测,在航空发动机处于非运行状态时进行检测和零部件更换或整机更换,这样的检测方式规避了部分故障,但是对于飞机运行过程中的即时安全问题的排查管理存在监测盲区。
现有技术中存在对于航空发动机异常状态监测和预警的准确度和即时性较低,且缺乏对机载安全隐患的预防检测,导致飞行危险系数和发动机维修费用较高的技术问题。
发明内容
本申请提供了一种航空发动机的健康管理方法及系统,用于针对解决现有技术中存在对于航空发动机异常状态监测和预警的准确度和即时性较低,且缺乏对机载安全隐患的预防检测,导致飞行危险系数和发动机维修费用较高的技术问题。
鉴于上述问题,本申请提供了一种航空发动机的健康管理方法及系统。
本申请的第一个方面,提供了一种航空发动机的健康管理方法,所述方法包括:搭建目标发动机的健康管理系统,其中,所述健康管理系统包括机载故障诊断模块、地面故障诊断模块;利用所述机载故障诊断模块,对所述目标发动机的工作状态进行参数采集,获得目标工作参数;通过对所述目标工作参数进行特征提取,用以获得异常工作特征集合;对所述异常工作特征集合进行权值匹配,用以生成对应的异常故障概率,且作为机载故障报告进行存储;将所述异常故障概率下载至所述地面故障诊断模块,基于智能故障诊断算法,对所述异常故障概率进行数据解析、故障预测,用以生成故障诊断结果;判断所述故障诊断结果和所述机载故障报告是否相一致;若所述故障诊断结果和所述机载故障报告相一致,参照所述故障诊断结果或所述机载故障报告,对所述目标发动机进行故障诊断。
本申请的第二个方面,提供了一种航空发动机的健康管理系统,所述系统包括:管理系统构建模块,用于搭建目标发动机的健康管理系统,其中,所述健康管理系统包括机载故障诊断模块、地面故障诊断模块;故障诊断执行模块,用于利用所述机载故障诊断模块,对所述目标发动机的工作状态进行参数采集,获得目标工作参数;参数特征提取模块,用于通过对所述目标工作参数进行特征提取,用以获得异常工作特征集合;故障报告生成模块,用于对所述异常工作特征集合进行权值匹配,用以生成对应的异常故障概率,且作为机载故障报告进行存储;故障诊断生成模块,用于将所述异常故障概率下载至所述地面故障诊断模块,基于智能故障诊断算法,对所述异常故障概率进行数据解析、故障预测,用以生成故障诊断结果;故障一致性判断模块,用于判断所述故障诊断结果和所述机载故障报告是否相一致;判断结果应用模块,用于若所述故障诊断结果和所述机载故障报告相一致,参照所述故障诊断结果或所述机载故障报告,对所述目标发动机进行故障诊断。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的方法通过搭建包括机载故障诊断模块、地面故障诊断模块的目标发动机健康管理系统,实现对航空发动机运行状态下的工作参数进行实时采集。利用所述机载故障诊断模块,对所述目标发动机的工作状态进行参数采集,获得目标工作参数,通过对所述目标工作参数进行特征提取,用以获得异常工作特征集合,避免干扰性工作参数对健康管理系统算力资源的浪费。对所述异常工作特征集合进行权值匹配,用以生成对应的异常故障概率,且作为机载故障报告进行存储;将所述异常故障概率下载至所述地面故障诊断模块,基于智能故障诊断算法,对所述异常故障概率进行数据解析、故障预测,用以生成故障诊断结果,基于相同的异常工作参数进行不同的参数处理获取故障状况预测结果,进行所述故障诊断结果和所述机载故障报告的一致性判断在所述故障诊断结果和所述机载故障报告具有一致性时,参照所述故障诊断结果或所述机载故障报告,对所述目标发动机进行故障诊断。达到了提高城市大脑数据提取有效性和提取效率,减少低价值数据对城市大脑系统算力资源占用,数据处理效率和数据有效性满足目标城市规划建设需求的技术效果。
附图说明
图1为本申请提供的一种航空发动机的健康管理方法流程示意图;
图2为本申请提供的一种航空发动机的健康管理方法中获取获得异常工作特征集合的流程示意图;
图3为本申请提供的一种航空发动机的健康管理方法中生成异常故障概率的流程示意图;
图4为本申请提供的一种航空发动机的健康管理系统的结构示意图。
附图标记说明:管理系统构建模块11,故障诊断执行模块12,参数特征提取模块13,故障报告生成模块14,故障诊断生成模块15,故障一致性判断模块16,判断结果应用模块17。
具体实施方式
本申请提供了一种航空发动机的健康管理方法及系统,用于针对解决现有技术中存在对于航空发动机异常状态监测和预警的准确度和即时性较低,且缺乏对机载安全隐患的预防检测,导致飞行危险系数和发动机维修费用较高的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
实时采集航空发动机工作状态参数,并进行异常工作特征的分析获得,结合异常工作特征进行航空发动机故障部件的故障状况获取,并与历史出现系统故障模式对应的部件故障程度进行权值匹配,预测航空发动机出现各种类型系统故障模式的可能性。同时结合智能故障算法进行各种类型系统故障模式的二次计算,将两种预测结果比对,在两种预测结果具有一致性时进行航空发动机的故障维护操作。实现了实时发觉发动机装备的故障问题或隐患,缩短维修停机时间,降低飞行安全隐患以及维修成本。
实施例一
如图1所示,本申请提供了一种航空发动机的健康管理方法,所述方法包括:
S100:搭建目标发动机的健康管理系统,其中,所述健康管理系统包括机载故障诊断模块、地面故障诊断模块;
具体而言,所述机载故障诊断模块为装载于航空器的目标发动机上的故障诊断子系统,基于安装在目标发动机机身的传感器实现目标发动机运行信息的数据采集,实现对目标发动机的状态监测功能,同时通过对收集的数据进行分析,实现发动机的故障诊断、趋势分析、健康管理等功能。
所述地面故障诊断模块为与所述机载故障诊断模块进行无线通信连接的故障诊断子系统,用于接收所述机载故障诊断模块的数据进行存储管理和故障诊断结果的生成。
在本实施例中,通过构建包括机载监测手段和地面监测手段的目标发动机健康管理系统进行目标发动机的故障诊断和异常状态识别检测,实现对目标发动机服役状态的运行和健康状态进行实时监测和故障预警分析,实现实时对目标发动机的监测管理。
S200:利用所述机载故障诊断模块,对所述目标发动机的工作状态进行参数采集,获得目标工作参数;
进一步的,对所述目标发动机的工作状态进行参数采集,本申请提供的方法步骤S200还包括:
S210:基于声发射传感器,对所述工作状态进行信号采集,可得到异常噪音信号;
S220:基于EWT,对所述异常噪音信号进行参数解析,可获得异常噪音参数,且标记为所述目标工作参数。
具体而言,声发射为固体变形或发生损坏时产生的声音作为弹性波放出来的现象,声发射的弹性波可由声发射传感器监测感知。声发射的峰值振幅、峰值能量、计数、撞击次数、到达时间和上升时间等参数可用于监测复合材料和金属的损伤过程。
声发射检测法这一动态无损检测方法相较于其他无损检测方法具有可实时检测塑性形变或微观破坏的进展,且对于运转中的设备也可进行诊断检测的优势,同时通过设置多个声发射传感器即可实现对缺陷位置的标定。
所述EWT为经验小波变换,用于对声发射信号进行特征提取。
本实施例基于物体损坏、变形或产生微小裂纹的过程中都伴随声发射产生的物理特性以及声发射检测法可用于运行数据采集的优势,选用声发射传感器作为所述机载故障诊断模块的数据采集和记录手段进行目标发动机材料或构造的缺陷或破损的数据采集和预知。
具体而言,在本实施例中预先设置阈值,基于所述声发射传感器,对处于工作状态下的所述目标发动机运行进行信号采集获取超过阈值触发信号的所述异常噪音信号,所述异常噪声信号的实质为声发射参数,所述异常噪声信号采用波形发生记录。基于EWT,对所述异常噪音信号进行参数解析,将所述异常噪声信号中的与目标发动机材料失效机制相关的信号进行分离,获得所述异常噪音参数,且标记为所述目标工作参数。
优选的,为获得更高精度的信号分析结果,可基于奈奎斯特采样定理进行采样频率最小值的确定,在采样频率与奈奎斯特采样定理确定的采样频率最小值一致时,信号分析结果具有可参考性,随着采样频率的上升,信号分析结果的精确度不断上升。
本实施例通过声发射传感器进行航空发动机工作状态的动态声发射参数的采集并结合EWT技术进行采集结果中非发动机故障性参数的分离,降低了干扰参数对于故障分析准确性的影响以及避免分析数据量过高对于系统算力的占用,达到了准确获取与航空发动机故障相关的异常噪音工作参数的技术效果,为后续准确分析航空发动机在动态运行时是否存在异常故障提供可靠性较高的基础参考数据。
S300:通过对所述目标工作参数进行特征提取,用以获得异常工作特征集合;
进一步的,如图2所示,通过对所述目标工作参数进行特征提取,本申请提供的方法步骤S300还包括:
S310:通过对所述目标发动机的历史工作参数进行采集,可获得历史工作参数集合;
S320:通过对所述历史工作参数集合对应的异常工作特征进行检索,可获得异常工作特征集合;
S330:基于所述历史工作参数集合和所述异常工作特征集合,构建特征映射网络;
S340:将所述目标工作参数输入至所述特征映射网络进行映射匹配,可获得所述异常工作特征集合。
具体而言,应理解的,在航空发动机处于异常工作状态时,其工作参数的变化对应记录异常工作状态的出现时间节点,并且不同类型的异常工作状态对应的参数变化情况也具有不同的特征。因而在实际对航空发动机进行异常故障判定检测时,可基于其工作参数的变化特征进行异常工作状态的反向推理。
在本实施例中遍历历史数据库进行通所述目标发动机历史工作参数的采集生成历史工作参数集合。结合历史航空发动机异常工况处理记录,对所述历史工作参数集合对应的异常工作特征进行检索获得异常工作特征集合,在所述历史工作参数集合的构成数据量足够大时,检所获得的所述异常工作特征集合内的各种类型的异常工作特征涵盖所述目标发动机可能存在的任一种发动机运行异常工况。
基于所述历史工作参数集合和所述异常工作特征集合,构建特征映射网络,将所述目标工作参数输入至所述特征映射网络进行映射匹配获得所述异常工作特征集合。
本实施例通过获取目标发动机的历史工作参数以及历史异常工作特征进行特征映射网络的构建,基于历史参考数据进行当前工作参数的异常状况比对判断,达到了准确获知当前获取的航空发动机是否存在异常工作状况的技术效果。
S400:对所述异常工作特征集合进行权值匹配,用以生成对应的异常故障概率,且作为机载故障报告进行存储;
进一步的,如图3所示,对所述异常工作特征集合进行权值匹配,本申请提供的方法步骤S400还包括:
S410:采集获得所述目标发动机的系统故障模式;
S420:对所述系统故障模式中各模式的发动机部件进行异常状态检索,可得到各模式部件异常状态集合;
S430:利用所述异常工作特征集合,对所述目标发动机的实际部件状态进行采集,得到实际部件异常状态集合;
S440:参照所述各模式部件异常状态集合,对所述实际部件异常状态集合进行权值匹配,可生成所述异常故障概率。
具体而言,所述系统故障模式指航空发动机发生故障的表现形式,所述系统故障模式通常采用发生故障时的现象来描述,所述系统故障模式是航空发动机故障原因分析的依据。航空发动机的所述系统故障模式的经典类型包括但不限于流道故障、零部件烧蚀、零部件变形、零部件裂纹、振动故障。在不同的系统故障模式发生时,航空发动机的组成部件存在不同的异常状态。基于所述系统故障模式,获取各种类型系统故障模式下发动机部件的异常状态,生成各模式下部件异常状态集合。
基于目标发动机的所述异常工作特征集合,通过例如探孔仪、超声波检测等无损检测手段对所述目标发动机的实际部件状态进行采集,得到实际部件异常状态集合,所述实际部件异常集合内包括异常部件的具体异常状况信息。
将存在异常的各种部件按照组成所述系统故障模式的部件组合进行排列组合,生成与所述系统故障模式具有一一对应关系的多组异常部件排列。参照所述各模式部件异常状态集合与目标发动机的实际部件异常状况进行比对,对所述实际部件异常状态集合进行权值匹配,获得在不同系统故障模式下,实际的部件异常状况与发生系统故障模式的部件异常状况的差距,生成每一系统模式故障发生概率,构成所述异常故障概率。将生成的所述故障概率作为机载故障报告储存并通过无线通讯技术传输至目标发动机的所述健康管理系统。
本实施例通过获取目标发动机当前运行状况下组成发动机的工作部件的异常状况与发生系统故障模式时部件异常状况的差异程度进行权值匹配,达到了对目标发动机发生各种类型系统故障模式发生概率进行准确预测的技术效果。
S500:将所述异常故障概率下载至所述地面故障诊断模块,基于智能故障诊断算法,对所述异常故障概率进行数据解析、故障预测,用以生成故障诊断结果;
进一步的,对所述异常故障概率进行数据解析、故障预测,本申请提供的方法步骤S500还包括:
S510:基于短时趋势分析算法,对所述异常故障概率进行短时解析,可获得异常参数增量特征;
S520:基于长时趋势分析算法,对所述异常参数增量特征进行连续分析,可获得所述目标发动机的故障趋势数据;
S530:通过所述智能故障诊断算法,对所述异常参数增量特征和所述故障趋势数据进行算法诊断,可生成所述故障诊断结果。
具体而言,在本实施例中通过对目标发动机的运行参数进行参数变化趋势分析,进行故障发生的预测。参数变化趋势分析由短时趋势分析算法和长期趋势分析算法构成,通过短时趋势分析算法实时判断目标发动机工作参数异常增量特征,为机载状态监测和故障诊断提供数据分析结果,通过长期趋势分析算法进行目标发动机性能参数分析。
应理解的,航空发动机的系统故障模式的出现具有瞬时性,但航空发动机故障发生的本质是部件出现故障后不及时进行维修更换,导致航空发动机处于长期非正常运行状态,发动机运行状况不断恶化最终导致的结果。
在本实施例中,实时进行目标发动机工作状态下的工作参数的采集、特征提取,以及异常故障概率的生成。将生成的所述故障概率作为机载故障报告储存并通过无线通讯技术传输至目标发动机的所述健康管理系统,所述健康管理系统的所述地面故障诊断模块通过所述健康管理系统进行所述异常故障概率的下载。所述地面故障诊断模块载有智能故障算法,用于进行故障诊断结果的生成,所述故障诊断结果具有前置性,主要提示目标发动机存在故障的部件定位以及出现系统故障模式的类型和发生概率。
基于短时趋势分析算法,结合目标发动机工作参数的变化情况,对所述异常故障概率进行短时解析,获得异常参数增量特征,基于长时趋势分析算法,对所述异常参数增量特征进行连续分析,获得所述目标发动机的故障趋势数据,所述故障趋势数据反映了故障部件的故障程度加深趋势。通过所述智能故障诊断算法,对所述异常参数增量特征和所述故障趋势数据进行算法诊断,生成所述故障诊断结果,技术人员根据所述故障诊断结果可获知目标发动机可能发生的系统故障模式的预测结果,在实际的地面检修过程中可参考系统故障模式预测结果对应进行目标发动机部件的更换维修。
本实施例通过引入短时趋势分析和长期趋势分析,达到了对目标发动机可能发生的系统故障模式的准确预测,使得对于目标发动机进行故障排除的检修行为具有前置性,避免在故障发生后进行目标发动机的维护,达到了提供飞机飞行安全系数,降低航空发动机维护检修成本的技术效果。
S600:判断所述故障诊断结果和所述机载故障报告是否相一致;
进一步的,判断所述故障诊断结果和所述机载故障报告是否相一致,本申请提供的方法步骤S600还包括:
S610:若所述故障诊断结果和所述机载故障报告不相一致,生成差异化诊断结果;
S620:基于专家系统,对所述差异化诊断结果进行辅助分析,可确定差异化故障结果;
S630:基于所述差异化故障结果,对所述地面故障诊断模块进行优化。
具体而言,所述机载故障报告为基于所述异常工作特征集合进行权值匹配后获得的各种类型的系统故障模式出现的概率。故障诊断结果为基于系统故障模式出现的概率结合异常工作中特征参数变化趋势获得的系统故障发生预测结果。理论上所述故障诊断结果和所述机载故障报告具有一致性。
根据所述故障诊断结果和所述机载故障报告生成韦恩图,出去韦恩图交集区域内的系统故障模式,获得非交集存在差异的系统故障模式和预测发生时间与概率信息生成所述差异化故障结果。
在本实施例中,先后获得所述故障诊断结果与所述机载故障报告,判断所述故障诊断结果和所述机载故障报告中存在的系统故障模式类型和出现概率预测是否相一致,若所述故障诊断结果和所述机载故障报告不相一致,生成所述差异化诊断结果;基于专家系统获得航空发动机检修维护历史经验,对所述差异化诊断结果进行辅助分析确定差异化故障结果,基于所述差异化故障结果,对所述地面故障诊断模块进行优化,调整所述故障诊断结果中系统故障模式发生概率与发生时间预测结果。
本实施例通过比对两种类型的目标发动机故障数据,避免单一参考机载诊断结果或地面诊断结果,导致航空发动机故障预测的准确性和可信度降低的问题,达到了提高航空发动机故障预测的准确度和可信性的技术效果。
S700:若所述故障诊断结果和所述机载故障报告相一致,参照所述故障诊断结果或所述机载故障报告,对所述目标发动机进行故障诊断。
具体而言,在本实施例中,在所述故障诊断结果和所述机载故障报告具有一致性时,将所述故障诊断结果和所述机载故障报告生成维修报告输出,指导维护人员参照所述故障诊断结果或所述机载故障报告,对所述目标发动机进行故障诊断操作。
本实施例提供的方法通过搭建包括机载故障诊断模块、地面故障诊断模块的目标发动机健康管理系统,实现对航空发动机运行状态下的工作参数进行实时采集。利用所述机载故障诊断模块,对所述目标发动机的工作状态进行参数采集,获得目标工作参数,通过对所述目标工作参数进行特征提取,用以获得异常工作特征集合,避免干扰性工作参数对健康管理系统算力资源的浪费。对所述异常工作特征集合进行权值匹配,用以生成对应的异常故障概率,且作为机载故障报告进行存储;将所述异常故障概率下载至所述地面故障诊断模块,基于智能故障诊断算法,对所述异常故障概率进行数据解析、故障预测,用以生成故障诊断结果,基于相同的异常工作参数进行不同的参数处理获取故障状况预测结果,进行所述故障诊断结果和所述机载故障报告的一致性判断在所述故障诊断结果和所述机载故障报告具有一致性时,参照所述故障诊断结果或所述机载故障报告,对所述目标发动机进行故障诊断。达到了提高城市大脑数据提取有效性和提取效率,减少低价值数据对城市大脑系统算力资源占用,数据处理效率和数据有效性满足目标城市规划建设需求的技术效果。
实施例二
基于与前述实施例中一种航空发动机的健康管理方法相同的发明构思,如图4所示,本申请提供了一种航空发动机的健康管理系统,其中,所述系统包括:
管理系统构建模块11,用于搭建目标发动机的健康管理系统,其中,所述健康管理系统包括机载故障诊断模块、地面故障诊断模块;
故障诊断执行模块12,用于利用所述机载故障诊断模块,对所述目标发动机的工作状态进行参数采集,获得目标工作参数;
参数特征提取模块13,用于通过对所述目标工作参数进行特征提取,用以获得异常工作特征集合;
故障报告生成模块14,用于对所述异常工作特征集合进行权值匹配,用以生成对应的异常故障概率,且作为机载故障报告进行存储;
故障诊断生成模块15,用于将所述异常故障概率下载至所述地面故障诊断模块,基于智能故障诊断算法,对所述异常故障概率进行数据解析、故障预测,用以生成故障诊断结果;
故障一致性判断模块16,用于判断所述故障诊断结果和所述机载故障报告是否相一致;
判断结果应用模块17,用于若所述故障诊断结果和所述机载故障报告相一致,参照所述故障诊断结果或所述机载故障报告,对所述目标发动机进行故障诊断。
进一步的,所述故障诊断执行模块12还包括:
工作信息采集单元,用于基于声发射传感器,对所述工作状态进行信号采集,可得到异常噪音信号;
噪音参数解析模块,用于基于EWT,对所述异常噪音信号进行参数解析,可获得异常噪音参数,且标记为所述目标工作参数。
进一步的,所述参数特征提取模块13还包括:
历史数据采集单元,用于通过对所述目标发动机的历史工作参数进行采集,可获得历史工作参数集合;
异常数据检索单元,用于通过对所述历史工作参数集合对应的异常工作特征进行检索,可获得异常工作特征集合;
映射网络构建单元,用于基于所述历史工作参数集合和所述异常工作特征集合,构建特征映射网络;
异常信息获得单元,用于将所述目标工作参数输入至所述特征映射网络进行映射匹配,可获得所述异常工作特征集合。
进一步的,所述故障报告生成模块14还包括:
故障模式采集单元,用于采集获得所述目标发动机的系统故障模式;
异常状态检索单元,用于对所述系统故障模式中各模式的发动机部件进行异常状态检索,可得到各模式部件异常状态集合;
实际异常采集单元,用于利用所述异常工作特征集合,对所述目标发动机的实际部件状态进行采集,得到实际部件异常状态集合;
故障概率计算单元,用于参照所述各模式部件异常状态集合,对所述实际部件异常状态集合进行权值匹配,可生成所述异常故障概率。
进一步的,所述故障诊断生成模块15还包括:
故障概率解析单元,用于基于短时趋势分析算法,对所述异常故障概率进行短时解析,可获得异常参数增量特征;
故障趋势获得单元,用于基于长时趋势分析算法,对所述异常参数增量特征进行连续分析,可获得所述目标发动机的故障趋势数据;
故障诊断获得单元,用于通过所述智能故障诊断算法,对所述异常参数增量特征和所述故障趋势数据进行算法诊断,可生成所述故障诊断结果。
进一步的,所述故障一致性判断模块16还包括:
异化结果生成单元,用于若所述故障诊断结果和所述机载故障报告不相一致,生成差异化诊断结果;
差异结果确定单元,用于基于专家系统,对所述差异化诊断结果进行辅助分析,可确定差异化故障结果;
诊断优化执行单元,用于基于所述差异化故障结果,对所述地面故障诊断模块进行优化。
综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中,通过各种不限类型的计算机处理器识别计算机指令或程序,进而实现上述任一项方法或者步骤。
基于本发明的上述具体实施例,本技术领域的技术人员在不脱离本发明原理的前提下,对本发明所作的任何改进和修饰,皆应落入本发明的专利保护范围。
Claims (7)
1.一种航空发动机的健康管理方法,其特征在于,所述方法包括:
搭建目标发动机的健康管理系统,其中,所述健康管理系统包括机载故障诊断模块、地面故障诊断模块;
利用所述机载故障诊断模块,对所述目标发动机的工作状态进行参数采集,获得目标工作参数;
通过对所述目标工作参数进行特征提取,用以获得异常工作特征集合;
对所述异常工作特征集合进行权值匹配,用以生成对应的异常故障概率,且作为机载故障报告进行存储;
将所述异常故障概率下载至所述地面故障诊断模块,基于智能故障诊断算法,对所述异常故障概率进行数据解析、故障预测,用以生成故障诊断结果;
判断所述故障诊断结果和所述机载故障报告是否相一致;
若所述故障诊断结果和所述机载故障报告相一致,参照所述故障诊断结果或所述机载故障报告,对所述目标发动机进行故障诊断。
2.如权利要求1所述的方法,其特征在于,对所述目标发动机的工作状态进行参数采集,包括:
基于声发射传感器,对所述工作状态进行信号采集,可得到异常噪音信号;
基于EWT,对所述异常噪音信号进行参数解析,可获得异常噪音参数,且标记为所述目标工作参数。
3.如权利要求2所述的方法,其特征在于,通过对所述目标工作参数进行特征提取,包括:
通过对所述目标发动机的历史工作参数进行采集,可获得历史工作参数集合;
通过对所述历史工作参数集合对应的异常工作特征进行检索,可获得异常工作特征集合;
基于所述历史工作参数集合和所述异常工作特征集合,构建特征映射网络;
将所述目标工作参数输入至所述特征映射网络进行映射匹配,可获得所述异常工作特征集合。
4.如权利要求3所述的方法,其特征在于,对所述异常工作特征集合进行权值匹配,包括:
采集获得所述目标发动机的系统故障模式;
对所述系统故障模式中各模式的发动机部件进行异常状态检索,可得到各模式部件异常状态集合;
利用所述异常工作特征集合,对所述目标发动机的实际部件状态进行采集,得到实际部件异常状态集合;
参照所述各模式部件异常状态集合,对所述实际部件异常状态集合进行权值匹配,可生成所述异常故障概率。
5.如权利要求4所述的方法,其特征在于,对所述异常故障概率进行数据解析、故障预测,包括:
基于短时趋势分析算法,对所述异常故障概率进行短时解析,可获得异常参数增量特征;
基于长时趋势分析算法,对所述异常参数增量特征进行连续分析,可获得所述目标发动机的故障趋势数据;
通过所述智能故障诊断算法,对所述异常参数增量特征和所述故障趋势数据进行算法诊断,可生成所述故障诊断结果。
6.如权利要求5所述的方法,其特征在于,判断所述故障诊断结果和所述机载故障报告是否相一致,包括:
若所述故障诊断结果和所述机载故障报告不相一致,生成差异化诊断结果;
基于专家系统,对所述差异化诊断结果进行辅助分析,可确定差异化故障结果;
基于所述差异化故障结果,对所述地面故障诊断模块进行优化。
7.一种航空发动机的健康管理系统,其特征在于,所述系统包括:
管理系统构建模块,用于搭建目标发动机的健康管理系统,其中,所述健康管理系统包括机载故障诊断模块、地面故障诊断模块;
故障诊断执行模块,用于利用所述机载故障诊断模块,对所述目标发动机的工作状态进行参数采集,获得目标工作参数;
参数特征提取模块,用于通过对所述目标工作参数进行特征提取,用以获得异常工作特征集合;
故障报告生成模块,用于对所述异常工作特征集合进行权值匹配,用以生成对应的异常故障概率,且作为机载故障报告进行存储;
故障诊断生成模块,用于将所述异常故障概率下载至所述地面故障诊断模块,基于智能故障诊断算法,对所述异常故障概率进行数据解析、故障预测,用以生成故障诊断结果;
故障一致性判断模块,用于判断所述故障诊断结果和所述机载故障报告是否相一致;
判断结果应用模块,用于若所述故障诊断结果和所述机载故障报告相一致,参照所述故障诊断结果或所述机载故障报告,对所述目标发动机进行故障诊断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210758045.XA CN115374959A (zh) | 2022-06-30 | 2022-06-30 | 一种航空发动机的健康管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210758045.XA CN115374959A (zh) | 2022-06-30 | 2022-06-30 | 一种航空发动机的健康管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115374959A true CN115374959A (zh) | 2022-11-22 |
Family
ID=84061645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210758045.XA Pending CN115374959A (zh) | 2022-06-30 | 2022-06-30 | 一种航空发动机的健康管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115374959A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116186019A (zh) * | 2023-04-27 | 2023-05-30 | 西安凯锐测控科技有限公司 | 应用于民机航电系统下的功能一体化智能分析方法及装置 |
CN116681427A (zh) * | 2023-08-03 | 2023-09-01 | 深圳市新启发汽车用品有限公司 | 一种基于智能算法的汽车配件自助选购方法及系统 |
CN117707086A (zh) * | 2023-12-23 | 2024-03-15 | 广东顺德格立美光电科技有限公司 | 一种能源管理系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080312783A1 (en) * | 2007-06-12 | 2008-12-18 | The Boeing Company | Systems and Methods for Health Monitoring of Complex Systems |
CN103728965A (zh) * | 2012-10-15 | 2014-04-16 | 中航商用航空发动机有限责任公司 | 一种航空发动机的监视装置和方法、fadec 系统 |
CN106597938A (zh) * | 2016-12-14 | 2017-04-26 | 中国航空工业集团公司上海航空测控技术研究所 | 基于web的飞机发动机完好性与使用状态监测系统及方法 |
CN110544328A (zh) * | 2019-09-02 | 2019-12-06 | 哈尔滨工业大学 | 一种面向机载故障预测与健康管理的嵌入式高能效计算平台及方法 |
CN111080838A (zh) * | 2019-11-28 | 2020-04-28 | 中国航空工业集团公司西安航空计算技术研究所 | 一种机载发动机健康管理系统及方法 |
CN111259515A (zh) * | 2020-01-07 | 2020-06-09 | 珠海欧比特宇航科技股份有限公司 | 一种飞行器健康管理方法及系统 |
CN114281054A (zh) * | 2021-10-09 | 2022-04-05 | 南京航空航天大学 | 一种基于lstm-cnn的飞机远程故障分析方法及系统 |
-
2022
- 2022-06-30 CN CN202210758045.XA patent/CN115374959A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080312783A1 (en) * | 2007-06-12 | 2008-12-18 | The Boeing Company | Systems and Methods for Health Monitoring of Complex Systems |
CN103728965A (zh) * | 2012-10-15 | 2014-04-16 | 中航商用航空发动机有限责任公司 | 一种航空发动机的监视装置和方法、fadec 系统 |
CN106597938A (zh) * | 2016-12-14 | 2017-04-26 | 中国航空工业集团公司上海航空测控技术研究所 | 基于web的飞机发动机完好性与使用状态监测系统及方法 |
CN110544328A (zh) * | 2019-09-02 | 2019-12-06 | 哈尔滨工业大学 | 一种面向机载故障预测与健康管理的嵌入式高能效计算平台及方法 |
CN111080838A (zh) * | 2019-11-28 | 2020-04-28 | 中国航空工业集团公司西安航空计算技术研究所 | 一种机载发动机健康管理系统及方法 |
CN111259515A (zh) * | 2020-01-07 | 2020-06-09 | 珠海欧比特宇航科技股份有限公司 | 一种飞行器健康管理方法及系统 |
CN114281054A (zh) * | 2021-10-09 | 2022-04-05 | 南京航空航天大学 | 一种基于lstm-cnn的飞机远程故障分析方法及系统 |
Non-Patent Citations (3)
Title |
---|
宁亚锋;安芳利;: "航空电子系统故障预测与健康管理技术探究", 科技资讯, no. 34 * |
李軍;楊旭: "航空发动机健康管理系统功能架构", 《航空动力》, no. 1, pages 71 - 74 * |
洛少泽,张陆陈编著: "《枢纽运行调控水力安全综合评估理论与方法》", 黄河水利出版社, pages: 123 - 144 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116186019A (zh) * | 2023-04-27 | 2023-05-30 | 西安凯锐测控科技有限公司 | 应用于民机航电系统下的功能一体化智能分析方法及装置 |
CN116186019B (zh) * | 2023-04-27 | 2023-07-21 | 西安凯锐测控科技有限公司 | 应用于民机航电系统下的功能一体化智能分析方法及装置 |
CN116681427A (zh) * | 2023-08-03 | 2023-09-01 | 深圳市新启发汽车用品有限公司 | 一种基于智能算法的汽车配件自助选购方法及系统 |
CN116681427B (zh) * | 2023-08-03 | 2024-01-05 | 深圳市新启发汽车用品有限公司 | 一种基于智能算法的汽车配件自助选购方法及系统 |
CN117707086A (zh) * | 2023-12-23 | 2024-03-15 | 广东顺德格立美光电科技有限公司 | 一种能源管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115374959A (zh) | 一种航空发动机的健康管理方法及系统 | |
US8060319B2 (en) | Acoustic structural integrity monitoring system and method | |
US8942886B2 (en) | System for detecting an impact on an aircraft engine impeller wheel | |
CN111946559B (zh) | 一种风机基础和塔架结构检测方法 | |
US20120330499A1 (en) | Acoustic diagnostic of fielded turbine engines | |
CN110414154B (zh) | 一种带有双测点的风机部件温度异常检测和报警方法 | |
CN105241957B (zh) | 一种结构剩余寿命自动化快速评估方法和系统 | |
CN111509847A (zh) | 一种电网机组状态的智能检测系统及方法 | |
CN111788387B (zh) | 用于监视风力涡轮机的方法和装置 | |
KR102321607B1 (ko) | 기계의 결함 검출 장치 및 방법 | |
CN107229017A (zh) | 一种风力发电机组变桨蓄电池异常故障预测方法 | |
CN112067701A (zh) | 基于声学诊断的风机叶片远程听诊方法 | |
CN111597740A (zh) | 一种基于介尺度超声畸窄带的收割机健康监测方法 | |
CN112711850A (zh) | 一种基于大数据的机组在线监测方法 | |
CN116625683A (zh) | 一种风电机组轴承故障识别方法、系统、装置及电子设备 | |
CN107977679A (zh) | 基于频响函数和运行响应特征诊断复杂装置早期故障的方法 | |
KR20210006832A (ko) | 기계고장 진단 방법 및 장치 | |
CN114183312A (zh) | 一种风电机组叶片状态的监测系统及方法 | |
CN112329341B (zh) | 一种基于ar和随机森林模型的故障诊断系统及方法 | |
Dutton et al. | Acoustic emission condition monitoring of wind turbine rotor blades: laboratory certification testing to large scale in-service deployment | |
CN115034094B (zh) | 一种金属加工机床运行状态预测方法及系统 | |
CN113504302B (zh) | 风机叶片状态监测的方法、系统、电子设备及存储介质 | |
CN114562429A (zh) | 一种基于净空及声振监测的风电机组叶片损伤预警方法 | |
Liu et al. | Machine health monitoring and prognostication via vibration information | |
Riahi et al. | Differentiation of leakage and corrosion signals in acoustic emission testing of aboveground storage tank floors with artificial neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221122 |
|
RJ01 | Rejection of invention patent application after publication |