CN116108366A - 一种面向航空发动机滑油系统的故障诊断方法 - Google Patents
一种面向航空发动机滑油系统的故障诊断方法 Download PDFInfo
- Publication number
- CN116108366A CN116108366A CN202310071707.0A CN202310071707A CN116108366A CN 116108366 A CN116108366 A CN 116108366A CN 202310071707 A CN202310071707 A CN 202310071707A CN 116108366 A CN116108366 A CN 116108366A
- Authority
- CN
- China
- Prior art keywords
- oil
- fault
- trend
- faults
- diagnosis
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Lubrication Of Internal Combustion Engines (AREA)
Abstract
本发明涉及一种面向航空发动机滑油系统的故障诊断方法,针对滑油系统中的故障诊断问题,采用MATLAB/Simulink软件,通过故障分析,得到测点参数与故障类型的对应关系,通过故障注入方法得到不同故障下测点参数的变化规律,形成故障知识库,并采用一种将测点传感器数据与知识库数据对比计算得到故障类型的诊断方法。实现了根据测点参数直接输出航空发动机滑油系统典型故障类型的诊断功能,有利于对所发生故障采取及时、正确的应对而尽量避免发动机受到更大的损害,有效提升发动机的可靠性和安全性。
Description
技术领域
本发明涉及航空航天技术领域,涉及一种面向航空发动机滑油系统的故障诊断方法。
背景技术
滑油系统为航空发动机的承力和传动部件提供润滑、冷却、除杂的作用,是航空发动机的重要组成部分,其正常工作直接影响发动机的可靠性,而滑油系统又是发动机机械液压系统中比较容易发生故障的附件,所以针对滑油系统的故障诊断具有重要意义。
国内对滑油系统的故障诊断研究主要采用地面油样采集分析和机载监测异常相结合的方法,存在对故障异常反应不灵敏、采取措施慢等问题。在地面油样采集分析方面,一般在飞机返航后在地面对发动机进行相关检查,并获取滑油样品进行理化分析,从而获得滑油系统运行的相关状态信息,这种方法虽然准确度较高,但是不够及时,无法在飞机飞行过程中进行故障诊断,难以及时检测到故障并避免由此引发的进一步故障;在机载故障诊断方面,国内的研究一般局限于测点参数的监测,如果检测到参数发生异常,则发出相关警告提示,但无法给出可能的故障位置和故障相关部件,更多的需要依靠飞行员自身的经验来判断可能的故障类型,不仅加重了飞行员的负担,也不利于对所发生故障采取及时、正确的应对而尽量避免发动机受到更大的损害。
发明内容
要解决的技术问题
本发明针对滑油系统中的故障诊断问题,采用MATLAB/Simulink软件,通过故障分析,得到测点参数与故障类型的对应关系,通过故障注入方法得到不同故障下测点参数的变化规律,形成故障知识库,并采用一种将测点传感器数据与知识库数据对比计算得到故障类型的诊断方法。实现了根据测点参数直接输出航空发动机滑油系统典型故障类型的诊断功能,有利于对所发生故障采取及时、正确的应对而尽量避免发动机受到更大的损害,有效提升发动机的可靠性和安全性。
技术方案
一种面向航空发动机滑油系统的故障诊断方法,其特征在于步骤如下:
步骤1:通过故障分析,总结得出滑油系统典型故障的模拟与诊断方法,所述的滑油系统典型故障包括泵轴断裂故障、油气分离器损坏故障、供油滤堵塞故障、伺服燃油器燃油泄漏故障、燃滑油散热器堵塞故障、燃滑油散热器燃油泄漏故障和回油滤堵塞故障;
将故障诊断分为三类,一是通过测点信号直接判断的故障,二是通过单参数、双参数趋势分析可诊断的故障,三是需建立故障方程并求解来诊断的故障;
(1)第一类故障诊断:直接判断开关量信号即可诊断;针对的故障类型为供油滤堵塞和回油滤堵塞,当油滤压差开关量发生变化时,即可判定对应位置的油滤发生堵塞;
(2)第二类故障诊断:通过测点参数趋势分析即可诊断;针对的故障类型为泵轴断裂、油气分离器损坏和燃滑油散热器滑油路堵塞;
(3)第三类故障诊断:需要建立故障方程并求解来诊断,针对的故障类型为伺服燃油加热器燃油泄漏和燃滑油散热器燃油泄漏;
步骤2:将典型故障类型依次编号作为故障指示标识符,其中泵轴断裂编号为1,油气分离机构损坏编号为2,供油滤堵塞编号为3,伺服燃油加热器燃油泄漏编号为4,燃滑油散热器堵塞编号为5,燃滑油散热器燃油泄漏编号为6,回油滤堵塞编号为7;
步骤3:进行第一类故障的诊断:
当监测到某个周期与前一周期的油滤压差开关量不一致时,则输出相应的故障指示标识符,若输出标识符3,则表示发生供油滤堵塞故障,若输出标识符7,则表示发生回油滤堵塞故障,若输出标识符0则表示未发生故障;
步骤4:进行第二类故障的诊断:
(1)单参数变化趋势分析及诊断
单参数趋势分析针对的测点参数为供油压力,针对的故障为泵轴断裂和油气分离器损坏;诊断泵轴断裂故障和油气分离器损坏故障的方法为:连续5个检测周期监测到供油压力急剧下降时,判定发生泵轴断裂故障;连续5个检测周期监测到供油压力下降时,判定发生油气分离器损坏故障;
(2)双参数变化趋势分析及诊断
双参数趋势分析针对的测点参数为供油温度和回油温度,针对的故障类型为燃滑油散热器滑油路堵塞;
将每一个周期四参数趋势分析结果整理成一个二维趋势变化矩阵X:
<![CDATA[T<sub>oil.1</sub>]]> | <![CDATA[P<sub>oil.1</sub>]]> | <![CDATA[T<sub>oil.2</sub>]]> | <![CDATA[L<sub>oil</sub>]]> | |
<![CDATA[T<sub>oil.1</sub>]]> | X(1,1) | X(1,2) | X(1,3) | X(1,4) |
<![CDATA[P<sub>oil.1</sub>]]> | X(2,1) | X(2,2) | X(2,3) | X(2,4) |
<![CDATA[T<sub>oil.2</sub>]]> | X(3,1) | X(3,2) | X(3,3) | X(3,4) |
<![CDATA[L<sub>oil</sub>]]> | X(4,1) | X(4,2) | X(4,3) | X(4,4) |
矩阵中的每一个元素都由两个数字组成,包含两个参数的趋势变化信息,Toil.1为供油温度、Poil.1为供油压力、Toil.2为回油温度和Loil为油位;
当连续5个检测周期监测供油温度、回油温度急剧上升,即监测到X(3,1)=55判定发生燃滑油散热器堵塞故障;
步骤5:进行第三类故障的诊断:
建立故障方程:
其中,A为故障系数矩阵,W为对角矩阵,x表示可能发生的故障类型,表示x的一个估计,n为检测的周期数,yi为第i个周期四个趋势监控参数的测量数据,四个趋势监控参数包括供油温度、供油压力、回油温度和油位,为n个周期中四个趋势监控参数的平均测量数据,R2表示回归平方和在总平方和中所占的百分比,数值越大,模型预测效果越好;等于1时,那就没有误差,预测值完全等于被预测的因变量,则可判定故障假设成立,但实际中由于理论计算的偏差、发动机工况的改变,往往得不到R2=1时的故障解,这时在所有可能故障中取使R2全局最大为故障诊断结果;所以区分伺服燃油加热器燃油泄漏故障和燃滑油散热器燃油泄漏故障的方法是比较二者在故障方程中R2的值的大小,较大者即为最有可能发生的故障,并作为诊断结果输出。
本发明进一步的技术方案:步骤4中所述的变化趋势判定具体如下:
定义T为监视系统的一个监视周期,监测n个不同时刻的监测值序列(x1,x2,…,xn),设H0为该周期内监测序列没有明显的上升或下降趋势,备择假设H1是双边检验,监测序列显示出显著的趋势变化;对于所有的k,j≤n,且k≠j,根据下式对变量S进行检验,即:
式中:
统计量S的方差为:
Var(S)=[n(n-1)(2n+5)]/18
n>10的情况下,统计变量的分布为:
对于显著性水平α给定的情况下,若满足条件|Z|≥Z1-α/2,则认为不可接受原假设,序列具有显著下降或上升趋势;若统计变量满足条件Z>0或Z<0,则认为序列呈上升或下降趋势;
趋势判断准则如下:
判断区间:Z=0;变化趋势:不变;变化趋势符:3;
判断区间:Z≥|Z1-α/2|;变化趋势:急剧升高;变化趋势符:5。
一种计算机系统,其特征在于包括:一个或多个处理器,计算机可读存储介质,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述的方法。
一种计算机可读存储介质,其特征在于存储有计算机可执行指令,所述指令在被执行时用于实现上述的方法。
有益效果
本发明通过故障分析,建立了测点信号随故障类型的变化规律系,设计了基于趋势分析和故障方程的诊断算法,完成了诊断模型的建立,并针对所选故障进行诊断计算,验证了诊断算法对所选故障的诊断准确性。
当航空发动机滑油系统发生常见故障时,本发明能够根据测点信号数据,快速准确判断出故障类型,便于飞行员对所发生故障采取及时、正确的应对,尽量避免发动机受到更大的损害,有利于提升飞行安全性。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1供油滤压差开关量的监测与故障判断;
图2回油滤压差开关量的监测与故障判断;
图3泵轴断裂故障仿真结果;
图4油气分离器损坏故障仿真结果;
图5供油滤堵塞故障仿真结果;
图6伺服燃油加热器燃油泄漏故障仿真结果;
图7燃滑油散热器堵塞故障仿真结果;
图8燃滑油散热器燃油泄漏仿真结果;
图9主回油滤堵塞故障仿真结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。此外,下面描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明实施例提供的一种面向航空发动机滑油系统的故障诊断方法,包括以下步骤:
步骤1:通过故障分析,总结得出滑油系统典型故障的模拟与诊断方法,包括泵轴断裂故障、油气分离器损坏故障、供油滤堵塞故障、伺服燃油器燃油泄漏故障、燃滑油散热器堵塞故障、燃滑油散热器燃油泄漏故障和回油滤堵塞故障。
将故障诊断分为三类,一是通过测点信号直接判断的故障,二是通过单参数、双参数趋势分析可诊断的故障,三是需建立故障方程并求解来诊断的故障。
(1)第一类故障诊断:直接判断开关量信号即可诊断。针对的故障类型为供油滤堵塞和回油滤堵塞,当油滤压差开关量发生变化时,即可判定对应位置的油滤发生堵塞。
(2)第二类故障诊断:通过测点参数趋势分析即可诊断。针对的故障类型为泵轴断裂、油气分离器损坏和燃滑油散热器滑油路堵塞。大致分析如下:
1)泵轴断裂:供回油能力丧失,供油压力、流量急剧下降,可通过供油压力的单参数趋势分析判断该故障。
2)油气分离器损坏:油气分离能力丧失,滑油箱混入大量油气混合物,油位上升,可通过油位的单参数趋势分析判断该故障。
3)燃滑油散热器滑油路堵塞:滑油不经散热器冷却直接流入发动机,供回油温度急剧升高,可通过供油温度、回油温度的双参数趋势分析判断该故障。
(3)第三类故障诊断:需要建立故障方程并求解来诊断。这类故障表现不明显,且对多个测点参数都有影响,需要通过更复杂方法即建立故障方程的方法来判断,针对的故障类型为伺服燃油加热器燃油泄漏和燃滑油散热器燃油泄漏。
步骤2:将上述典型故障类型依次编号作为故障指示标识符,如下表所示:
表1故障类型及对应编号
步骤3:进行第一类故障的诊断:
监测与判定模型的Simulink模块如下图1和图2所示,当监测到t周期与前一周期的油滤压差开关量不一致时,则输出相应的故障指示标识符,若输出标识符3,则表示发生供油滤堵塞故障,若输出标识符7,则表示发生回油滤堵塞故障,若输出标识符0则表示未发生故障。
步骤4:进行第二类故障的诊断:
(1)数据预处理
定义T为监视系统的一个监视周期,监测n个不同时刻的监测值序列(x1,x2,…,xn),设H0为该周期内监测序列没有明显的上升或下降趋势,备择假设H1是双边检验,监测序列显示出显著的趋势变化。对于所有的k,j≤n,且k≠j,根据下式对变量S进行检验,即:
式中:
统计量S的方差为:
Var (S)=[n(n-1)(2n+5)]/18 (3)
n>10的情况下,统计变量的分布为:
对于显著性水平α给定的情况下,若满足条件|Z|≥Z1-α/2,则认为不可接受原假设,序列具有显著下降或上升趋势;若统计变量满足条件Z>0或Z<0,则认为序列呈上升或下降趋势。趋势判断准则如下表所示:
表2趋势分析判定准则
趋势分析需要设定显著性水平α,这个置信水平的设定由需要诊断的各类故障对测点信号的影响程度来决定。
本发明中的阈值设定以最大巡航工况下故障模拟计算结果为依据进行取定。
(2)单参数趋势分析及诊断
单参数趋势分析针对的测点参数为供油压力,针对的故障为泵轴断裂和油气分离器损坏。供油压力的趋势分析模块分为变化率计算模块和变化率区间判断模块。
将供油压力相对变化率的计算结果输入到区间判断模块中,同时输入的还有两个阈值,然后根据相对变化率与高、低阈值的比较计算,得到供油压力的趋势变化符。趋势变化符计算通过逻辑比较模块(例如大于、小于等于)和判断模块(例如“与”)实现模型。
诊断泵轴断裂故障和油气分离器损坏故障的方法为:连续5个检测周期监测到供油压力急剧下降时,判定发生泵轴断裂故障;连续5个检测周期监测到供油压力下降时,判定发生油气分离器损坏故障。
(3)双参数趋势分析及诊断
双参数趋势分析针对的测点参数为供油温度和回油温度,针对的故障类型为燃滑油散热器滑油路堵塞,虽然供油温度和回油温度一般是同步变化的,但此处依然同时监测这两个参数,一是因为所研究的滑油系统对象有这两个测点,能够更为准确的判断滑油温度变化,二是当一个温度传感器故障时,也能够得到较为准确的滑油温度信息。
除油滤压差开关量外的四个测点参数均需要进行趋势分析计算,包括供油温度、供油压力、回油温度和油位。
每一个周期四参数趋势分析结果,都可以整理成一个二维趋势变化矩阵X,如下表所示;
表3趋势变化矩阵
(黑体表示部分已包含全部趋势)
矩阵中的每一个元素都由两个数字组成,包含两个参数的趋势变化信息,例如X(1,2)=31表示主供油温度不变、主供油压力急剧下降。诊断燃滑油散热器堵塞的方法为:连续5个检测周期监测供油温度、回油温度急剧上升,即监测到X(3,1)=55判定发生燃滑油散热器堵塞故障。
步骤5:进行第三类故障的诊断:
面对无法通过开关量检测、单参数和双参数趋势分析来判断的第三类故障,需要通过模型匹配分析的方式来进行确定。以供油温度、供油压力、回油温度和油位四个参数为基础建立故障方程,同时还需要获取故障系数矩阵A,该系数矩阵所反映的是某类故障发生时测量参数的偏差百分比,可通过滑油系统故障试验数据采集、故障模型仿真计算或查阅文献资料等方式获取。
以计算仿真结果确定故障系数矩阵A,有了故障系数矩阵A后,就可以进行故障方程的建立,以x表示可能发生的故障类型,表示x的一个估计,n为检测的周期数,yi为第i个周期四个趋势监控参数的测量数据,为n个周期中四个趋势监控参数的平均测量数据,定义R2为:
式中W为对角矩阵,等于各传感器的测量误差方差,在此取为单位阵。R2表示回归平方和在总平方和中所占的百分比,数值越大,模型预测效果越好。等于1时,那就没有误差,预测值完全等于被预测的因变量,则可判定故障假设成立,但实际中由于理论计算的偏差、发动机工况的改变,往往得不到R2=1时的故障解,这时在所有可能故障中取使R2全局最大为故障诊断结果。所以区分伺服燃油加热器燃油泄漏故障和燃滑油散热器燃油泄漏故障的方法是比较二者在故障方程中R2的值的大小,较大者即为最有可能发生的故障,并作为诊断结果输出。
解故障方程的计算可分为两部分,一是R2计算,二是R2取大计算。
下面以最大巡航工况为例,对滑油系统典型故障诊断案例进行故障模拟和诊断,验证本发明诊断算法的鲁棒性。
最大巡航工况下故障模拟计算结果如下表所示:
表4故障测点参数计算结果
综合考虑测点参数输出精度和故障计算结果区分不同故障对监控参数的影响程度,最终在显著性α=0.05的条件下进行检验,此时Z1-α/2=±1.96。趋势判断准则如下表所示:
表5趋势分析判断表
判断区间 | 变化趋势 | 变化趋势符 |
Z≤-1.96 | 急剧下降 | 1 |
-1.96<Z<0 | 下降 | 2 |
Z=0 | 不变 | 3 |
0<Z<1.96 | 升高 | 4 |
Z≥1.96 | 急剧升高 | 5 |
(1)为了验证诊断算法对于泵轴断裂故障的鲁棒性,分别对泵轴故障进行了不同严重程度的模拟,将对应的特征参数供油泵容积效率分别下降为原先的5%、10%、15%和20%,然后通过故障仿真模型计算出测点参数值,如图3所示。
从仿真结果看出,不同严重程度的泵轴断裂故障发生后,供油压力均急剧下降且远低于无故障时的基准线,且随故障严重程度的升高,供油压力下降得越多。泵轴断裂故障在不同的模拟方式下,通过单参数趋势分析得到的诊断结果如下表所示:
表6泵轴断裂故障诊断验证结果
由验证结果可以看出,在泵轴断裂供油泵的容积效率急剧下降的情况下,容积效率下降到原先的[0.05,0.20]区间内,均能得到正确的诊断结果,证明该诊断方法在供油泵容积效率急剧下降的一般情况下有效。
(2)为了验证诊断算法对于滑油箱油气分离器损坏故障的鲁棒性,分别对该故障进行了不同严重程度的模拟,将对应的特征参数供油泵容积效率分别下降为原先的40%、50%、60%和70%,然后通过故障仿真模型计算出测点参数值,如图4所示。
从仿真结果看出,不同严重程度的油气分离器损坏故障发生后,供油压力均下降且低于无故障时的基准线,且随故障严重程度的升高,供油压力下降得越多。滑油箱油气分离器损坏故障在不同的模拟方式下,通过单参数趋势分析得到的诊断结果如下表所示:
表7滑油箱油气分离器损坏故障诊断验证结果
由验证结果可以看出,在油气分离器损坏供油泵的容积效率下降的情况下,容积效率下降到原先的[0.40,0.70]区间内,均能得到正确的诊断结果,证明该诊断方法在供油泵容积效率下降的一般情况下有效。
(3)为了验证诊断算法对于主供油滤堵塞故障的鲁棒性,分别对供油滤故障进行了不同严重程度的模拟,将对应的特征参数供油滤流阻分别升高为原先的8、11、14和17倍,然后通过故障仿真模型计算出测点参数值,如图5所示。
从仿真结果看出,不同严重程度的供油滤堵塞故障发生后,其对应开关量均能监测出其堵塞情况的发生。主供油滤堵塞故障在不同的模拟方式下,通过对压差开关量检测得到的诊断结果如下表所示:
表8主供油滤堵塞故障诊断验证结果
由验证结果可以看出,在主供油滤堵塞油滤流阻增大的情况下,增大倍数为[8,17]区间内,均能得到正确的诊断结果,证明该诊断方法在供油滤堵塞的一般情况下有效。
(4)为了验证诊断算法对于伺服燃油加热器燃油泄漏故障的鲁棒性,分别对该种故障进行了不同严重程度的模拟,将对应的特征参数伺服燃油加热器换热效率分别下降为原先的95%、90%、85%和80%,滑油路流量增大为原先的1.08、1.10、1.12和1.14倍,分别对应伺服燃油加热器燃油泄漏等级的1级、2级、3级和4级然后通过故障仿真模型计算出测点参数值,如图6所示。
从仿真结果可以看出,伺服燃油加热器发生燃油泄漏故障时供油温度、回油温度、供油压力和油位四个监控参数值均升高,且随着伺服燃油加热器燃油泄漏故障严重程度的升高,各监控参数的值也随之升高。伺服燃油加热器燃油泄漏故障在不同的模拟方式下,通过求R2取最大的方法,得到的诊断结果如下表所示:
表9伺服燃油加热器燃油泄漏故障诊断验证结果
由验证结果可以看出,在伺服燃油加热器燃油泄漏换热效率降低、滑油路流量增大的情况下,换热效率下降到原先的[0.80,0.95]、滑油路流量增大到原先的[1.08,1.14]范围内,均能得到正确的诊断结果,证明该诊断方法在伺服燃油加热器燃油泄漏的一般情况下有效。
(5)为了验证诊断算法对于燃滑油散热器堵塞故障的鲁棒性,分别对该种故障进行了不同严重程度的模拟,将对应的特征参数燃滑油散热器流阻分别增大为原先的8、10、12和14倍,然后通过故障仿真模型计算出测点参数值,如图7所示。
从仿真结果看出,当燃滑油散热器堵塞后,滑油得不到及时的冷却,供油温度急剧升高,远高于无故障时的基准线。燃滑油散热器堵塞故障在不同的模拟方式下,通过双参数趋势分析得到的诊断结果如下表所示:
表10燃滑油散热器堵塞故障诊断验证结果
由验证结果可以看出,在燃滑油散热器堵塞流阻增大的情况下,增大倍数在[8,14]区间内,均能得到正确的诊断结果,证明该诊断方法在燃滑油散热器堵塞的一般情况下有效。
(6)为了验证诊断算法对于燃滑油散热器燃油泄漏故障的鲁棒性,分别对该种故障进行了不同严重程度的模拟,将对应的特征参数燃滑油散热器换热效率分别降低为原先的95%、90%、85%和80%,分别对应燃滑油散热器燃油泄漏故障严重程度的1级、2级、3级和4级,然后通过故障仿真模型计算出测点参数值,如图8所示。
从仿真结果可以看出,燃滑油散热器发生燃油泄漏时,供油温度、回油温度、供油压力和油位四个监控参数均升高,且随着泄漏严重程度的升高,四个监控参数的值也升高。燃滑油散热器燃油泄漏故障在不同的模拟方式下,通过求R2取最大的方法,得到诊断结果如下表所示:
表11燃滑油散热器燃油泄漏故障诊断验证结果
由验证结果可以看出,在燃滑油散热器燃油泄漏换热效率降低、滑油路流量增大的情况下,换热效率下降到原先的[0.80,0.95]、滑油路流量增大到原先的[1.03,1.09]范围内,均能得到正确的诊断结果,证明该诊断方法在燃滑油散热器燃油泄漏的一般情况下有效。
(7)为了验证诊断算法对于主回油滤堵塞故障的鲁棒性,分别对回油滤故障进行了不同严重程度的模拟,将对应的特征参数回油滤流阻分别升高为原先的8、11、14和17倍,然后通过故障仿真模型计算出测点参数值,如图9所示。
从仿真结果看出,不同严重程度的回油滤堵塞故障发生后,其对应开关量均能监测出其堵塞情况的发生。主回油滤堵塞故障在不同的模拟方式下,通过对压差开关量检测得到的诊断结果如下表所示:
表12主回油滤堵塞故障诊断验证结果
由验证结果可以看出,在主回油滤堵塞油滤流阻增大的情况下,增大倍数为[8,17]区间内,均能得到正确的诊断结果,证明该诊断方法在回油滤堵塞的一般情况下有效。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明公开的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种面向航空发动机滑油系统的故障诊断方法,其特征在于步骤如下:
步骤1:通过故障分析,总结得出滑油系统典型故障的模拟与诊断方法,所述的滑油系统典型故障包括泵轴断裂故障、油气分离器损坏故障、供油滤堵塞故障、伺服燃油器燃油泄漏故障、燃滑油散热器堵塞故障、燃滑油散热器燃油泄漏故障和回油滤堵塞故障;
将故障诊断分为三类,一是通过测点信号直接判断的故障,二是通过单参数、双参数趋势分析可诊断的故障,三是需建立故障方程并求解来诊断的故障;
(1)第一类故障诊断:直接判断开关量信号即可诊断;针对的故障类型为供油滤堵塞和回油滤堵塞,当油滤压差开关量发生变化时,即可判定对应位置的油滤发生堵塞;
(2)第二类故障诊断:通过测点参数趋势分析即可诊断;针对的故障类型为泵轴断裂、油气分离器损坏和燃滑油散热器滑油路堵塞;
(3)第三类故障诊断:需要建立故障方程并求解来诊断,针对的故障类型为伺服燃油加热器燃油泄漏和燃滑油散热器燃油泄漏;
步骤2:将典型故障类型依次编号作为故障指示标识符,其中泵轴断裂编号为1,油气分离机构损坏编号为2,供油滤堵塞编号为3,伺服燃油加热器燃油泄漏编号为4,燃滑油散热器堵塞编号为5,燃滑油散热器燃油泄漏编号为6,回油滤堵塞编号为7;
步骤3:进行第一类故障的诊断:
当监测到某个周期与前一周期的油滤压差开关量不一致时,则输出相应的故障指示标识符,若输出标识符3,则表示发生供油滤堵塞故障,若输出标识符7,则表示发生回油滤堵塞故障,若输出标识符0则表示未发生故障;
步骤4:进行第二类故障的诊断:
(1)单参数变化趋势分析及诊断
单参数趋势分析针对的测点参数为供油压力,针对的故障为泵轴断裂和油气分离器损坏;诊断泵轴断裂故障和油气分离器损坏故障的方法为:连续5个检测周期监测到供油压力急剧下降时,判定发生泵轴断裂故障;连续5个检测周期监测到供油压力下降时,判定发生油气分离器损坏故障;
(2)双参数变化趋势分析及诊断
双参数趋势分析针对的测点参数为供油温度和回油温度,针对的故障类型为燃滑油散热器滑油路堵塞;
将每一个周期四参数趋势分析结果整理成一个二维趋势变化矩阵X:
矩阵中的每一个元素都由两个数字组成,包含两个参数的趋势变化信息,Toil.1为供油温度、Poil.1为供油压力、Toil.2为回油温度和Loil为油位;
当连续5个检测周期监测供油温度、回油温度急剧上升,即监测到X(3,1)=55判定发生燃滑油散热器堵塞故障;
步骤5:进行第三类故障的诊断:
建立故障方程:
其中,A为故障系数矩阵,W为对角矩阵,x表示可能发生的故障类型,表示x的一个估计,n为检测的周期数,yi为第i个周期四个趋势监控参数的测量数据,四个趋势监控参数包括供油温度、供油压力、回油温度和油位,为n个周期中四个趋势监控参数的平均测量数据,R2表示回归平方和在总平方和中所占的百分比,数值越大,模型预测效果越好;等于1时,那就没有误差,预测值完全等于被预测的因变量,则可判定故障假设成立,但实际中由于理论计算的偏差、发动机工况的改变,往往得不到R2=1时的故障解,这时在所有可能故障中取使R2全局最大为故障诊断结果;所以区分伺服燃油加热器燃油泄漏故障和燃滑油散热器燃油泄漏故障的方法是比较二者在故障方程中R2的值的大小,较大者即为最有可能发生的故障,并作为诊断结果输出。
2.根据权利要求1所述的面向航空发动机滑油系统的故障诊断方法,其特征在于:步骤4中所述的变化趋势判定具体如下:
定义T为监视系统的一个监视周期,监测n个不同时刻的监测值序列(x1,x2,…,xn),设H0为该周期内监测序列没有明显的上升或下降趋势,备择假设H1是双边检验,监测序列显示出显著的趋势变化;对于所有的k,j≤n,且k≠j,根据下式对变量S进行检验,即:
式中:
统计量S的方差为:
Var(S)=[n(n-1)(2n+5)]/18
n>10的情况下,统计变量的分布为:
对于显著性水平α给定的情况下,若满足条件|Z|≥Z1-α/2,则认为不可接受原假设,序列具有显著下降或上升趋势;若统计变量满足条件Z>0或Z<0,则认为序列呈上升或下降趋势;
趋势判断准则如下:
判断区间:Z=0;变化趋势:不变;变化趋势符:3;
判断区间:Z≥|Z1-α/2|;变化趋势:急剧升高;变化趋势符:5。
3.一种计算机系统,其特征在于包括:一个或多个处理器,计算机可读存储介质,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1所述的方法。
4.一种计算机可读存储介质,其特征在于存储有计算机可执行指令,所述指令在被执行时用于实现权利要求1所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310071707.0A CN116108366A (zh) | 2023-01-18 | 2023-01-18 | 一种面向航空发动机滑油系统的故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310071707.0A CN116108366A (zh) | 2023-01-18 | 2023-01-18 | 一种面向航空发动机滑油系统的故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116108366A true CN116108366A (zh) | 2023-05-12 |
Family
ID=86261237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310071707.0A Pending CN116108366A (zh) | 2023-01-18 | 2023-01-18 | 一种面向航空发动机滑油系统的故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116108366A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117892095A (zh) * | 2024-03-14 | 2024-04-16 | 山东泰开电力电子有限公司 | 一种储能系统用的散热系统故障智能检测方法 |
-
2023
- 2023-01-18 CN CN202310071707.0A patent/CN116108366A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117892095A (zh) * | 2024-03-14 | 2024-04-16 | 山东泰开电力电子有限公司 | 一种储能系统用的散热系统故障智能检测方法 |
CN117892095B (zh) * | 2024-03-14 | 2024-05-28 | 山东泰开电力电子有限公司 | 一种储能系统用的散热系统故障智能检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108492399B (zh) | 基于大数据分析的推土机柴油机故障诊断专家系统及方法 | |
RU2693340C2 (ru) | Система для определения состояния воздушного фильтра, в частности для двигателей внутреннего сгорания, способ определения состояния воздушного фильтра, машиночитаемый носитель, двигатель внутреннего сгорания, наземное транспортное средство | |
US6587737B2 (en) | Method for the monitoring of a plant | |
CN111289256B (zh) | 一种数据驱动的船舶柴油机故障检测方法 | |
CN111324105B (zh) | 一种基于统计量马氏距离的微小传感器故障检测和分离方法 | |
US6675639B1 (en) | Apparatus and method to detect cylinder faults of internal combustion engines via exhaust temperature monitoring | |
CN116108366A (zh) | 一种面向航空发动机滑油系统的故障诊断方法 | |
CN111637924B (zh) | 一种挖掘机异常的检测方法、检测装置及可读存储介质 | |
CN107831711A (zh) | 基于聚类的推土机动力总成故障诊断系统构建方法和装置 | |
CN108804740A (zh) | 基于集成改进ica-krr算法的长输管道压力监测方法 | |
US9651457B2 (en) | Method for detecting deterioration in a turbomachine by monitoring the performance of said turbomachine | |
CN112729723A (zh) | 基于物联网和人工智能的智能燃气远程监测管理方法、系统、电子设备及计算机存储介质 | |
CN114738132B (zh) | 基于实船数据的增压器转速传感器故障诊断方法及系统 | |
CN111141527B (zh) | 发动机呼吸器滤芯的维保周期的判断方法及其判断系统 | |
CN104596657B (zh) | 一种压气机进出口温度监测装置及方法 | |
CN116735223A (zh) | 一种燃气轮机多参数异常检测的方法 | |
CN115163359A (zh) | 一种发动机进气系统监测方法及监测系统 | |
TWI745912B (zh) | 高爐之異常判定裝置、高爐之異常判定方法及高爐之操作方法 | |
CN114235424A (zh) | 一种燃气轮机燃料滤器故障的检测方法 | |
CN113010843A (zh) | 测量参数集的确定方法及装置、验证方法及故障诊断方法 | |
JPH0916255A (ja) | 機器の故障診断方法およびその装置 | |
CN114370324B (zh) | 一种诊断dpf系统故障的方法及车辆 | |
CN112629710A (zh) | 一种发动机温度传感器的智能自诊断方法 | |
RU2705929C1 (ru) | Способ диагностики измерительного канала | |
Li et al. | Diagnosis Technology Research of Engine Electronic Control System Based on Principal Component Analysis |
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 |