陳 曦，廖明夫，王儼剴

（西北工業(yè)大學動力與能源學院，西安710072）

航空發(fā)動機故障融合診斷研究

陳 曦，廖明夫，王儼剴

（西北工業(yè)大學動力與能源學院，西安710072）

結合氣路診斷與振動分析方法，建立發(fā)動機故障融合診斷模型，探討氣路與振動故障融合診斷方法的可行性。構建故障融合診斷3級體系（故障特征級、故障模式級以及故障決策級融合），實現(xiàn)基于性能參數(shù)和振動參數(shù)的綜合評估方法，獲得基于小偏差法的氣路故障判據(jù)，形成基于動力學分析的振動故障判據(jù)，提出故障特征融合的方法，通過算法實現(xiàn)故障融合識別，并在模擬試驗器上進行渦輪葉片掉塊故障試驗驗證，獲得相應的故障診斷決策。結果表明：設計的發(fā)動機故障融合診斷方法合理，算法正確。

航空發(fā)動機；氣路故障；振動故障；融合診斷模型；融合識別

0 引言

在航空發(fā)動機的故障診斷領域，近年來的1個研究方向是信息融合，融合技術一般應用于3個層面[1]，包括數(shù)據(jù)、特征以及決策層面[1]。目前，常見的狀態(tài)監(jiān)測與故障診斷手段[2]分為3大類：氣路分析，機械狀態(tài)監(jiān)測以及無損探測類；而研究融合方法多集中于特征層面和決策層面的融合，其中決策層面融合[3]較為成熟。而特征層面的融合方法近幾年興起，其研究多集中于人工智能（神經(jīng)網(wǎng)絡、人工智能等）和專家系統(tǒng)，還存在著不少的問題有待解決。其中有些方法在可實現(xiàn)性上存在問題。Vloponi等人[4]提出了針對PW公司F117發(fā)動機設計的故障診斷和健康管理的信息融合系統(tǒng)。該信息融合系統(tǒng)通過對不同性質的數(shù)據(jù)（如氣路測量、振動信號以及油液磨屑等）進行融合。但是進一步研究后，發(fā)現(xiàn)這個融合診斷系統(tǒng)[5]在具體的應用中只涉及氣路參數(shù)，并沒有真正將振動、油液等不同性質的數(shù)據(jù)互相融合，而且由于一些數(shù)據(jù)問題是無法徹底實現(xiàn)的。其中有些方法在有效性上存在問題。Xiao等人[6]提出融合氣路參數(shù)數(shù)據(jù)與非參數(shù)數(shù)據(jù)。數(shù)據(jù)預處理后輸入至3種不同的診斷模型（隨機森林法，廣義回歸神經(jīng)網(wǎng)絡以及邏輯回歸法）之中，作出診斷決策。但結果表明，使用融合數(shù)據(jù)的診斷結果準確度并沒有比單獨使用參數(shù)數(shù)據(jù)有較大幅度的提高，效果不明顯。還有些方法僅僅針對特定的故障進行診斷，缺乏一定的通用性。Turso和Litt[7]提出利用卡爾曼濾波獲得的發(fā)動機氣路性能變化信息，以及通過小波分析提取的軸承加速計振動信號特征，將這兩種信息組合在一起，以明確識別外來物損傷事件這一特定故障，最后基于Dempster-Shafer-Yager證據(jù)理論，獲得故障診斷決策。而Kyriazis等人[8]提出1種以非線性氣路分析為主，振動信息為輔的故障診斷方法。該方法能在一定程度上提高故障診斷可信度，但是不足之處在于非線性氣路分析是核心部分，而由振動測量趨勢提供的信息則起輔助作用，僅用于縮小未知健康參數(shù)的范圍。

基于上述方法存在的不足之處，本文提出1種新的方法和思路，以在一定程度上解決有效性以及通用性問題。建立故障融合診斷的3級體系（故障特征級、故障模式級以及故障決策級融合），實現(xiàn)基于性能和振動參數(shù)的融合診斷方法，其中特征級提出氣路與振動故障的特征，模式級獲得氣路故障判據(jù)和振動故障判據(jù)，決策級實現(xiàn)故障融合識別，獲得可能的故障診斷決策。

1 故障融合診斷體系

本文設計的故障融合診斷體系如圖1所示。

圖1 故障融合診斷過程

（1）征兆量：采集來自多個不同傳感器的測量參數(shù)（征兆量）的數(shù)據(jù)。

（2）故障融合：故障融合級別劃分為3級，依次為特征級、模式級和決策級。

（3）人機交互界面：借鑒趨勢圖、頻譜圖、指紋圖等圖形表達方法，圖文并茂地顯示診斷過程、診斷結果以及維修方案。

2 故障特征級融合

根據(jù)工程經(jīng)驗，從時域波形、頻譜、相位、進動、軸心軌跡以及振動方向等特征對典型振動故障進行歸納匯總。典型振動故障[9]包括不平衡、不對中、轉子彎曲、轉子熱套配合過盈不足、動靜件徑向摩擦、動靜件軸向摩擦、支承部件松動、轉軸裂紋、旋轉失速、喘振。

查閱相關資料，從推力（功率）、耗油率、排氣溫度、增壓比、落壓比、流量等特征對典型氣路故障進行歸納總結。典型氣路故障模式包括壓氣機效率下降，相似空氣流量下降，渦輪效率下降，第1級渦輪導向器臨界截面面積增大，第1級渦輪導向器臨界截面面積減小，尾噴管出口面積增大，尾噴管出口面積減小。

通過歸納總結典型振動故障，能將振動故障模式與振動故障特征聯(lián)系起來；再通過歸納總結氣路故障模式，能將氣路故障模式與振動故障特征聯(lián)系起來。然后在模式級融合以及決策融合中，將氣路、振動的故障模式與按部件級分類的故障原因聯(lián)系起來，如此便形成了3級體系的2層關系。

為了對故障進行定位診斷，必須將故障細化至發(fā)動機部件上，即由故障特征推斷出實際的部件故障原因。而故障模式既反映了故障特征，又便于說明按部件級劃分的故障原因的主要表現(xiàn)。因此，故障模式是故障特征與故障原因的聯(lián)系橋梁。

故障特征級融合是定性分析，是實現(xiàn)定量分析的前提與依據(jù)。為了定量分析，必須實現(xiàn)故障模式級融合與決策級融合，從而建立航空發(fā)動機故障融合診斷模型。

3 故障模式級融合

3.1 基于動力學分析的振動故障判據(jù)

振動特征屬于高頻響應量，且變化幅度較大，因此，采用動力學特征分析方法來提取特征量。但與常見特征提取方式不同的是，提取振動特征量的變化量，用于獲取振動的趨勢特征。由工程實踐經(jīng)驗，建立起振動測量參數(shù)與典型振動故障模式之間的聯(lián)系。振動故障判據(jù)主要根據(jù)試驗測試所得的經(jīng)驗結果，通過專家打分法對各種故障模式出現(xiàn)的主要頻率進行百分比的打分。當某個頻率所占比例越大，百分比越高，則該頻率越能代表此故障模式的特征。

基于動力學分析的振動故障判據(jù)由振動方程組獲得。振動方程組可以表述成

式中：δY1為振動特征量（振動幅值的相對變化量）；δX1為振動故障模式；C1為4×10維的振動故障系數(shù)矩陣，并且C1是從工程實踐經(jīng)驗中獲得。

δY1的各分量代表低次諧波、1倍頻、2倍頻、高次諧波的相對變化量。δX1的各分量代表不平衡、不對中、轉子彎曲、轉靜件徑向摩擦、轉靜件軸向碰摩、轉子熱套配合過盈不足、轉子支承部件松動、轉軸裂紋、旋轉失速、喘振等振動故障模式。

δY1的分量可以表示為

式中：下標m為測量值，s為標準值。

將式（1）進行等效變換，即

其中，

3.2 基于小偏差法的氣路故障判據(jù)

利用小偏差法，建立氣動測量參數(shù)與氣路故障模式之間的方程組，獲得氣路故障系數(shù)矩陣，即獲得氣路故障判據(jù)。本文利用文獻[10]所建立的單軸渦輪噴氣發(fā)動機的氣路故障模型，獲得氣路故障系數(shù)矩陣，得到氣路故障判據(jù)。

單軸渦噴發(fā)動機的氣路故障小偏差為

式中：δY2為m維測量參數(shù)向量；δX2為n維故障因子向量，C2為氣路故障系數(shù)矩陣。

3.3 典型融合故障系數(shù)矩陣

為了實現(xiàn)振動故障和氣路故障融合診斷，將振動、氣路的故障判據(jù)形成1個共同的判據(jù)，用于聯(lián)系所有的測量參數(shù)與故障模式。

綜合上述發(fā)動機典型氣路和振動故障模式，建立融合故障方程組，可以表述成

式中：測量參數(shù)（征兆量）向量δY=[δY1，δY2]T；故障因子向量δX=[δX1，δX2]T；典型融合故障系數(shù)矩陣C=

3.4 故障權重系數(shù)矩陣

在建立起測量參數(shù)與故障模式之間聯(lián)系的基礎之上，需要建立實際部件故障原因與故障模式之間的聯(lián)系，從而通過2個層次的傳遞關系，實現(xiàn)根據(jù)測量參數(shù)的變化診斷出發(fā)動機實際故障原因。根據(jù)經(jīng)驗并結合本文參考的單軸渦輪噴氣發(fā)動機模型，獲取并歸類匯總不同故障原因對應的故障模式以及其權重系數(shù)見表1。

為了方便表達和故障識別，令

式中：Z為實際部件故障原因；δX'為故障模式（包括振動和氣路故障模式）；Q為發(fā)動機部件級故障權重系數(shù)矩陣。

這樣可以建立起實際部件故障原因與故障模式之間緊密的聯(lián)系，方便故障診斷時能通過故障模式的變化來識別出實際的部件故障。

表1 單軸渦噴發(fā)動機的部件級故障權重系數(shù)

3.5 發(fā)動機融合故障模型

本文研究的故障融合診斷模型，其目的就在于通過測量參數(shù)變化δY直接給出實際部件故障原因Z，而故障模式δX是中間過渡環(huán)節(jié)。

將故障模式X變換成實際按部件級分類的故障原因Z的優(yōu)點為：

（1）建立起實際物理故障原因Z與故障模式X之間的緊密聯(lián)系，方便故障診斷時能通過故障模式的變化識別出實際部件故障原因。

（2）使診斷方法和結果更直觀，更具有現(xiàn)實意義。（3）有利于Z的修改和更新。

（4）有利于引入新的故障診斷領域（如滑油狀態(tài)監(jiān)測與故障診斷領域）。

4 故障決策級融合

決策級融合的目的在于進行故障識別。經(jīng)過上述特征層和模式層的故障融合之后，能夠獲得具體故障模式的類型和嚴重程度，接下來將進一步分析該故障模式是由何種實際部件故障原因導致的。

本文將運用2種故障識別的方法，相似度法和距離指標法。在進行故障識別之前，需要先對數(shù)據(jù)進行預處理，包括等方差化和標準化。

4.1 相似度法

2個向量之間的相似度（夾角余弦）Sjk計算為：

然后選擇Sjk最大的那個向量所對應的部件故障原因作為最可能發(fā)生的故障原因。

4.2 距離指標法

評價2個向量近似相等的程度，可以利用距離指標

而且當距離越小時，2個向量就越接近相等。選擇Djk最小的那個向量所對應的部件故障原因作為最可能發(fā)生的故障原因。

5 故障融合診斷過程

5.1 系統(tǒng)結構

發(fā)動機故障融合診斷系統(tǒng)結構如圖2所示，包括4個主要模塊：性能參數(shù)監(jiān)測模塊、振動參數(shù)監(jiān)測模塊、標準數(shù)據(jù)庫模塊以及診斷結果顯示模塊。

圖2 故障融合診斷系統(tǒng)結構

5.2 數(shù)據(jù)流程

系統(tǒng)的程序主流程（如圖3所示）是整個系統(tǒng)設計的核心思路。首先輸入性能參數(shù)的基準數(shù)據(jù)和實測數(shù)據(jù)，計算二者的相對偏差，獲得氣路故障模式。然后，輸入振動參數(shù)的標準數(shù)據(jù)和測量數(shù)據(jù)，顯示頻譜圖和特征幅值，計算二者的相對偏差，獲得振動故障模式。當獲得氣路與振動的融合故障模式之后，用相似度法和距離指標法分別進行故障識別。若診斷結果符合實際情況或經(jīng)驗結果，則顯示最可能的故障原因，并給出排故措施，完成故障融合診斷的全過程；若診斷結果不符合實際情況，則檢查輸入數(shù)據(jù)的合理性，重新輸入數(shù)據(jù)，重復上述的故障診斷過程。

圖3 數(shù)據(jù)程序流程

6 渦輪葉片掉塊故障試驗驗證

6.1 故障模擬思路

渦輪葉片掉塊故障若發(fā)生在實際發(fā)動機上，則可能會使發(fā)動機報廢，造成重大事故。而且能同時模擬氣路性能和振動故障的試驗器目前并不存在。因此在試驗室進行的渦輪葉片掉塊故障試驗驗證，采取的方法是利用試驗室提供的試驗器獲得振動數(shù)據(jù)，通過建立模型仿真性能數(shù)據(jù)。并且試驗器是單軸盤的結構，與本文所采用的渦輪噴氣發(fā)動機的氣路故障模型的單軸結構相吻合。因此，實測振動數(shù)據(jù)與仿真性能數(shù)據(jù)的結合具有一定的合理性。

6.2 試驗器系統(tǒng)

模擬渦輪葉片掉塊故障的試驗器的實物照片如圖4所示。試驗器主要包括：轉子支座（2個）、保護支座、主動彈性支承干摩擦阻尼器（2個）、軸、輪盤、柔性聯(lián)軸器、3相異步電機相連以及變頻器。

傳感器包括：在輪盤同一平面內(nèi)的水平與鉛垂位置各安裝1個電渦流位移傳感器（Schenck IN-085型），用于測量轉子的徑向振動；在軸旁安裝1個光電傳感器（Schenck P-84型），用于測量轉子的轉速。

6.3 故障融合診斷的實例驗證

由試驗采集獲得的振動時域波形如圖5所示，由仿真獲得的氣路性能數(shù)據(jù)見表2。其中，氣路性能數(shù)據(jù)的基準值由前述的基于小偏差法的氣路故障模型提供，而仿真測試值則由模擬渦輪葉片掉塊故障獲得。

圖4 試驗器

圖5 連續(xù)采集的振動時域波形

表2 氣路性能數(shù)據(jù)

將振動和氣動數(shù)據(jù)輸入該故障融合診斷系統(tǒng)，進行融合故障診斷?；诒疚乃岢龅幕鶞势罘?，已知振動幅值相對偏差δY1見表3，通過獲得振動故障模式見表4。

表3 振動幅值相對偏差

表4 振動故障模式

表4 振動故障模式

不平衡不對中轉子彎曲轉靜件徑向摩擦轉靜件軸向摩擦1.8669 0.7741 1.8687 0.9454 1.0080轉子熱套配合過盈轉子支承部件松動轉軸裂紋旋轉失速喘振0.9109 0.8573 0.9545 1.5906 1.7766

基于氣路的小偏差法，已知氣動參數(shù)偏差δY2見表5，通過獲得氣路故障模式見表6。

表5 氣動參數(shù)偏差δY2

對上述獲得的故障模式進行匯總，并根據(jù)閾值獲得氣路故障模式的變化趨勢，以及不同振動故障模式的權重系數(shù)見表7。

獲得氣路與振動故障模式后，通過2種故障決策方法（相似度法和距離指標法）與前述表1（單軸渦噴發(fā)動機的部件級故障權重系數(shù)）進行對比，獲得最可能的故障原因，故障診斷結果見表8。

表6 氣路故障模式

表6 氣路故障模式

1 01

表7 氣路與振動故障模式

表8 故障診斷結果

6.4 故障融合診斷系統(tǒng)的精度分析

輸入故障融合診斷系統(tǒng)的數(shù)據(jù)分基準數(shù)據(jù)和測量數(shù)據(jù)2種。前者是正常狀態(tài)下的數(shù)據(jù)，后者是故障狀態(tài)下的數(shù)據(jù)。而掉塊、侵蝕或腐蝕、結垢，這些物理故障的振動機理都可以抽象成轉子質量偏心導致不平衡，從而引起振動。掉塊是突變故障，其時域波形是階躍變化的；而侵蝕、腐蝕以及結垢等是慢變故障，其時域波形是連續(xù)平緩變化的。而輸入至故障融合診斷系統(tǒng)的數(shù)據(jù)并不包含故障前后的變化趨勢，僅僅將故障前后的兩個具體狀態(tài)進行對比，所以掉塊、侵蝕、腐蝕以及結垢的振動表現(xiàn)形式都是1倍頻占優(yōu)。因此，當診斷結果是葉片侵蝕、結垢而非掉塊故障時，不應認為故障融合診斷系統(tǒng)存在嚴重錯誤，該診斷結果還是具有一定的合理性和參考價值。

7 結論

（1）用于建立測量參數(shù)和故障模式之間聯(lián)系的故障方程法，物理意義明確，方法簡單，效率可觀，可行性良好。

（2）用于聯(lián)系故障模式和實際部件故障原因之間的權重系數(shù)矩陣，依據(jù)專家打分法，數(shù)據(jù)易修改，通用性良好。

（3）故障融合診斷系統(tǒng)的3級（特征級、模式級、決策級）融合方式是合理的，能夠提高故障診斷的有效性。

（4）根據(jù)渦輪葉片掉塊故障的實例驗證，針對故障融合識別方法，相似度法比距離指標法的診斷精度較高，診斷結果較可靠，效果較顯著。

[1]趙鵬.基于信息融合技術的航空發(fā)動機故障診斷[D].西安：西北工業(yè)大學，2007. ZHAO Peng.Aeroengine fault diagnosis based on information fusion technology [D].Xi’an:Northwestern Polytechnical University,2007.(in Chinese)

[2]劉長福，鄧明.航空發(fā)動機結構分析[M].西安：西北工業(yè)大學出版社，2006：133-298. LIU Changfu,DENG Ming.Structural analysis of aeroengine [M].Xi’an:Northwestern Polytechnical University Press,2006: 133-298.(in Chinese)

[3]Kyriazis A,Mathioudakis K.Gas turbine fault diagnosis using fuzzy-based decision fusion [J].Journal of Propulsion and Power,2009,25（2）：335-343.

[4]Volponi A,Brotherton T,Luppold R,et al.Development of an information fusion system for engine diagnostics and health management[C]//Chicago：AIAA 1stIntelligentSystems Technical Conference,2004：1-15.

[5]Volponi A.Data fusion for enhanced aircraft engine prognostics and health management[R].NASA-CR-2005-214055.

[6]Xiao Hu,Eklund N,Goebel K.A data fusion approach for aircraft engine fault diagnostics[C]//Montreal：GE Global Research,2007.

[7]TursoJ,Litt J.Aforeign object damage event detector data fusion systemfor turbofan engines[R].NASA-TM-2004-213192.

[8]Kyriazis A,Tsalavoutas A,Mathioudakis K,et al.Gas turbine fault identification by fusing vibration trending and gas analysis [C]//Orlando：ASME Turbo Expo:Power for Land,Sea and Air,2009：1-10.

[9]盛兆順，尹琦嶺.設備狀態(tài)監(jiān)測與故障診斷技術及應用[M].北京：化學工業(yè)出版社，2003：136-177. SHENG Zhaosun,YIN Qiling.Technology and application of equipment condition monitoring and fault diagnosis[M].Beijing: Chemical Industry Press,2003：136-177.(in Chinese)

[10]范作民，孫春林，白杰.航空發(fā)動機故障診斷導論[M].北京：科學出版社，2004：21-368. FAN Zuomin,SUN Chunlin,BAIJie.Introduction of aeroengine fault diagnosis[M].Beijing:Science Press,2004：21-368.(in Chinese)

[11]梁磊，陳杰，蔣東翔.航空發(fā)動機常見氣路故障與振動故障特征分析[J].振動與沖擊，2010，29（增刊1）：213-215. LIANG Lei,CHEN Jie,JIANG Dongxiang.Common gas path fault and vibration fault analysis of aeroengine [J].Vibration and Shock,2010,29（S1）：213-215.(in Chinese)

[12]李冬，樊照遠，張娟，等.壓氣機葉片粗糙度對其性能衰退的影響研究[J].航空發(fā)動機,2009，35（5）：31-35. LI Dong,FAN Zhaoyuan,ZHANG Juan.Impact of roughness of compressor blade on performance recession[J].Aeroengine, 2009，35（5）：31-35.(in Chinese)

[13]楚武利，劉前智，胡春波.航空葉片機原理[M].西安：西北工業(yè)大學出版社，2009：20-198. CHU Wuli,LIU Qianzhi,HU Chunbo.Theory of air blade machine[M].Xi’an:Northwestern Polytechnical University Press，2009：20-198.(in Chinese)

[14]杜建建，李舜酩，方立成.進氣畸變與旋轉失速誘導葉片振動的相關性分析 [J].航空動力學報，2011，26（11）：2623-2629. DU Jianjian,LI Sunming,FANG Licheng.Correlation analysis of inlet distortion and rotating stall inducing blade vibration [J].Journal of Aerospace Power,2011,26（11）:2623-2629. (in Chinese)

[15]晏礪堂，洪杰，李其漢，等.壓氣機葉輪偏心引起的自激力和穩(wěn)定性的理論分析 [J].航空動力學報，1994，9（2）：156-160. YAN Litang,HONG Jie,LI Qihan,et al.Self-excited forces and stability analysis induced by eccentricity of compressor impeller[J].Journal ofAerospace Power,1994,9（2）：156-160. (in Chinese)

[16]姚四偉，張力先，霍巖.發(fā)動機燃燒室部件故障的分析與預防 [J].西安航空技術高等?？茖W校學報，2008，26（1）：18-20. YAO Siwei,ZHANG Lixian,HUO Yan.Failure analysis and prevention of engine combustion chamber component[J]. Journal of Xi’an Aerotechnical College,2008,26（1）：18-20.(in Chinese)

[17]劉慶瑔.發(fā)動機I級壓氣機轉子葉片斷裂分析 [J].失效分析與預防，2007，2（2）：35-37. LIU Qiquan.Fracture analysis of 1st stage engine compressor rotor blade[J].Failure Analysis and Prevention,2007,2（2）：35-37.(in Chinese)

[18]李本威,李冬,沈偉，等.渦輪葉片粗糙度對其性能衰退的影響研究[J].航空計算技術，2009，39（5）：26-34. LI Benwei,LI Dong,SHEN Wei,et al.Impact of roughness of turbine blade on performance recession [J].Aeronautical Computing Technique,2009,39（5）：26-34.(in Chinese)

[19]王四季，廖明夫，楊伸記.主動式彈支干摩擦阻尼器控制轉子振動的實驗 [J].航空動力學報，2007，22（11）：1893-1897. WANG Siji,LIAO Mingfu,YANG Shenji.Rotor vibration experiment based on active elastic support and dry friction damper control [J].Journal of Aerospace Power,2007,22 （11）：1893-1897.(in Chinese)

Investigation of Aeroengine Fault Fusion Diagnosis

CHEN Xi,LIAO Ming-fu,WANG Yan-kai
（School of Power and Energy,Northwestern Polytechnical University,Xi'an 710072,China）

In order to study aeroengine fault diagnosis with information fusion,a health integrated assessment model of aircraft engine based on performance parameters and vibration parameters was established.A three-level system of fault fusion diagnosis was built,including the feature level,mode level and the decision level.A gas path failure criterion based on small deviation method was gained and a vibration failure criterion based on dynamics analysis was formed.A fault fusion diagnosis method was put forward,and a goal of fault fusion recognition through algorithm was achieved.An experiment of turbine blade fracture failure on the rotor experimental device was conducted,and a fault diagnostic decision can be attained. The experiment results indicate that the aeroengine fault fusion diagnosis method is reasonable and the algorithm is correct.

aeroengine;gas path fault;vibration fault;fusion diagnosis model;fusion recognition

陳曦（1991），女，在讀博士研究生，研究方向為航空發(fā)動機轉子動力學、振動測試、狀態(tài)監(jiān)測與故障診斷技術。

2013-01-15