石 碩

（沈陽發(fā)動機設(shè)計研究所，遼寧 沈陽 110015）

0 引言

民用飛機自投入使用起，因其自身及環(huán)境原因，發(fā)動機部件會呈現(xiàn)不可避免的退化趨勢。發(fā)動機整機性能隨工作時間開始逐步衰減，主要表現(xiàn)為為維持推力在恒定范圍之內(nèi)增加的耗油量，以及隨即造成的排氣溫度升高、熱端部件壽命降低等，這些調(diào)整會對發(fā)動機的可靠性、經(jīng)濟性等造成直接或間接的影響。

發(fā)動機清洗，作為業(yè)界公認的最為經(jīng)濟有效的性能維持方法，目前通常采用固定時間間隔清洗的策略，由發(fā)動機生產(chǎn)廠商提供清洗周期建議或各航空公司根據(jù)自身航線及飛機特性進行定期清洗維護。隨著視情維護理念得到更為廣泛的認可，作為發(fā)動機定期維護保養(yǎng)基本程序的發(fā)動機清洗，也相應(yīng)地希望優(yōu)化管理應(yīng)需而定。

本文以某長航程三軸大涵道比民用飛機發(fā)動機為例，對壓氣機部件退化進行判別，根據(jù)發(fā)動機性能狀態(tài)變化，為發(fā)動機視情在翼清洗維護提供建議。

1 壓氣機部件退化判別

首先對發(fā)動機進行建模，模擬發(fā)動機性能（含性能衰減狀態(tài)），可以得到由性能退化引發(fā)的各監(jiān)測參數(shù)的變化。以此作為基礎(chǔ)，選取支持向量機（Support Vector Machines-SVMs）作為分類器，判別壓氣機部件的退化。由于積垢、腐蝕等原因會導致發(fā)動機性能退化，具體表征為轉(zhuǎn)速、耗油量等監(jiān)控參數(shù)的變化。

將上圖反向分析便可應(yīng)用于發(fā)動機的健康診斷，即從監(jiān)測參數(shù)的變化來推斷發(fā)動機性能退化的原因，是本文判別壓氣機部件故障的基本思想。將部分發(fā)動機監(jiān)測參數(shù)作為輸入，對應(yīng)的壓氣機是否發(fā)生了一定程度的漸進性性能衰減作為分類的標識。以支持向量機作為分類器，具體分為兩步：訓練分類器和使用分類器。

SVM作為分類器可進行分類前，需要對其進行訓練學習，選擇一些發(fā)動機監(jiān)測的參數(shù)作為訓練數(shù)據(jù)，通過判別發(fā)動機性能是否出現(xiàn)了漸進性的衰減來推斷發(fā)動機部件是否發(fā)生了漸進性的退化。在此，被用作訓練的監(jiān)測參數(shù)包括：

●飛行馬赫數(shù)

●壓氣機進出口壓力

●壓氣機進出口溫度

●轉(zhuǎn)速

●EGT

●燃油流量

SVM是建立在統(tǒng)計學習理論的VC維理論和結(jié)構(gòu)風險最小原理基礎(chǔ)上的一種監(jiān)督學習模型，因其在解決小樣本、非線性問題中表現(xiàn)出許多特有的優(yōu)勢而廣泛用于分類和回歸問題中。此文借助于臺灣大學的LIBSVM[1]工具箱，在MATLAB平臺上實現(xiàn)對發(fā)動機部件漸進性退化的分類判別。

SVM的基本原理和相關(guān)數(shù)學證明可詳見[2]，作為分類器SVM內(nèi)部核函數(shù)的選擇（圖2&圖4中參數(shù)g與核函數(shù)相關(guān)）和懲罰因子c會直接影響SVM的性能，因此兩個參數(shù)的選擇會最終影響部件退化的判別。遺憾的是，SVM內(nèi)部參數(shù)的選擇并沒有可參考的準則，只能通過使用者的經(jīng)驗來選取，這無疑增加了達到SVM最優(yōu)性能的難度，因此相關(guān)的優(yōu)化方法被用來提高SVM的性能。

●網(wǎng)格尋優(yōu)

網(wǎng)格尋優(yōu)就是在一定范圍內(nèi)，選取不同內(nèi)部參數(shù)組合建立分類器，并對其逐一計算準確率，進行比較。此文中設(shè)定網(wǎng)格大小從2-8-28，網(wǎng)格間距為0.5，遍歷整個網(wǎng)格范圍內(nèi)，得到最高準確率（Accuracy）的SVM分類器，具體結(jié)果如下。

●遺傳算法尋優(yōu)

遺傳算法(Genetic Algorithms-GA)是模擬達爾文的遺傳選擇和自然淘汰的生物進化過程的計算模型，適用于對SVM的分類尋優(yōu)。早期由Michigan大學的J.Holland教授提出，遺傳算法引入適者生存的進化理論，通過有組織而又隨機的信息交換進行遺傳操作，使“優(yōu)秀基因”被不斷保留、組合，從而不斷產(chǎn)生出更佳的后代個體。子代個體中包含父代個體的大量信息，并在總體上勝過父代個體，從而使種群不斷向前進化發(fā)展，即不斷接近問題最優(yōu)解。

下圖設(shè)定種群規(guī)模為20，進化100次，依據(jù)某些適應(yīng)性條件測算候選解的適應(yīng)度（Fitness），通過帶有猜測性質(zhì)的選擇操作、交換操作和突變操作，實現(xiàn)高準確率的SVM分類器。

分類器顯示了SVM在小樣本下的高性能的優(yōu)點，兩種方法均實現(xiàn)了SVM分類的尋優(yōu)，巧合的是，兩種尋優(yōu)方式的分類器得到了相同的準確率（訓練數(shù)據(jù)及測試數(shù)據(jù)的準確率），但不代表是兩個相同的分類器（內(nèi)部參數(shù)的取值不同），因此對于不同測試個體也未必有相同的分類結(jié)果。相比于其他尋優(yōu)方式，網(wǎng)格尋優(yōu)的方法易于理解，網(wǎng)格的范圍和精度會直接影響最高準確率分類器的選取，只是這種性能的提升是以計算時間成本為代價，實際使用過程中，效率不高。遺傳算法尋優(yōu)方式，用戶根據(jù)需要設(shè)定進化的次數(shù)以及種群規(guī)模，以適應(yīng)度為目標函數(shù)實現(xiàn)優(yōu)化，更易接近實際的最優(yōu)值。

2 基于民用航空發(fā)動機狀態(tài)的視情清洗管理

航空發(fā)動機限于自身條件，日常清洗維護采用在翼離線清洗方式。通過進行發(fā)動機清洗，能使由于發(fā)動機氣流通道因積垢等因素造成部件流通能力和效率下降、從而引起的整機推力降低、耗油率升高、排氣溫度升高等導致的性能退化極大程度地得到恢復(fù)。

本文著重關(guān)注清洗前后對于發(fā)動機的經(jīng)濟性和安全性的影響，尤其是耗油率增加以及熱端部件壽命的降低，對壓氣機清洗維護的影響進行分析，并給出是否建議清洗的意見。主要參數(shù)包括：

●壓氣機清洗成本，包含人力、清洗液等；

●發(fā)動機耗油量的增加成本；

●為維護發(fā)動機在一定推力范圍內(nèi)，克服性能衰減而提高的渦輪前溫度引發(fā)的熱端部件的壽命降低。

假定三種壓氣機清洗對性能恢復(fù)的效率R，以飛行循環(huán)為單位，給出的清洗維護建議，其中1表示建議清洗，0表示不建議。性能恢復(fù)效率R受很多因素影響，諸如，清洗液的特性，清洗操作是否得當，以及部件退化中積垢的組成比例等等。

上圖結(jié)果顯示，壓氣機清洗對性能恢復(fù)的效率對于壓氣機清洗的頻率有一定的影響，進而影響發(fā)動機的維護成本。因此，如何有效提高壓氣機清洗對性能恢復(fù)的效率成為業(yè)內(nèi)關(guān)注的焦點，將維護融入設(shè)計理念 （如通用公司GEnx發(fā)動機在高壓壓氣機中置有清洗用噴嘴設(shè)計），清洗系統(tǒng)的設(shè)計布局，清洗液的特性等等。

3 結(jié)束語

航空發(fā)動機的維護利潤占總利潤的份額已近半數(shù)，業(yè)內(nèi)對于發(fā)動機維護的關(guān)注度也越來越高。本文根據(jù)發(fā)動機視情維護的理念，對發(fā)動機監(jiān)測參數(shù)進行分析，用于判別壓氣機部件退化狀態(tài)。針對壓氣機清洗對發(fā)動機的經(jīng)濟性和安全性的影響進行分析，提供發(fā)動機在翼清洗維護的建議。

［1］Chih-Chung Chang and Chih-Jen Lin,LIBSVM:a library for support vector machines,ACM Transactions on Intelligent Systems and Technology[Z].http://www.csie.ntu.edu.tw/～cjlin/libsvm，2001.

［2］Nello Cristianini,An Introduction to Support Vector Machines and Other Kernelbased Learning Methods[M].Cambridge University Press,2000.

［3］雷英杰.MATLAB遺傳算法工具箱及應(yīng)用[M].西安電子科技大學出版社,2005.