曹惠玲，張向波，曲春剛，薛　鵬

（中國(guó)民航大學(xué)a.航空工程學(xué)院；b.工程技術(shù)訓(xùn)練中心，天津　300300）

?

灰色理論和模糊集結(jié)合診斷發(fā)動(dòng)機(jī)故障

曹惠玲a，張向波a，曲春剛a，薛鵬b

（中國(guó)民航大學(xué)a.航空工程學(xué)院；b.工程技術(shù)訓(xùn)練中心，天津300300）

摘要：當(dāng)民航發(fā)動(dòng)機(jī)發(fā)生故障時(shí)，現(xiàn)有的維修方案一般是通過(guò)標(biāo)準(zhǔn)化的流程來(lái)解決。但是，標(biāo)準(zhǔn)化的流程并未包含全部的故障解決方案，因此造成了排故效率低下或不能排故的情況出現(xiàn)；另一方面，對(duì)經(jīng)驗(yàn)豐富的工程師而言，同樣的故障可能很快找到解決方案?；诎咐评恚╟ase-based reasoning，CBR）原理就是利用歷史中的源案例，與實(shí)際發(fā)生的故障進(jìn)行相似度匹配，以此來(lái)模擬經(jīng)驗(yàn)豐富的工程師判斷問(wèn)題、解決問(wèn)題的過(guò)程，最后參考相似案例給出解決方案。主要研究了灰色理論和模糊集結(jié)合的矢量投影學(xué)算法，將這種算法用于發(fā)動(dòng)機(jī)的故障診斷，達(dá)到了很好的效果。

關(guān)鍵詞：航空發(fā)動(dòng)機(jī)；灰色理論；案例；故障診斷

發(fā)動(dòng)機(jī)是飛機(jī)上較易出現(xiàn)故障的核心部件，發(fā)動(dòng)機(jī)維修的準(zhǔn)確率和可靠性直接影響民航運(yùn)營(yíng)的安全性和經(jīng)濟(jì)性。由于發(fā)動(dòng)機(jī)個(gè)體之間存在差異和使用環(huán)境復(fù)雜多變，這就造成了發(fā)動(dòng)機(jī)的一些故障通過(guò)故障隔離手冊(cè)排故時(shí)效率低下，甚至不能排故的情況，而交給經(jīng)驗(yàn)豐富的工程師排故，故障能夠很快被找到并解決，但這種經(jīng)驗(yàn)豐富的工程師培養(yǎng)周期長(zhǎng)，且高技術(shù)的工程師流動(dòng)性大，不利于企業(yè)管理和節(jié)約成本。

模擬工程師的排故經(jīng)驗(yàn)，通過(guò)案例推理來(lái)診斷發(fā)動(dòng)機(jī)的故障可以改善這種情況。在發(fā)動(dòng)機(jī)維修中，積累了大量關(guān)于發(fā)動(dòng)機(jī)故障的資料，這些資料一類(lèi)是發(fā)動(dòng)機(jī)文字型的故障描述，如發(fā)動(dòng)機(jī)漏油、振動(dòng)值較大、反推不能打開(kāi)等；一類(lèi)是發(fā)動(dòng)機(jī)發(fā)生故障時(shí)N1、N2、EGT、FF等性能指標(biāo)的數(shù)值型描述，搜集這些故障描述作為發(fā)動(dòng)機(jī)的故障案例，將這些案例集合形成源案例，可為后期發(fā)動(dòng)機(jī)發(fā)生同類(lèi)型故障提供維修指導(dǎo)。利用源案例診斷發(fā)動(dòng)機(jī)故障的關(guān)鍵就是進(jìn)行目標(biāo)案例與源案例相似度的匹配計(jì)算，找出與目標(biāo)案例最相近的源案例以指導(dǎo)排故。本文從數(shù)值描述型案例出發(fā)，整理了PW 4077發(fā)動(dòng)機(jī)發(fā)生故障時(shí)，對(duì)應(yīng)的N1、N2、EGT、FF數(shù)值，組成源案例庫(kù)，將其用于發(fā)動(dòng)機(jī)的實(shí)際故障診斷，其結(jié)果證明灰色理論和模糊集矢量投影相結(jié)合的相似度算法在發(fā)動(dòng)機(jī)故障案例相似度計(jì)算方面具有良好的適用性。

1　基于案例推理的理論

基于案例推理（case-based reasoning，CBR）是由目標(biāo)案例的提示而得到歷史記憶中的源案例，并由源案例來(lái)指導(dǎo)目標(biāo)案例求解的一種策略[1]。其通常是借用經(jīng)驗(yàn)或舊的案例來(lái)指導(dǎo)新問(wèn)題的解決、評(píng)價(jià)方案水平、解釋異?，F(xiàn)象或理解新問(wèn)題?；诎咐评淼年P(guān)鍵是在以往的源案例中匹配案例，計(jì)算有用案例與目標(biāo)案例之間的相似度，依據(jù)最相似案例的處置過(guò)程確定新事件的處置方法。

2　基于CBR的故障診斷過(guò)程

CBR模擬的是人類(lèi)認(rèn)知心理學(xué)在遇到以往同類(lèi)事件的處理過(guò)程，其主要依靠從源案例中找到與新案例相似的案例，根據(jù)源案例的解決辦法來(lái)指導(dǎo)新案例的求解。在CBR的故障診斷系統(tǒng)中，相似案例的匹配算法是最為核心的內(nèi)容，案例相似性算法的優(yōu)劣會(huì)直接影響到故障診斷的效率。案例相似性的算法不僅要能夠快速實(shí)現(xiàn)診斷推理，還要能使診斷結(jié)果比較精確。

3　基于灰色理論和模糊集結(jié)合的相似度算法

3.1灰色理論

灰色理論系統(tǒng)之后出現(xiàn)了灰色關(guān)聯(lián)分析，灰色理論系統(tǒng)是由中國(guó)著名學(xué)者鄧聚龍教授于1982年提出的。在一般控制論中，會(huì)根據(jù)知道信息的多少加以區(qū)分，用“深色”來(lái)表示信息缺乏；“淺色”表示信息完全；“灰”就處于中間地帶，表示信息不完善[2]。凡是信息不完全確定的系統(tǒng)，都可稱(chēng)之為灰色系統(tǒng)?；疑P(guān)聯(lián)分析具有廣泛的應(yīng)用，它主要是分析系統(tǒng)中各因素的關(guān)聯(lián)程度，基本原理是根據(jù)系統(tǒng)各部分動(dòng)態(tài)發(fā)展態(tài)勢(shì)來(lái)判斷其關(guān)聯(lián)程度?；疑P(guān)聯(lián)分析是為了適應(yīng)灰色系統(tǒng)相關(guān)性分析的客觀需要，通過(guò)對(duì)灰色系統(tǒng)動(dòng)態(tài)過(guò)程發(fā)展態(tài)勢(shì)的量化比較分析，把系統(tǒng)有關(guān)因素之間的各種關(guān)系展現(xiàn)在人們面前。關(guān)于灰色理論的詳細(xì)介紹見(jiàn)文獻(xiàn)[3]。

3.2灰色關(guān)聯(lián)分析計(jì)算案例間的關(guān)聯(lián)度

設(shè)U是源案例集合，U0是輸入的待檢故障，v是故障特征向量的元素。每個(gè)故障案例Ui可以看成是由n個(gè)特征指標(biāo)組成的映射，即用n個(gè)特征指標(biāo)來(lái)代表一個(gè)具體的案例，認(rèn)為特征指標(biāo)確定，該故障也隨之確定，即：Ui= ui（v1，v2，…，vn）。判斷Ui和U0兩個(gè)故障的關(guān)聯(lián)程度，就是判斷其中相對(duì)應(yīng)的特征指標(biāo)的關(guān)聯(lián)程度[4]。用模糊關(guān)系R表征，其中ri0= R（ui，u0）∈[0，1]表示（ui，u0）模糊關(guān)系R的相關(guān)程度。這樣故障的關(guān)聯(lián)程度就轉(zhuǎn)化為綜合考慮Ui和輸入待檢故障U0中關(guān)于各特征指標(biāo)的關(guān)聯(lián)度。

根據(jù)灰色系統(tǒng)的基本理論，在一定環(huán)境下Ui和U0相對(duì)應(yīng)特征指標(biāo)的相關(guān)程度為[5]

其中：i= 1，2，…，m；j= 1，2，…，n；ξ是分辨系數(shù)，ξ∈[0,1]主要調(diào)整比較環(huán)境的大小是Ui和U0的比較環(huán)境，v0 j表示輸入待測(cè)故障U0在第j點(diǎn)的特征指標(biāo)，vij表示源案例中Ui在第j點(diǎn)的特征指標(biāo)；是距離的測(cè)度。式（1）給出灰色關(guān)聯(lián)系數(shù)矩陣R為[6]

計(jì)算各相似度之前，需先對(duì)數(shù)據(jù)進(jìn)行無(wú)量綱化處理，常用的方法有極差變換法、線性比例變換法、向量歸一化法等。本文采用向量歸一化法處理[7]

3.3基于模糊集矢量投影法計(jì)算兩案例的相似度

將建立矩陣后的待檢故障U0和歷史源案例Ui的特征指標(biāo)看成是一組行向量，Ui和U0兩個(gè)行向量夾角α0i的大小反映了Ui和U0的變化方向，而Ui在U0上的投影大小則反映兩故障的相似度。兩個(gè)向量之間的夾角α0 i可得[8]

Ui在U0上的投影di0的大小表征了兩個(gè)向量的相似度，則

di0的物理意義是di0的值越大，說(shuō)明此源案例與輸入的待檢故障案例越接近，出現(xiàn)同樣故障和相同解決方案的可能性最大。采用最大di0所對(duì)應(yīng)的源案例作為相似案例診斷的最終結(jié)果。

4　故障診斷實(shí)例

4.1源案例庫(kù)的建立

根據(jù)機(jī)務(wù)人員維修發(fā)動(dòng)機(jī)的多年經(jīng)驗(yàn)，發(fā)動(dòng)機(jī)的一些故障可以根據(jù)低壓壓氣機(jī)轉(zhuǎn)速N1、高壓壓氣機(jī)轉(zhuǎn)速N2、排氣溫度EGT、燃油流量FF初步判斷。故障診斷就是利用這些有限的特征參數(shù)來(lái)確定發(fā)動(dòng)機(jī)的故障類(lèi)型。本文的方法能通過(guò)發(fā)動(dòng)機(jī)運(yùn)行數(shù)據(jù)診斷發(fā)動(dòng)機(jī)的故障，以PW 4077發(fā)動(dòng)機(jī)指印圖故障為基礎(chǔ)，發(fā)動(dòng)機(jī)大量正常運(yùn)行的性能參數(shù)數(shù)據(jù)，經(jīng)標(biāo)準(zhǔn)化處理后，再取平均值假設(shè)為發(fā)動(dòng)機(jī)的基線值，將基線值和指印圖偏差量相結(jié)合，推算發(fā)生指印圖上故障所對(duì)應(yīng)發(fā)動(dòng)機(jī)的N1、N2、EGT、FF數(shù)值，建立源案例庫(kù)U如表1所示。

表1　發(fā)動(dòng)機(jī)故障源案例Tab.1 Source case of engine failure

4.2待檢目標(biāo)案例的確定

某航空發(fā)動(dòng)機(jī)在2008年6月10日的C航班飛行過(guò)程中，機(jī)組報(bào)告稱(chēng)燃油流量增加明顯時(shí)推力變化不明顯。航后下載該航班的QAR數(shù)據(jù)，找出機(jī)組報(bào)告點(diǎn)對(duì)應(yīng)的EGT=450.5，F(xiàn)F=3 480.9，N2％=83.1，N1％= 86.8，將此數(shù)據(jù)標(biāo)準(zhǔn)化處理后作為目標(biāo)案例，使用案例庫(kù)進(jìn)行故障診斷。文中使用的分辨系數(shù)ξ取0.5，計(jì)算rij如表2所示。

利用模式矢量投影式（4）計(jì)算相似度為

表2　發(fā)動(dòng)機(jī)故障關(guān)聯(lián)度Tab.2 Correlation degree of engine failures

可見(jiàn)，di0中的第3個(gè)值最大，因此待檢目標(biāo)案例與案例3最為接近。初步判斷發(fā)動(dòng)機(jī)氣路存在漏氣，經(jīng)航線部門(mén)檢查發(fā)現(xiàn)PRV（壓力調(diào)節(jié)活門(mén)）處存在漏氣現(xiàn)象，擰緊連接螺栓，故障現(xiàn)象消失，論證了本文方法診斷發(fā)動(dòng)機(jī)故障的正確性。

另一起故障是，某航空公司接到B777-200飛行員報(bào)告，飛機(jī)飛行過(guò)程中發(fā)動(dòng)機(jī)N1振動(dòng)值偏高。航后下載該航班的QAR數(shù)據(jù)，找出機(jī)組報(bào)告點(diǎn)對(duì)應(yīng)的EGT=350.5，F(xiàn)F=2 680.9，N2％=85.7，N1％=80.8，將其經(jīng)過(guò)標(biāo)準(zhǔn)化處理后，作為待檢目標(biāo)案例，進(jìn)行發(fā)動(dòng)機(jī)故障診斷。

利用模式矢量投影式（4）計(jì)算相似度為

可見(jiàn)，di1中的第6個(gè)值最大，因此待檢故障與案例6最為接近。初步判斷風(fēng)扇出現(xiàn)問(wèn)題。工程師原先懷疑N1轉(zhuǎn)子故障，下達(dá)了檢查發(fā)動(dòng)機(jī)低壓轉(zhuǎn)子指令，最后發(fā)現(xiàn)是風(fēng)扇葉片發(fā)生變形。通過(guò)兩個(gè)具體的實(shí)例驗(yàn)證了灰色理論和模糊集矢量投影相結(jié)合的算法在診斷發(fā)動(dòng)機(jī)故障方面具有一定的實(shí)用性，為工程技術(shù)人員利用以前發(fā)動(dòng)機(jī)故障案例，判斷發(fā)動(dòng)機(jī)故障類(lèi)型，給出解決方案，提供了很好的技術(shù)支持。

5　結(jié)語(yǔ)

本文將兩種算法相結(jié)合，充分發(fā)揮了兩者的優(yōu)點(diǎn)，通過(guò)故障實(shí)例驗(yàn)證了該方法用于故障診斷的可行性，結(jié)果比較準(zhǔn)確，可信度較高。此方法具有一定的推廣性，當(dāng)對(duì)文字型的故障案例進(jìn)行一定的文字處理

后，可用于文字型的故障案例診斷中，如將含有機(jī)型、機(jī)號(hào)、發(fā)動(dòng)機(jī)型號(hào)、故障描述、環(huán)境、維修策略等的發(fā)動(dòng)機(jī)描述相結(jié)合建立案例庫(kù)，對(duì)實(shí)際發(fā)生的故障進(jìn)行相似案例的匹配，找到最相似案例，以此來(lái)指導(dǎo)目標(biāo)案例的排故。

參考文獻(xiàn)：

[1]湯文宇.CBR的應(yīng)用研究[D].南京：南京郵電大學(xué)，2011.

[2]顧東曉，李興國(guó)，梁昌勇，等.案例檢索及權(quán)重優(yōu)化研究及應(yīng)用[J].系統(tǒng)工程學(xué)報(bào)，2009，12（6）：764-768.

[3]孫潔麗，張榮梅.基于案例推理的數(shù)字圖書(shū)館個(gè)性化推薦系統(tǒng)研究[J].情報(bào)科學(xué)，2008（9）：1380-1384.

[4]鄧聚龍.灰色控制系統(tǒng)[M].武漢：華中理工大學(xué)出版社，1993.

[5] W ATSON I，MARIR F.Case-based reasoning：A review[J].The Knowledge EngineeringReview，1994，9（4）：327-354.

[6] DUTTA S.Integrating Case-based and Rule-based Reasoning：The Possibilistic Connection[C]//Proceedings of the Six Conferenceon Uncertainty in Artificial Intelligence，1990.

[7]李鋒剛，倪志偉，郜巒.基于案例推理和多策略相似性檢索的研究[J].計(jì)算機(jī)應(yīng)用研究，2010（2）：544-547.

[8]張英菊，仲秋雁，葉鑫，等.基于案例推理的應(yīng)急輔助決策方法研究[J].計(jì)算機(jī)應(yīng)用研究，2009，26（4）：1412-1415.

（責(zé)任編輯：楊媛媛）

Com bination of grey theory and fuzzy-set in engine fault diagnosis

CAO Huilinga，ZHANG Xiangboa，QU Chunganga，XUE Pengb
（a.CollegeofAeronauticalEngineering；b.Engineering TechniquesTraining Center，CAUC，Tianjin 300300，China）

Abstract：W hen failures appear in the aviation engine，maintenance programs are now generally implemented through standardized processes.However，standardized processescannotcontain all the failures，which leads to inefficient problem solutions or no solutions.On the other hand，the same problem may be resolved soon for experienced engineers.Case-based reasoning（CBR）means touseanew case tomatchwith practicalapplication cases，which can imitate the process how those experienced engineers determinate and solve problems.Vector projection learningalgorithm combined with grey theory and fuzzy set is studied and isapplied forengine faultdiagnosis，by which agood resulthavebeen achieved.

Key words：aero-engine；grey theory；case；faultdiagnosis

作者簡(jiǎn)介：曹惠玲（1962—），女，河北唐山人，教授，工學(xué)博士，研究方向?yàn)楹娇瞻l(fā)動(dòng)機(jī)性能分析與故障診斷.

收稿日期：2014-06-30；修回日期：2014-12-03基金項(xiàng)目：中央高?；究蒲袠I(yè)務(wù)費(fèi)專(zhuān)項(xiàng)（ZXH2012P007）

中圖分類(lèi)號(hào)：V228

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1674-5590（2016）01-0024-03