王曉鋼，劉振崗，鄭宇，王玉才，鄒剛

（1.海軍航空工程學(xué)院青島校區(qū)航空機械系，山東青島266041；2.海軍航空兵92543部隊機務(wù)大隊，山西長治046011）

統(tǒng)計診斷理論用于航空發(fā)動機滑油系統(tǒng)故障診斷

王曉鋼1，劉振崗1，鄭宇1，王玉才2，鄒剛1

（1.海軍航空工程學(xué)院青島校區(qū)航空機械系，山東青島266041；2.海軍航空兵92543部隊機務(wù)大隊，山西長治046011）

某新型發(fā)動機滑油系統(tǒng)故障的統(tǒng)計判別診斷法，用人工智能方法及所建立的數(shù)值統(tǒng)計診斷理論模型，來判別發(fā)動機滑油系統(tǒng)的工作狀態(tài)。最后結(jié)合具體故障案例，實現(xiàn)滑油系統(tǒng)故障的統(tǒng)計診斷，實踐結(jié)果驗證該方法診斷發(fā)動機滑油系統(tǒng)故障的正確性。

航空發(fā)動機；統(tǒng)計診斷模型；滑油系統(tǒng)EAM

0 前言

發(fā)動機就是飛機的心臟，滑油系統(tǒng)在整個發(fā)動機中起到極為重要作用，發(fā)動機工作時，軸承與傳動齒輪等轉(zhuǎn)動零件相互摩擦，會產(chǎn)生磨損和因過熱而損壞［1］。為此，滑油系統(tǒng)可以將足夠數(shù)量和適當(dāng)黏度的清潔滑油，連續(xù)不斷地噴到軸承和傳動齒輪嚙合處進行潤滑，以減少摩擦，并帶走因摩擦而產(chǎn)生的熱量和贓物?；拖到y(tǒng)工作性能正常與否，將直接影響到發(fā)動機的工作性能及壽命，因此做好發(fā)動機滑油系統(tǒng)的故障診斷工作具有重大意義［2-3］。

統(tǒng)計診斷方法是近些年迅速發(fā)展起來的新的數(shù)值診斷方法。統(tǒng)計診斷是以統(tǒng)計學(xué)、概率論等數(shù)理統(tǒng)計知識為基石的，它是1964年由美國著名的控制論專家查德教授創(chuàng)立的［4］。因為發(fā)動機滑油系統(tǒng)故障癥狀可能由一種因素引起，亦可能由多種因素引起的，那么如何判斷此時的發(fā)動機滑油系統(tǒng)工作性能正常與否，成為擺在故障診斷人員面前的首要任務(wù)。統(tǒng)計診斷法就是利用所建立起來的系統(tǒng)數(shù)值統(tǒng)計診斷理論模型，來判斷發(fā)動機滑油系統(tǒng)的工作狀態(tài)是否正常，進而實現(xiàn)對發(fā)動機故障的預(yù)報和診斷［5-6］。

1 統(tǒng)計數(shù)值診斷法概述

基于統(tǒng)計數(shù)學(xué)理論，建立統(tǒng)計數(shù)值診斷故障模型，運用最小冒險法及最小錯誤診斷概率法來判定發(fā)動機滑油系統(tǒng)污染臨界值［7-8］，使專家經(jīng)驗分析有效的與定量分析、定性分析相結(jié)合，并將這一診斷過程應(yīng)用在發(fā)動機滑油系統(tǒng)故障診斷中。實踐結(jié)果證明，利用該模型來診斷故障的過程和結(jié)果更為合理準(zhǔn)確［9］。

1.1 統(tǒng)計診斷數(shù)學(xué)模型的建立

這里以滑油油液污染分析為例，來介紹這種診斷方法。對油液污染進行分析時，無論用何種監(jiān)測技術(shù)都有一個如何確定故障與非故障的臨界值的問題。比如，若要求按照滑油料中的含鐵量（以特征參數(shù)X表示）來診斷機器的狀態(tài)，就需要對此參數(shù)確定一個臨界值X0：當(dāng)X＞X0時應(yīng)當(dāng)發(fā)出警告，令發(fā)動機停止工作；而當(dāng)X＜X0時則可允許發(fā)動機繼續(xù)工作。如果用D1表示機器的正常狀態(tài)，用D2表示機器的異常狀態(tài)，則上述規(guī)則可表達(dá)為式1。

因為發(fā)動機中所有摩擦零件如花鍵、齒輪等都會在潤滑油中落入磨損殘留物，因而滑油中的含鐵量不能單值地表征發(fā)動機某一零件狀態(tài)，如主軸承的狀態(tài)。這樣，由于一系列因素的影響，X值的分布規(guī)律對于處于正常狀態(tài)下的軸承與磨損后的軸承來說，將會有重疊部分。圖1。

圖1 滑油系統(tǒng)含鐵量分布圖

由于重疊部分的存在，按以上規(guī)則進行判決時必然會有發(fā)生判斷錯誤的可能性。如果絕對不允許判斷錯誤就無法選擇臨界值X0。所以問題歸結(jié)為如何按照最佳條件的要求選擇X0值。1.2錯誤判斷的2種情況

（1）將正常狀態(tài)D1錯誤地判斷為異常狀態(tài)D2（圖1中A部分），這稱為“謊報”。

（2）將異常狀態(tài)D2錯誤地判斷為正常狀態(tài)D1（圖1中B部分），這稱為“漏檢”。

以Hij（i，j=1，2）表示按決策規(guī)則式1，所可能采取的決策，下標(biāo)“i”相當(dāng)于診斷的狀態(tài)，下標(biāo)“j”相當(dāng)于機器實際所處的狀態(tài)。這樣H11，H22就表示正確的診斷；H12表示漏檢，H21表示謊報。

根據(jù)圖1所示的決策規(guī)則進行診斷時可以由概率分布函數(shù)求出發(fā)生謊報的概率P（H21）。事實上若X＞X0時機器處于正常狀態(tài)，但按式1所示的診斷規(guī)則，即當(dāng)作異常狀態(tài)報警。圖1中曲線f（X/D1）下X＞X0的陰影面積表示發(fā)動機處于正常狀態(tài)下的條件概率。式2。

那么謊報的概率就應(yīng)等于發(fā)動機處于正常狀態(tài)的概率與在正常狀態(tài)下X＞X0的概率的乘積，式3。

式中P1=P（D1）為狀態(tài)D1的先驗概率，可由積累的統(tǒng)計資料得到。同理，漏檢的概率，式4。

診斷錯誤的概率應(yīng)是漏檢的概率和謊報的概率之和。如果不僅考慮這2種錯誤診斷概率的大小，同時還考慮由于診斷錯誤所需要付出的代價，如漏檢可能造成重大事故，其代價系數(shù)用“C12”表示；謊報則可能浪費人力物力，其代價系數(shù)用“C21”表示。一般情況下C12≥C21。這樣即得到平均冒險率，式5。

如同時考慮正確診斷（即H11，H22）所要付出的代價C11與C22，由于這種代價與錯誤診斷要付出的代價相比正好相反，所以應(yīng)取負(fù)值。此時平均冒險率，式6。

利用上式求解X0時，由于所提的要求不同，所以又有一些不同的求解方法。

2 故障分析及診斷決策模型建立

（1）最小冒險法。如果想使診斷的結(jié)果所冒的風(fēng)險最小，也即滿足平均冒險率組小的條件，即R＝Rmin。利用這種方法求出臨界值X0的方法稱為最小冒險法。

對式6在X0處求其導(dǎo)數(shù)，并令其導(dǎo)數(shù)為0，就可以確定X0的值。即：

經(jīng)整理得式7。

若由統(tǒng)計資料已知參數(shù)X在條件D1或D2下的分布密度，即可利用上式得到臨界值X0。比如，設(shè)為正態(tài)分布，相應(yīng)概率密度式8。

通過將以上2式代入以上整理過的公式中并取對數(shù)得

經(jīng)整理后求得臨界值式9。

當(dāng)X＜X0時，X∈D1，報為正常狀態(tài)；當(dāng)X＞X0時，X∈D2，報為異常狀態(tài)。

（2）最小錯誤診斷概率方法。若不考慮錯誤診斷的代價，而且要求滿足錯誤診斷的概率達(dá)到最小的條件下確定臨界值X0，稱為最小錯誤診斷概率方法。

由式3和式4可知，錯誤診斷的概率見式10。

對R求X0處的導(dǎo)數(shù)，并令導(dǎo)數(shù)等于零，可得式11。

同上，若設(shè)X的條件分布仍為正態(tài)分布，可得式12。

當(dāng)X＜X0時，X∈D1，報為正常狀態(tài)；當(dāng)X＞X0時，X∈D2，報為異常狀態(tài)。

最小錯誤概率條件只是最不冒險條件的一種特殊情況，式12所示選擇臨界值的條件，在學(xué)術(shù)術(shù)語中被稱為“西克爾”條件。

3 在航空發(fā)動機滑油系統(tǒng)故障診斷的應(yīng)用

海航某部在發(fā)動機定檢過程中，根據(jù)油液分析室提取的滑油油液樣品，測得滑油中的含鐵量為6.84×10-6，按照正常情況為5×10-6，此時若按以往的排故經(jīng)驗判斷，發(fā)動機的滑油系統(tǒng)此時應(yīng)處于異常狀態(tài)，則該批發(fā)動機應(yīng)進廠排故，飛機則不能按時出動，這樣直接影響日常的飛行訓(xùn)練，從某種程度而言，嚴(yán)重地降低了飛機的出動率，影響作戰(zhàn)效能。然而經(jīng)過專家論證，采用統(tǒng)計數(shù)值診斷法來對此批的發(fā)動機滑油系統(tǒng)進行故障分析時，依據(jù)上述2個診斷判別依據(jù)模型對系統(tǒng)進行分析如下：

根據(jù)滑油中含鐵量監(jiān)測發(fā)動機傳動機匣的工作狀態(tài)。設(shè)由統(tǒng)計資料（發(fā)動機履歷本提供）得到：在正常狀態(tài)下含鐵量的均值X1=5×10-6mg/L，標(biāo)準(zhǔn)偏差σ1＝2；在異常狀態(tài)下，含鐵量的均值X2=12×10-6mg/L，σ2＝3；為正態(tài)分布，并已知發(fā)動機處于正常狀態(tài)下的先驗概率為：P1＝0.9；異常狀態(tài)下P2=0.1。設(shè)漏檢與謊報的代價比C12/C21＝20；C11＝C22＝0。下面分別用上述2種診斷決策規(guī)則求出滑油系統(tǒng)中含鐵量的臨界值X0。

首先采用決策規(guī)則中的第一種方法，即最小冒險法求出滑油系統(tǒng)中鐵屑含量的臨界值。

3.1 最小冒險方法

由式10可得：

此處：

代入上式并在2邊取對數(shù)可得：

得X0＝7.457與X0＝-8.65，負(fù)根明顯不合理，故取正根X0＝7.457為含鐵量的臨界值。

下面采用決策規(guī)則中第2種方法，即最小錯誤診斷概率方法求出滑油系統(tǒng)中，鐵屑含量的臨界值。

3.2 最小錯誤診斷概率方法

由式6可得：

此處：

故得：

得正根X0＝9.794為含鐵量的臨界值。

即采用上述2種診斷依據(jù)模型對該批發(fā)動機的滑油系統(tǒng)分析判斷時，均確認(rèn)該批發(fā)動機的滑油系統(tǒng)此時不存在異常狀態(tài)，飛機可以按照正常計劃展開日后訓(xùn)練，經(jīng)過日后長期的實踐證明，上述診斷依據(jù)模型所確定的結(jié)論是正確的。不僅避免了部隊人力、物力、財力的浪費，更保證了正常的訓(xùn)練，對提升我國海軍航空兵的戰(zhàn)斗力起到直接和重要的作用。

4 結(jié)束語

采用機械數(shù)值診斷方法中的統(tǒng)計數(shù)值診斷法，用來診斷判別某新型飛機的發(fā)動機滑油系統(tǒng)工作狀態(tài)，用統(tǒng)計數(shù)學(xué)、概率論中的知識與外場發(fā)動機故障成因判定相結(jié)合。實踐證明，該方法確定的發(fā)動機滑油系統(tǒng)工作狀態(tài)正常與否的可靠性較高，而且大大縮短了發(fā)動機滑油系統(tǒng)故障診斷及排除的時間，也為計算機輔助故障診斷提供了一條可行的新途徑。與此同時，在統(tǒng)計數(shù)值故障診斷過程中，由于發(fā)動機處于沿海環(huán)境中，腐蝕情況較為嚴(yán)重，另外其系統(tǒng)內(nèi)部部件的磨損、老化，亦造成標(biāo)準(zhǔn)偏差存在一定的浮動性。所以模型中的一些參量還有待于進一步修改完善，以提高統(tǒng)計數(shù)值診斷模型的適應(yīng)能力和準(zhǔn)確性。

［1］孫紅巖，姜雪峰.智能診斷中動態(tài)模糊征兆向量方法［J］.核動力工程，2010，（31）：67－70.

［2］Liu Xiao-feng，Ma Lin，Mathew J.Machinery Fault Diagnosis Based on Fuzzy Measure and Fuzzy Integral Data Fusion Techniques［J］. Mechanical Systems and Signal Processing，2009，23（3）：690－700.

［3］Li Li，Sun Yu-kuen，Li Yi-min.A new fuzzy fault diagnosis method［C］//Pro ceedings 5th Internatio nalCo nference on Fuzzy Systems and Knowledg e Discovery，F(xiàn)SKD 2008，l3：479-483.

［4］Su Q，Mi C，Lai L L，et al.A fuzzy dissolved Gas Analysis method for the diagnosis of multiple incipient faults in a transformer［J］.IEEE T ransaction on Power System，2000，15（2）：593-597.

［5］Liu Xiao-feng，Ma Lin，Mathew J.Machinery Fault Diagnosis Based on Fuzzy Measure and Fuzzy Integral Data Fusion Techniques［J］. Mechanical Systems and Signal Processing，2009，23（3）：690－700.

［6］孫紅巖，姜雪峰.智能診斷中動態(tài)模糊征兆向量方法［J］.核動力工程，2010，（31）：67-70.

［7］王國彪，何正嘉，陳雪峰，等.機械故障診斷基礎(chǔ)研究“何去何從”［J］.機械工程學(xué)報，2013，49（1）：63-72.

［8］尚文，王維民，齊鵬逸，等.基于條件規(guī)則與故障樹法的燃?xì)廨啓C故障診斷[J].機電工程，2013，07：798-801.

［9］胡兆勇.機械故障診斷中知識表達(dá)與推理的研究［D］.西安：西安交通大學(xué)，2005.

〔編輯 王永洲〕

V261

B

10.16621/j.cnki.issn1001-0599.2016.11.55