■ 孔祥興 范滿意 王志強 / 中國航發(fā)研究院 張瑞 / 中國航發(fā)動力所

航空發(fā)動機復雜惡劣的工作環(huán)境容易導致故障發(fā)生，輕則引起發(fā)動機性能下降，重則會損壞發(fā)動機，誘發(fā)飛行事故。監(jiān)測、跟蹤、評估發(fā)動機的健康狀況，快速準確地預測、定位潛在故障部位，對于增強發(fā)動機的安全性、降低維修成本具有重要意義。

航空發(fā)動機由于使用損耗、設計缺陷、外物損傷等原因，會引發(fā)不同類型故障模式的產(chǎn)生，如葉片掉塊、斷裂和軸承、齒輪磨損等，如圖1所示。當前，很多發(fā)動機用戶對于危害性處于輕度或臨界范疇的大部分故障模式，只能通過地面孔探儀檢查的方式探測故障，無法為飛行員、后勤及維修人員提供及時有效的故障預報信息。而預測與健康管理技術的發(fā)展，使得設計人員可以通過故障診斷、預測算法，實現(xiàn)故障的檢測、隔離，以及早期征候預報。

不同的故障模式產(chǎn)生后，會引發(fā)發(fā)動機相應部件特性的改變，進而導致發(fā)動機工作參數(shù)偏離健康基準。發(fā)動機部件特性狀態(tài)量（如壓氣機流量、效率）較健康基準的偏移量稱為故障因子，是故障影響傳遞的因變量，往往是不可測參數(shù)；發(fā)動機可測量的工作參數(shù)較健康基準的偏移量稱為征兆量。借助數(shù)學方法在全部征兆量之中提取對故障模式敏感性高、關聯(lián)性強、但相互之間相關性較弱的可測工作參數(shù)，即為故障特征的提取。

圖1 發(fā)動機渦輪葉片掉塊故障示例

故障特征作為故障的判定依據(jù)，是故障診斷、預測算法設計的基礎與核心要素。當前，發(fā)動機設計與制造廠所對故障模式及影響開展失效模式和影響分析（FMEA），通常通過機理分析故障產(chǎn)生原因，并定性描述故障的影響效果，主要目的是為了尋求排故的解決方案，并不能作為準確、量化的故障診斷、預測判定依據(jù)，而通過數(shù)學分析的方法，建立同時包含關鍵征兆參數(shù)種類和偏移量信息的故障特征，才可以滿足診斷算法構建故障判據(jù)的要求。

發(fā)動機氣路故障的發(fā)生，會引起溫度、壓力、轉(zhuǎn)速等氣動熱力參數(shù)及振動參數(shù)的變化，對于同一型發(fā)動機，相同的故障模式引起的發(fā)動機測量參數(shù)變化具有相似性。對這種由故障模式引起的測量參數(shù)相對于正?；鶞实钠埔?guī)律進行統(tǒng)計與量化描述，可作為特定故障模式的故障特征，為故障診斷算法的設計和判定提供依據(jù)。本文介紹一種利用發(fā)動機歷史故障數(shù)據(jù)來分析和提取故障特征的方法。

故障特征提取方法總體方案

基于發(fā)動機歷史故障數(shù)據(jù)進行故障特征提取，需要開展如下工作。

首先，需要對原始試車數(shù)據(jù)進行預處理。發(fā)動機原始試車數(shù)據(jù)為整個試車過程中測量工作參數(shù)的時序信號，信號中包括穩(wěn)態(tài)和過渡態(tài)數(shù)據(jù)，且夾雜各種噪聲。預處理工作包括測量數(shù)據(jù)有效性檢查、信號濾波、穩(wěn)態(tài)點選取和截斷、數(shù)據(jù)特征初步分析等。

其次，計算所有測量參數(shù)在發(fā)動機故障前后的偏移量。發(fā)動機發(fā)生氣路部件故障后，會引起氣動熱力工作參數(shù)的明顯偏移；同時，如果氣路部件故障（如葉片掉塊、斷裂等）導致部件的質(zhì)量損失則會引發(fā)轉(zhuǎn)子的振動特征的變化。

最后，根據(jù)所有測量參數(shù)對于故障的響應情況，提取故障特征參數(shù)。分析和辨識對于故障模式響應敏感性高、關聯(lián)度強的測量參數(shù)，并確定這些測量參數(shù)的偏移量閾值，綜合表征故障特征。

故障特征提取方法的關鍵

圖2 基于試車數(shù)據(jù)的故障特征提取總體方案

綜上所述，確定基于數(shù)據(jù)的故障特征提取總體方案如圖2所示。其中，根據(jù)前期的研究表明，故障特征提取方法的關鍵是確定相應故障模式的征兆特征。

發(fā)動機試車數(shù)據(jù)中可作為故障特征量的參數(shù)主要包括各截面溫度、壓力以及轉(zhuǎn)速等氣動熱力測量參數(shù)和振動測量參數(shù)。所謂故障特征提取即通過定性、定量的數(shù)據(jù)分析選取與能夠表征特定的故障模式的測量參數(shù)類型及偏移量門限值，且確定故障特征結果需便于進行故障模式的判定和分類。針對發(fā)動機故障模式選取相應的試車數(shù)據(jù)后，分別對氣動熱力參數(shù)和振動參數(shù)進行故障特征提取。

一方面，對于氣動熱力參數(shù)提取流程包括信號預處理、偏移量求解、敏感相關性分析、門限值求解等四個環(huán)節(jié)。其中，信號預處理將臺架試車數(shù)據(jù)進行有效性檢查、信號濾波、穩(wěn)態(tài)數(shù)據(jù)提取與截斷、故障時刻初步分析等；偏移量求解采用相關工業(yè)標準求解測量參數(shù)的偏移量；敏感性、相關性分析采用相關理論算法辨識對故障敏感性高、關聯(lián)性強的測量參數(shù)，并對這些參數(shù)之間的相關性進行分析，確定故障特征參數(shù)的類別；門限值優(yōu)化采用數(shù)學統(tǒng)計、優(yōu)化等算法確定滿足應用范圍要求的參數(shù)偏移量的故障門限值。

另一方面，對于振動參數(shù)提取流程包括信號預處理、時頻域轉(zhuǎn)換、頻譜分析等三個環(huán)節(jié)。其中，信號預處理對臺架高頻原始振動信號進行平滑濾波、穩(wěn)態(tài)數(shù)據(jù)提取與截斷、信號物理值解析；時頻域轉(zhuǎn)換采用快速傅里葉變換（FFT），將振動信號由時域轉(zhuǎn)化為頻域信號；頻譜分析對頻域振動信號的變化規(guī)律進行分析，總結歸納故障征兆特征。最終，將氣路參數(shù)特征和振動參數(shù)特征確定為相應故障模式的征兆特征。

應用實例分析

針對上述方案的可行性，本文利用一型發(fā)動機的試車數(shù)據(jù)進行驗證。驗證工作的重點為氣路和振動參數(shù)的處理與特征分析。

氣路參數(shù)處理結果與特征分析

因航空發(fā)動機氣路參數(shù)的復雜性以及試車數(shù)據(jù)中有可能出現(xiàn)的偏差，需要先對其進行信號預處理，求解出參數(shù)的偏移量，然后篩選出敏感性高的參數(shù)加以分析，確定參數(shù)的參考門限值，具體流程如下。

信號預處理。對于相同的發(fā)動機狀態(tài)，幾次試車之間測量參數(shù)存在一定的偏差，造成這種偏差的原因主要包括三方面：不同試車次大氣環(huán)境存在差異；控制精度影響；故障造成工作參數(shù)偏移。所以，應首先對試車數(shù)據(jù)進行一定的預處理。

偏移量求解。測量參數(shù)換算到標準大氣條件后相同工作狀態(tài)的高壓轉(zhuǎn)子轉(zhuǎn)速已經(jīng)對齊，第5次前后試車數(shù)據(jù)（如壓氣機出口總壓、低壓轉(zhuǎn)子轉(zhuǎn)速、風扇外涵總壓等）參數(shù)表現(xiàn)出明顯的偏移特征，利用基線模型計算各個參數(shù)的偏移量，如圖3所示。

圖3 發(fā)動機測量參數(shù)偏移量計算

敏感性相關性分析。 綜合分析試車數(shù)據(jù)相對于性能基線的偏移程度，發(fā)動機測量參數(shù)在不同試的車中，故障后相對基線偏移狀態(tài)基本一致，穩(wěn)態(tài)偏移量大代表該參數(shù)對于故障模式的響應度更高、敏感性更強。根據(jù)參數(shù)偏移量對于故障的響應幅值，對敏感性進行量化評估。其中，兩個甚至更多的參數(shù)對故障有相似的敏感性，為了去除在敏感性方面比較類似的參數(shù)，很有必要進行測量參數(shù)的相關性分析。故障發(fā)生后，各個參數(shù)偏移量之間的相關系數(shù)采用0～1之間數(shù)值表示，1表示相關程度最高，0表示無相關性。相關系數(shù)在0.8以上的參數(shù)視為相關性較強，以下為弱相關性參數(shù)。本案例選擇的特征參數(shù)原則主要包括3項條件：敏感性評估排名前15位的測量參數(shù)；相關系數(shù)在0.75以下的測量參數(shù)；盡量保證測量參數(shù)類型齊全。氣動熱力特征參數(shù)類型選擇結果包括：壓氣機出口總壓p3、燃油總管壓力pf、主燃油流量Wf、風扇外涵總壓p13、低壓轉(zhuǎn)子轉(zhuǎn)速N1、渦輪后總壓p6、渦輪后總溫T6、風扇內(nèi)涵總溫T16。

門限值求解。通過敏感性、相關性分析，選取壓氣機出口總壓p3、燃油總管壓力pf等8個氣動熱力參數(shù)作為特征參數(shù)，在發(fā)動機的特定穩(wěn)定狀態(tài)下（本文以慢車狀態(tài)為例），對試車數(shù)據(jù)偏移量的情況進行綜合統(tǒng)計，由于試車過程偏移量變化情況相近，也有利于確定特征參數(shù)的故障參考門限值，如圖4所示。

圖4 氣動熱力故障特征參數(shù)參考門限值

圖5 慢車狀態(tài)風扇機匣垂直振動頻譜對比

振動參數(shù)處理結果與特征分析

根據(jù)振動參數(shù)的特點，需要先對參數(shù)信號進行預處理，再將其轉(zhuǎn)換為頻域信號，最后進行頻譜分析，具體過程如下。

信號預處理。振動信號測點包括進氣機匣垂直、水平方向，中介機匣垂直、水平方向，以及渦輪機匣垂直、水平方向。信號預處理工作主要對時域的振動信號進行了穩(wěn)態(tài)截斷，包括發(fā)動機上升狀態(tài)和下降狀態(tài)。

時域頻域變換。利用FFT變換將試車時域振動信號轉(zhuǎn)換為頻域信號。將4次試車數(shù)據(jù)振動頻譜繪制在同一頻譜圖（如圖5所示），圖像顯示第5次、第9次振動基頻幅值明顯高于第3次、第4次試車，反映出葉片故障后由于轉(zhuǎn)子不平衡量的產(chǎn)生導致基頻振動幅值增加。所以，高、低壓轉(zhuǎn)子基頻幅值增加可能作為參考故障特征。圖中顯示，幾次試車過程振動幅值都沒有超過發(fā)動機振動安全閾值，這恰恰說明通過頻譜分析能夠在故障發(fā)展至振動信號超限之前對故障進行早期檢測和診斷。

頻譜分析。為了確定故障發(fā)生后準確的振動信號特征，進一步綜合試車數(shù)據(jù)中6個測點位置、6個穩(wěn)定工作狀態(tài)的振動信號頻譜開展了細致的統(tǒng)計分析，發(fā)現(xiàn)振動信號的特點：一是多測點位置高壓轉(zhuǎn)子基頻振動顯著增大，一致性高；二是中介機匣垂直方向低壓轉(zhuǎn)子基頻振動幅值普遍增加；三是高壓轉(zhuǎn)子轉(zhuǎn)速工頻fN2的倍頻明顯，可能存在不對中或轉(zhuǎn)靜子碰摩，或由于機匣的橢圓度引發(fā)；四是根據(jù)組合頻率3fN2+fN1、2fN2+fN1及4fN2-fN1等， 高 壓轉(zhuǎn)子可能存在輕微碰摩。

通過對振動數(shù)據(jù)綜合分析得出結論：多處測量位置高壓轉(zhuǎn)子基頻振動顯著增大以及中介機匣垂直方向低壓轉(zhuǎn)子基頻振動幅值增加可認定為這組振動信號的特征。上述分析的第三條、第四條特點說明高壓轉(zhuǎn)子基頻振幅增加主要是由高壓轉(zhuǎn)子存在碰摩引發(fā)；低壓轉(zhuǎn)子由于渦輪葉片掉塊導致質(zhì)量不平衡引發(fā)基頻振幅增加，并通過低壓轉(zhuǎn)子前支點傳向中介機匣。

結束語

實現(xiàn)航空發(fā)動機氣路故障診斷功能的核心要素包括典型狀態(tài)、故障特征、診斷流程、診斷算法等四個方面。前二者屬于研究對象特性范疇，是診斷的設計基準和依據(jù)；后二者屬于應用方法范疇，是實現(xiàn)診斷功能的具體手段。一方面，確定故障診斷所關注的發(fā)動機典型工況狀態(tài)并建立相應的故障特征，是故障診斷方法設計的首要問題和基礎條件；另一方面，在后續(xù)的深入研究中故障特征的形式又要與故障診斷與隔離要求相匹配。