李彥岑

摘要：輕質(zhì)耐高溫鈦合金（含鈦鋁系合金）是提高先進航空發(fā)動機推重比的關(guān)鍵材料，隨著新型鈦合金用量的不斷增大，鈦火安全問題更加突出并成為困擾設計選材的難題。阻燃鈦合金是為了應對鈦火安全隱患而研制的結(jié)構(gòu)功能一體化的高溫鈦合金材料，其在先進航空發(fā)動機上的應用成為鈦火防控技術(shù)體系的重要組成部分。根據(jù)阻燃機理可將阻燃鈦合金分為不同的材料體系，譬如美國和俄羅斯先后研制出Ti?V?Cr系及Ti-Cu-Al系阻燃鈦合金，其中Ti?V?Cr系阻燃鈦合金較為成熟，已在國外F119等先進航空發(fā)動機上得到應用。

關(guān)鍵詞：預測與健康管理;航空發(fā)動機;Lasso;相似性;剩余壽命

引言

航空發(fā)動機是高度復雜和精密的熱力機械，其狀態(tài)好壞直接決定了飛機的性能。發(fā)動機的實際使用環(huán)境及工作狀態(tài)惡劣且多變，對發(fā)動機的性能將會產(chǎn)生較大的影響，在使用過程中發(fā)動機會逐漸偏離其出廠狀態(tài)，在保證安全的前提下，對發(fā)動機的使用及維護要盡可能的降低成本，航空公司大都采用視情維修的方式，對發(fā)動機的性能進行評估，在性能接近紅線時提供預警，方便及時的制定運行維護方案。隨著近些年信息測量及數(shù)據(jù)處理技術(shù)的發(fā)展，發(fā)動機的監(jiān)測數(shù)據(jù)越來越多，如何利用積累的發(fā)動機歷史數(shù)據(jù)逐漸成為研究的熱點。

1航空發(fā)動機相似性剩余壽命預測

剩余壽命（RemainingUsefulLife，RUL）預測是PHM的核心內(nèi)容。將航空發(fā)動機的壽命預測方法分為基于模型驅(qū)動與基于數(shù)據(jù)驅(qū)動的方法。模型驅(qū)動采用以模型為主導的方法，但針對復雜的設備，構(gòu)建較為完備的物理模型非常困難，而且不定期的停機檢查會影響工作進程，甚至引起不必要的設備磨損。數(shù)據(jù)驅(qū)動方法即有效利用歷史或?qū)崟r數(shù)據(jù)構(gòu)建數(shù)學模型，從而進行剩余壽命預測。作為一種有效的數(shù)據(jù)驅(qū)動方法，提出的基于相似性的剩余壽命預測方法，有效使用了航空發(fā)動機系統(tǒng)中大量從正常運行到故障的設備數(shù)據(jù)。在距離發(fā)生故障失效相對較遠的情況下，基于相似度的剩余壽命預測具有長期預測的能力，同時減輕了構(gòu)建復雜設備退化模型的難度。

2基于Lasso的相似性壽命預測方法

2.1預測模型

支持向量機對Ti?V?Cr系阻燃鈦合金力學性能的預測過程主要包括三個步驟：輸入輸出參數(shù)的確定與預處理、模型的學習與驗證、性能預測與成分優(yōu)化。第一步是選取室溫拉伸性能作為輸出參數(shù)，以及影響室溫拉伸性能的主要合金化元素作為輸入?yún)?shù)，并對輸入輸出參數(shù)進行歸一化處理;第二步是計算機識別并儲存大量的訓練數(shù)據(jù)，利用支持向量機算法尋找數(shù)據(jù)中的內(nèi)在聯(lián)系，建立合金化元素與力學性能之間的映射模型，并對模型的預測精度進行驗證;在最后一步中，根據(jù)所建立的支持向量機模型進行逆向設計，優(yōu)化Ti?V?Cr系阻燃鈦合金力學性能所對應的成分范圍。本研究收集獲得12組不同成分的Ti?V?Cr系阻燃鈦合金室溫拉伸性能數(shù)據(jù)，將這12組數(shù)據(jù)組成數(shù)據(jù)集。將合金化元素V、Al、Si和C的含量作為模型的輸入?yún)?shù)，將室溫抗拉強度、屈服強度、延伸率和斷面收縮率作為輸出參數(shù)。

2.2實測數(shù)據(jù)分析

利用前面介紹的基于時序的卷積神經(jīng)網(wǎng)絡搭建性能預測模型，以某型雙軸渦扇發(fā)動機的長試數(shù)據(jù)作為訓練及驗證數(shù)據(jù)，建立基于數(shù)據(jù)驅(qū)動的發(fā)動機性能預測模型。利用該預測模型，比較預測的性能參數(shù)與實際性能參數(shù)的變化趨勢，探究根據(jù)實際數(shù)據(jù)訓練的預測模型的準確性。在某型號的單臺份發(fā)動機長試數(shù)據(jù)測量中，受限于傳感器的布置局限，測量參數(shù)包括高低壓轉(zhuǎn)速、發(fā)動機進口總溫總壓、風扇出口總壓、壓氣機出口總壓、低壓渦輪出口總溫總壓、推力及耗油率。在500h的長試過程中，表征發(fā)動機的性能的主要參數(shù)推力、耗油率及渦輪出口溫度都出現(xiàn)了明顯的退化，且測量參數(shù)沒有突變的異常值，因此可以認為發(fā)動機沒有出現(xiàn)明顯的故障情況，是逐漸發(fā)生退化的。一般推力、耗油率及低壓渦輪出口溫度可以用來表征發(fā)動機的運行及健康狀態(tài)。

2.3卷積神經(jīng)網(wǎng)絡處理序列

一個卷積神經(jīng)網(wǎng)絡由若干卷積層、池化層、全連接層組成，可以利用這些子結(jié)構(gòu)構(gòu)造不同的卷積神經(jīng)網(wǎng)絡。卷積神經(jīng)網(wǎng)絡能夠進行卷積運算，從局部輸入圖塊中提取特征，因此在計算機視覺問題上表現(xiàn)出色。卷積神經(jīng)網(wǎng)絡的特性使其在空間問題上特別擅長，時間實際上也可以看作一個空間維度，就像二維圖像的高度和寬度，不包含RGB通道值，被稱為一維卷積神經(jīng)網(wǎng)絡。對于分類和時間序列預測等簡單任務，小型的一維卷積神經(jīng)網(wǎng)絡已經(jīng)可以媲美RNN，并且計算代價通常要小很多。一維卷積層可以識別序列中的局部模式，從序列中提取局部的子序列，但其對整體時間步并不敏感（整體時間步是指遠大于子序列時間步），可將許多卷積層和池化層堆疊起來以學習更長的時間步。如果所處理任務的序列數(shù)據(jù)整體順序非常重要，例如溫度的連續(xù)預測，CNN稍顯力不從心，此時最好采用循環(huán)神經(jīng)網(wǎng)絡用以捕獲更長序列的潛在信息。但分析討論內(nèi)容，航空發(fā)動機喘振故障往往只依賴于前面較短時間步的信息，故障的發(fā)生往往是瞬時的，僅在故障發(fā)生前的極小段時間內(nèi)已可見端倪，只不過人類無法定義這種變化，但使用神經(jīng)網(wǎng)絡來學習并不困難。因此可以使用一維卷積網(wǎng)絡來處理所涉及的時間序列數(shù)據(jù)，相較于循環(huán)神經(jīng)網(wǎng)絡，卷積神經(jīng)網(wǎng)絡計算代價要小得多，在序列問題的整體順序不重要時可以替代循環(huán)神經(jīng)網(wǎng)絡。

結(jié)束語

綜上所述，本文結(jié)合2008PHMDataChal?lenge挑戰(zhàn)賽數(shù)據(jù)集，提出了基于Lasso變量選擇與相似性融合的壽命預測方法。與傳統(tǒng)的方法相比，在三種運行周期內(nèi)，預測精度都得到了提高。并在篩選變量的過程中提供了有力的理論支撐，合理補充了選取變量的理論依據(jù)，從而在真正意義上實現(xiàn)變量的降維。

參考文獻：

[1]曹惠玲，徐文迪，湯鑫豪，崔科璐，王冉.航空發(fā)動機基線挖掘方法對比分析[J].中國民航大學學報，2019，37（06）：12-17.

[2]劉帥，王金環(huán)，白杰，戴士杰.基于改進滑模趨近律的航空發(fā)動機控制器設計[J].科學技術(shù)與工程，2019，19（34）：408-413.

[3]劉敏，劉長生.基于多元退化的航空機電系統(tǒng)的剩余壽命預測[J].電腦知識與技術(shù)，2019，15（31）：229-230.