甘茂銳 丁 力

（中國航發(fā)控制系統(tǒng)研究所,江蘇 無錫 214063）

為保障航空航天器的飛行安全,必須要密切監(jiān)測發(fā)動機的各項參數(shù),確保始終以良好工況運行。其中,振動信號能夠較為直觀地反映出航空發(fā)動機的運行情況,是發(fā)動機運行監(jiān)測中需要重點關注的一類參數(shù)。采用時序分析的數(shù)據(jù)檢驗技術,可以基于AR 模型較好地預測其振動變化趨勢,為技術人員了解航空發(fā)動機工況變化和采取養(yǎng)護、維修提供了依據(jù)。基于EMD方法的傳感器故障診斷,能夠準確測得信號輸出值的突變,進而明確故障點,也有助于航空發(fā)動機檢修工作的開展。

1 基于時序分析的航空發(fā)動機振動傳感器數(shù)據(jù)驗證

1.1 振動測點的設置

利用振動傳感器可以實時采集航空發(fā)動機的振動參數(shù)。為了更加全面、準確地表示發(fā)動機的整體振動情況,需要科學布置監(jiān)測點的位置。本文選擇5 個典型截面的垂直和水平方向作為振動測點,具體布置如圖1 所示。

圖1 航空發(fā)動機典型截面位置示意圖

發(fā)動機振動測試系統(tǒng)中包含的核心設備有壓電式加速度傳感器、磁電式速度傳感器,轉(zhuǎn)速跟蹤儀、CXZY-2 型測振儀,以及INV360D型智能信號采集與處理裝置。該系統(tǒng)可將前端傳感器采集到的速度、加速度、振動位移、振動幅值等信息進行分析處理,從而掌握航空發(fā)動機的運行情況,為故障診斷提供依據(jù)。

1.2 振動測試內(nèi)容

本次測試內(nèi)容主要包括兩方面：第一是振動基本參數(shù)測量,包括測量壓氣機、渦輪、附件傳動機匣、中介機匣等部位的振動位移、振動速度、振動加速度；軸承轉(zhuǎn)子的振動頻率、振動相位、外傳力等參數(shù)。第二是振動特征參數(shù)測量,包括轉(zhuǎn)子- 支撐系統(tǒng)、機匣等部位的固有頻率,轉(zhuǎn)子的臨界轉(zhuǎn)速、阻尼等。測量方法選擇電測法。

1.3 振動傳感器數(shù)據(jù)有效性驗證

1.3.1 時間序列分析中動態(tài)數(shù)據(jù)的預處理

在航空發(fā)動機起動運行以后,通過振動傳感器獲取相關參數(shù),然后使用AR 模型處理這些數(shù)據(jù)。預處理環(huán)節(jié)主要包括提取趨勢項與標準化處理兩部分,具體內(nèi)容如下：第一,提取趨勢項。假設振動傳感器采集到的數(shù)據(jù)包含在集合{xt}中,首先進行平穩(wěn)性檢驗,根據(jù)檢驗結果判斷該結合是否屬于非平穩(wěn)時間序列。如果判斷為“否”,則結束分析；如果判斷結果為“是”,則提取該集合的非平穩(wěn)部分,此部分即為趨勢項（dt）。從集合{xt}中剔除dt后,可得到平穩(wěn)時序（{yt}）,即：

第二,標準化處理。由于{xt}的取值不穩(wěn)定,為了減小誤差、保證結果精度,還需要對{xt}做標準化處理。假設{xt}是長度為L 的有限長平穩(wěn)時間序列,并且存在非零均值,則可以根據(jù)下式求得該集合的均值：

通過上式計算出均值μ 后,再對{xt}中的每個數(shù)據(jù)進行標準化處理,公式為：

式（3）中,σ 表示{xt}中的各個數(shù)據(jù)的方差。完成標準化處理后,利用{xt}和{yt}可以建立AR 自回歸模型。

1.3.2 構建AR 自回歸模型

AR 模型被廣泛應用于設備工況在線監(jiān)視、設備運行故障智能診斷以及設備運行數(shù)據(jù)預測等方面。對于平穩(wěn)、正態(tài)的時間序列{xt}（t=1,2…n）,其AR 模型的表達式為：

式（4）中,{at}表示白噪聲序列,σ2表示at的方差,φi表示自回歸模型參數(shù)。at～NID（0,σ2）中,N 表示在t 為定值時,at為正態(tài)分布的N（0,σ2）,ID 表示在t 為變量時,每個at相互獨立。AR 自回歸模型的作用在于能夠?qū)⑷我鈺r刻采集到的振動參數(shù)（xt）與前n 個時刻的觀測值進行關聯(lián),從而更加直觀地表示被測物體振動參數(shù)的變化趨勢,進而為振動故障的識別和預警提供了依據(jù)。

1.3.3 基于AR 模型的適用性檢驗

為了進一步驗證AR 模型在航空發(fā)動機振動傳感器數(shù)據(jù)驗證方面的適用性,在建立AR 自回歸模型后還要確定該模型的定階準則。現(xiàn)階段常用的定階準則有3 種,例如基于時間序列的定階、基于數(shù)理統(tǒng)計的定階,以及基于擬合檢驗準則的定階等。本文選擇基于擬合檢驗準則的定階方法,具體的適用性檢驗流程為：

對于確定AR（p）模型,首先令階次p=1。然后利用擬合檢驗準則進行檢索,若p 值≤對應擬合AR 模型的階次,此時φ≠0；反之,若p 值＞對應擬合AR 模型的階次,此時φ 無限趨近于0。根據(jù)擬合檢驗準則,可以逐漸縮小適用階次p 的大體范圍。需要注意的時,此時p 的階次較高,因此AR 模型計算結果可能會存在較大的誤差?；诖?在擬合檢驗得到p 值的基礎上,還要在[1,p]的區(qū)間范圍內(nèi),繼續(xù)使用BIC 準則進行重復檢驗,直到將適用階次p 的值降低到合適范圍,這樣計算機分析所得結果的精度才能滿足使用需求。

1.3.4 預測結果的有效性檢驗

基于數(shù)學模型推導出航空發(fā)動機振動變化預測結果后,還需要對預測結果的有效性進行驗證。常用的檢驗方法有兩種,即置信區(qū)間檢驗、平均準確率檢驗。本文采用置信區(qū)間檢驗,其原理為：假設時間序列{xt}為正態(tài)分布,設置信水平為0.05,則真值xi+1將會有95%的概率落入置信區(qū)間,此時檢驗模型可表示為：

式（5）中xi(l)表示在t 時刻向前l(fā) 步的預測值。根據(jù)模型檢驗結果,如果用于檢驗的t+l 時刻真實數(shù)據(jù)xi+1正好位于置信區(qū)間內(nèi),則認為該預測結果是有效的；相反,若該數(shù)據(jù)不在置信區(qū)間內(nèi),則說明該預測結果無效,需要重新改進模型后繼續(xù)預測。

2 基于經(jīng)驗模態(tài)分解的傳感器故障診斷

2.1 經(jīng)驗模態(tài)分解（EMD）法的分解過程

目前常用的傳感器故障診斷方法有基于冗余技術的故障診斷、基于信號處理的故障診斷以及基于知識的故障診斷等若干種。本文所述的基于經(jīng)驗模態(tài)分解的振動傳感器故障診斷方法,可以將振動信號分解成多個本征特性函數(shù)。然后對函數(shù)中的IMF 分量變換求得瞬時幅值、瞬時頻率,在此基礎上生成Hilbert 譜。通過信號的特征譜分析,能夠消除非線性、非平穩(wěn)信號的干擾,從而進一步提高了傳感器故障診斷結果的精確性。基于EMD的振動信號xt分解流程如圖2 所示。

圖2 EMD 分解的基本流程圖

2.2 EMD 方法的應用優(yōu)勢

相比于常規(guī)的故障診斷方法,EMD 方法的應用優(yōu)勢主要體現(xiàn)在3 個方面：其一是良好的自適應性。在振動信號分解時,每一個信號都會產(chǎn)生一個對應的基函數(shù)。EMD 方法不需要選擇基函數(shù),可直接利用IMF 分量獲取信號內(nèi)包含的物理信息。由于IFM分量的個數(shù)有限,因此減輕了數(shù)據(jù)處理的工作量,提高了傳感器故障診斷的時效性。其二,由于不同的IMF 分量中包含了多個特征時間尺度,這就使的EMD 可以做到多分辨率分析,避免了隨機信號對故障診斷結果的干擾,提升了診斷結果的精確性。其三是良好的調(diào)制特性。不同于小波分析,在EMD 方法下分解得到的IMF 分量,其幅值、頻率等基本參數(shù)是可調(diào)的,為EMD 方法處理非線性和非平穩(wěn)信號創(chuàng)造了有利條件。

3 數(shù)據(jù)驗證技術在航空發(fā)動機實測信號中的應用

3.1 傳感器發(fā)生故障時的數(shù)據(jù)有效性驗證

某航空發(fā)動機在滿負荷運行狀態(tài)下,采集器前垂測點的振動信號。此時發(fā)動機低壓轉(zhuǎn)子的實時轉(zhuǎn)速為8843r/min,高壓轉(zhuǎn)子的實時轉(zhuǎn)速為12949r/min。信號采樣頻率11155.83Hz。為簡化數(shù)據(jù)處理,現(xiàn)從樣本點中隨機選擇1000 個樣本點展開分析。這些樣本點的時域波形如圖3 所示。

圖3 傳感器故障時信號的時域波形圖

直接采集得到的發(fā)動機振動信號包含較多的噪聲,為保證分析結果精度達標,首先使用了小波分析法進行降噪處理,降噪后的時域波形如圖4 所示。

圖4 原始信號降噪后的時域波形

對比圖3 和圖4 可以發(fā)現(xiàn),使用小波分析降噪處理后,振動信號的時域波形相比以往去掉了較多的高頻噪聲,雖然在低頻（200-300Hz）時仍然存在一定的噪聲,但是當頻率超過400Hz 后,噪聲基本上被消除。放大時域波形后可以發(fā)現(xiàn),雖然局部仍然有類似沖擊性脈沖的成分,但是并不會對振動信號分析結果產(chǎn)生明顯干擾,從而保證了數(shù)據(jù)驗證的有效性。

3.2 基于時間序列建模的數(shù)據(jù)有效性驗證

航空發(fā)動機振動沖擊故障在不同時間段內(nèi)表現(xiàn)出的振動信號也會有明顯差異,為了驗證時間序列建模在故障數(shù)據(jù)有效性驗證方面的應用效果,設計了如下試驗：首先在待測的航空發(fā)動機上選擇6 個采樣點。然后使用振動監(jiān)測儀器在發(fā)動機滿負荷運行下采集器振動沖擊信號。一段時間后,對收集到的數(shù)據(jù)做統(tǒng)計特性檢驗。根據(jù)計算結果,該段數(shù)據(jù)的偏態(tài)系數(shù)（ξ）為1.024×10-10,峰態(tài)系數(shù)（v）為1.77,隨著時間的推移振動信號趨于平穩(wěn),符合時間序列建模的基本要求。在此基礎上,將所得數(shù)據(jù)整理得到時間序列集合{xt},按照前文所述方法,對{xt}處理后建立AR 模型,并使用該模型進行擬合預測。

根據(jù)擬合預測結果,可以分別得到實測值波形圖、AR 擬合波形圖。將兩種波形在同一頻率上的幅值進行比較、作差,即可得到殘差向量,將每個頻率上的殘差向量連線,即可得到殘差向量曲線,如圖5 所示。

圖5 基于AR 模型的殘差向量圖

由圖5 可知,在標記點處殘差向量的幅值明顯增加,表明此處脈沖特征明顯,由此可以推斷在A 點（128,20.09）、B 點（322,27.32）等6 個采樣點處,該航空發(fā)動機受到了脈沖干擾,進而表現(xiàn)為振動故障。

3.3 基于經(jīng)驗模態(tài)分解的傳感器故障診斷

在求得AR 模型殘差向量的基礎上,再使用EMD 方法對殘差向量做進一步的分解,其目的是提出殘差向量中的虛假分量,保證發(fā)動機振動故障診斷結果真實、可靠。由于殘差向量分解后會得到若干階次的IMF 分量,而其中的高階次IFM分量會干擾診斷結果,因此實際分析中只取前2 階次的IMF 分量,分解后的波形圖如圖6

圖6 殘差向量的EMD 分解結果圖

從上圖可以發(fā)現(xiàn),使用EMD 法分解殘差向量后,在原來出現(xiàn)沖擊故障的地方,IMF 分量也表現(xiàn)出來了顯著的波動現(xiàn)象。分析其原因,認識是發(fā)動機受到脈沖沖擊的瞬間,振動信號的輸出值產(chǎn)生突變,瞬時頻率成倍提升。綜合殘差向量圖和EMD 分解圖,在同一采樣點處均出現(xiàn)明顯跳動的,即可判斷為發(fā)生傳感器故障。

4 結論

利用振動傳感器采集航空發(fā)動機的振動信號,在此基礎上分別使用時序分析技術驗證該數(shù)據(jù)的有效性,可以有效解決誤報、錯報的問題。對于經(jīng)過有效性驗證的數(shù)據(jù),再使用經(jīng)驗模態(tài)分析方法,判斷其殘差向量是否有明顯波動,從而準確找到航空發(fā)動機的故障點,為技術人員開展發(fā)動機的養(yǎng)護、檢查以及故障處理提供了技術支持,具有重要的實用價值。