一種飛機(jī)發(fā)動(dòng)機(jī)性能監(jiān)控與故障診斷方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種飛機(jī)發(fā)動(dòng)機(jī)性能監(jiān)控與故障診斷方法，具體是一種基于人工免疫 理論的飛機(jī)發(fā)動(dòng)機(jī)性能監(jiān)控與故障診斷方法。
【背景技術(shù)】
[0002] 現(xiàn)代飛機(jī)的復(fù)雜度日益增高，這就導(dǎo)致了人們對(duì)能自動(dòng)檢測(cè)飛機(jī)故障系統(tǒng)的需求 也愈發(fā)強(qiáng)烈。這些故障檢測(cè)系統(tǒng)被設(shè)計(jì)出來(lái)，用以監(jiān)測(cè)飛機(jī)在這些系統(tǒng)中的狀態(tài)，以檢測(cè)潛 在的故障，從而使得潛在的故障在可能導(dǎo)致更嚴(yán)重的系統(tǒng)故障之前被處理掉。
[0003] 飛機(jī)發(fā)動(dòng)機(jī)的故障檢測(cè)方法是飛機(jī)故障檢測(cè)系統(tǒng)中的一個(gè)重要組成部分，目前國(guó) 內(nèi)外已發(fā)展了多種應(yīng)用于飛機(jī)發(fā)動(dòng)機(jī)的性能監(jiān)控與故障診斷的方法，包括統(tǒng)計(jì)分析法、神 經(jīng)網(wǎng)絡(luò)法和綜合參數(shù)法等。以綜合參數(shù)法為例，是通過(guò)綜合發(fā)動(dòng)機(jī)多項(xiàng)性能指標(biāo)，得到一 個(gè)定量反映發(fā)動(dòng)機(jī)整體性能的綜合參數(shù)，因此需要確定各參數(shù)對(duì)發(fā)動(dòng)機(jī)整體性能的影響程 度，即確定各參數(shù)的權(quán)值，然而無(wú)論采用何種權(quán)值確定方法，都需要足夠多的發(fā)動(dòng)機(jī)異常和 故障數(shù)據(jù)作為訓(xùn)練樣本，否則，得到的權(quán)值的推廣性很差，不能反映出其他類(lèi)型的異常和故 障，從而使加權(quán)法確定的綜合參數(shù)失去意義。另一方面，用于計(jì)算訓(xùn)練的故障樣本多為實(shí)驗(yàn) 室模擬得來(lái)，實(shí)際發(fā)動(dòng)機(jī)異常和故障數(shù)據(jù)較少，且不易獲取，從而限制了此類(lèi)方法的應(yīng)用。
[0004] 綜上所述，目前的故障檢測(cè)方法由于缺乏故障樣本數(shù)據(jù)，存在飛機(jī)發(fā)動(dòng)機(jī)故障樣 本獲取困難，僅僅局限于檢測(cè)固定的故障模式，難以對(duì)故障種類(lèi)全覆蓋等問(wèn)題，對(duì)飛機(jī)發(fā)動(dòng) 機(jī)故障檢測(cè)的效果并不理想。

【發(fā)明內(nèi)容】

[0005] 針對(duì)上述現(xiàn)有技術(shù)存在的問(wèn)題，本發(fā)明提供一種飛機(jī)發(fā)動(dòng)機(jī)性能監(jiān)控與故障診斷 方法，能夠靈敏、準(zhǔn)確地反映發(fā)動(dòng)機(jī)整體性能的變化情況，提高發(fā)動(dòng)機(jī)性能正常與否的識(shí)別 率，并以此來(lái)發(fā)現(xiàn)發(fā)動(dòng)機(jī)潛在早期故障，防止故障的擴(kuò)大，顯著提高飛機(jī)發(fā)動(dòng)機(jī)故障檢測(cè)的 效果。
[0006] 為了實(shí)現(xiàn)上述目的，本飛機(jī)發(fā)動(dòng)機(jī)性能監(jiān)控與故障診斷方法具體包括以下步驟：
[0007] 步驟1 :定義發(fā)動(dòng)機(jī)的狀態(tài)空間；
[0008] 步驟2 :異常度檢測(cè)；
[0009] 異常度檢測(cè)問(wèn)題可以定義為：已知正常樣本集合.SW/" 求取自己空間，即 正?？臻g的隸屬度函數(shù)μ %lf，利用此函數(shù)可以對(duì)未知樣本進(jìn)行異常度檢測(cè)，并以異常度的 形式給出定量分析結(jié)果；
[0010] 步驟3:生成檢測(cè)器；
[0011] 原始的反面選擇算法采用二進(jìn)制對(duì)自己空間中的數(shù)據(jù)進(jìn)行編碼，因此檢測(cè)器以二 進(jìn)制串的形式存在；為了提高檢測(cè)器的生成速度，這里采用反映發(fā)動(dòng)機(jī)工作狀態(tài)的特征向 量義丨/卜卜彳/:^::^卜^:丨:^以此來(lái)描述自己空間和非己空間；
[0012] 檢測(cè)器具有與正常模式向量相同的維數(shù)，但其分布在非己空間內(nèi)；
[0013] 對(duì)于檢測(cè)器d需要滿(mǎn)足以下不等式：
[0014] E (d, s) > r
[0015] 式中，Ε(·)表示歐氏距離，s表示自己空間的任意正常模式向量，r為閾值；
[0016] 根據(jù)以上規(guī)則產(chǎn)生的檢測(cè)器都分布在非己空間中；
[0017] 步驟4 :生成反映發(fā)動(dòng)機(jī)性能的異常度曲線；神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性映射能 力，可以作為異常監(jiān)測(cè)函數(shù)。
[0018] 進(jìn)一步，所述步驟1定義發(fā)動(dòng)機(jī)的狀態(tài)空間的具體步驟如下：
[0019] 步驟I. 1 :對(duì)發(fā)動(dòng)機(jī)各項(xiàng)工作參數(shù)進(jìn)行記錄，這些參數(shù)分別為高壓轉(zhuǎn)子換算轉(zhuǎn)速 nhcOT、低壓轉(zhuǎn)子換算轉(zhuǎn)速n1(：OT、低壓導(dǎo)流葉片角度Blpha1、高壓導(dǎo)流葉片角度alpha 2、振動(dòng)值 B、滑油消耗量ph、渦輪后排氣溫度T4、轉(zhuǎn)差率S和尾噴口指示值Ie ;
[0020] 步驟1. 2 :功效函數(shù)的值反映發(fā)動(dòng)機(jī)工作性能的好壞，且OS 當(dāng)發(fā) 動(dòng)機(jī)處于最佳工作狀態(tài)時(shí)，
當(dāng)發(fā)動(dòng)機(jī)處于故障狀態(tài)時(shí)，
[0021] 步驟I. 3 :功效函數(shù)構(gòu)成反映發(fā)動(dòng)機(jī)工作狀態(tài)的特征向量 義⑴=,它是時(shí)間的函數(shù)，由此組成發(fā)動(dòng)機(jī)狀態(tài)空間S。
[0022] 進(jìn)一步，所述步驟3中在檢測(cè)器的產(chǎn)生過(guò)程中，對(duì)于隨機(jī)產(chǎn)生的檢測(cè)器，通過(guò)以下 步驟將隨機(jī)產(chǎn)生的檢測(cè)器調(diào)整到非己空間：
[0023] 步驟3. 1:規(guī)定計(jì)算步數(shù)p ;
[0024] 步驟3. 2:對(duì)每個(gè)檢測(cè)器d，找出與其最近鄰的k個(gè)正常模式向量集Nc;
[0025] 步驟3. 3:計(jì)算步長(zhǎng)Δ :
[0027] 步驟3. 4:按以下公式進(jìn)行計(jì)算，其中η為計(jì)算率：
[0028] d = d+ η · Δ
[0029] 步驟3. 5:在每完成一次步驟3. 2至步驟3. 4后，檢查d是否滿(mǎn)足要求，如果滿(mǎn)足 匹配規(guī)則，則d為有效檢測(cè)器，將其加入到有效檢測(cè)器集D中；如果達(dá)到步數(shù)p，檢測(cè)器仍不 能滿(mǎn)足要求，則去除該檢測(cè)器；
[0030] 通過(guò)以上過(guò)程，產(chǎn)生能夠覆蓋非己空間的有效檢測(cè)器集D。
[0031] 進(jìn)一步，所述檢測(cè)器的產(chǎn)生步驟如下：
[0032] 步驟3. 6. 1 :設(shè)置所需檢測(cè)器的數(shù)量nd;
[0033] 步驟3. 6. 2 :設(shè)置閥值r ;
[0034] 步驟3. 6. 3 :隨機(jī)產(chǎn)生一個(gè)實(shí)值向量d ;
[0035] 步驟 3. 6. 4 :計(jì)算 E ;
[0036] 步驟3. 6. 5 :判斷檢測(cè)器數(shù)量是否為nd。
[0037] 進(jìn)一步，所述步驟4中的具體步驟如下：
[0038] 步驟4. 1 :在發(fā)動(dòng)機(jī)正常工作狀態(tài)下，充分收集其正常的樣本，并計(jì)算相應(yīng)的功效 函數(shù)，形成自己空間；
[0039] 步驟4. 2 :根據(jù)反面選擇方法生成檢測(cè)器，即異常樣本。這些檢測(cè)器不與自己空間 相匹配，只與非己空間相匹配，因此檢測(cè)器實(shí)質(zhì)上代表的是異常樣本；
[0040] 步驟4. 3 :利用發(fā)動(dòng)機(jī)工作的正常樣本和上一步得到的異常樣本，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn) 行訓(xùn)練；
[0041] 步驟4. 4 :利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行異常監(jiān)測(cè)；
[0042] 在訓(xùn)練過(guò)程中，使正常樣本的輸出為1，異常樣本的輸出為0 ;在異常監(jiān)測(cè)過(guò)程中， 神經(jīng)網(wǎng)絡(luò)的輸出反映了發(fā)動(dòng)機(jī)整體性能的異常程度，其值越小，表示發(fā)動(dòng)機(jī)的整體性能越 偏離正常值；
[0043] 為了使神經(jīng)網(wǎng)絡(luò)的輸出可以曲線形式清晰地表示出來(lái)，采用以下公式進(jìn)行平滑處 理；
[0044]
[0045] 式中：s為平滑的窗口寬度；ζ為輸出的平均值，即平滑結(jié)果；
[0046] 根據(jù)異常度曲線的變化可以判別發(fā)動(dòng)機(jī)的工作狀態(tài)以及是否發(fā)生故障。
[0047] 與現(xiàn)有技術(shù)相比，本飛機(jī)發(fā)動(dòng)機(jī)性能監(jiān)控與故障診斷方法利用免疫系統(tǒng)的反面選 擇機(jī)理，并結(jié)合人工神經(jīng)網(wǎng)絡(luò)，確定發(fā)動(dòng)機(jī)性能偏離正常值的程度（異常度），實(shí)現(xiàn)發(fā)動(dòng)機(jī) 性能趨勢(shì)的監(jiān)控。由外場(chǎng)裝備的使用與維修經(jīng)驗(yàn)可知，飛機(jī)發(fā)動(dòng)機(jī)的大部分故障是漸進(jìn)性 的，往往是由于某種缺陷不斷擴(kuò)大經(jīng)由異常然后再進(jìn)一步發(fā)展而形成的。從異常到故障階 段，發(fā)動(dòng)機(jī)的有關(guān)參數(shù)會(huì)越來(lái)越偏離正常值，許多情況下發(fā)動(dòng)機(jī)狀態(tài)參數(shù)變化是產(chǎn)生嚴(yán)重 故障的開(kāi)始。因此本發(fā)明根據(jù)發(fā)動(dòng)機(jī)工作狀態(tài)參數(shù)的變化情況，確定發(fā)動(dòng)機(jī)性能偏離正常 值的程度（異常度），以此作為發(fā)動(dòng)機(jī)整體健康水平的一個(gè)評(píng)定標(biāo)準(zhǔn)。采用本方法能夠靈 敏、準(zhǔn)確地反映發(fā)動(dòng)機(jī)整體性能的變化情況，提高發(fā)動(dòng)機(jī)性能正常與否的識(shí)別率，并以此來(lái) 發(fā)現(xiàn)發(fā)動(dòng)機(jī)潛在早期故障，防止故障的擴(kuò)大，顯著提高了飛機(jī)發(fā)動(dòng)機(jī)故障檢測(cè)的效果。
【附圖說(shuō)明】
[0048] 圖1是本發(fā)明中檢測(cè)器產(chǎn)生算法流程圖；
[0049] 圖2是本發(fā)明中神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和監(jiān)測(cè)過(guò)程示意圖；
[0050] 圖3是本發(fā)明中異常度和綜合參數(shù)反映的發(fā)動(dòng)機(jī)性能曲線圖一；
[0051] 圖4是本發(fā)明中異常度和綜合參數(shù)反映的發(fā)動(dòng)機(jī)性能曲線圖二。
【具體實(shí)施方式】
[0052] 下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步說(shuō)明。
[0053] 本飛機(jī)發(fā)動(dòng)機(jī)性能監(jiān)控與故障診斷方法具體包括以下步驟：
[0054] 步驟1 :定義發(fā)動(dòng)機(jī)的狀態(tài)空間；
[0055] 步驟2 :異常度檢測(cè)；
[0056] 反面選擇算法只能監(jiān)測(cè)自己空間樣本有無(wú)變化，不能監(jiān)測(cè)自己空間樣本變化的程 度，通過(guò)對(duì)反面選擇算法進(jìn)行改進(jìn)，檢測(cè)出待測(cè)樣本的異常程度。采用模糊空間的異常度對(duì) 自己空間和非己空間的界限進(jìn)行模糊化，通過(guò)自己空間的隸屬度函數(shù)μ self將發(fā)動(dòng)機(jī)的狀 態(tài)空間S映射到區(qū)間[0, 1]，即yMlf:[0, 1] n- [0, 1]，這種情況下，對(duì)應(yīng)的數(shù)值表示發(fā)動(dòng)機(jī) 正常的程度：1表示正常，0表示異常，0~1之間的值表示異常度，值越小，表示異常程度越 大。
[0057] 因此，異常度檢測(cè)問(wèn)題可以定義為：已知正常樣本集合求取自己空 間（正常空間）的隸屬度函數(shù)yMlf，利用此函數(shù)可以對(duì)未知樣本進(jìn)行異常度檢測(cè)，并以異 常度的形式給出定量分析結(jié)果。
[0058] 步驟3 :生成檢測(cè)器；
[0059] 原始的反面選擇算法采用二進(jìn)制對(duì)自己空間中的數(shù)據(jù)進(jìn)行編碼，因此檢測(cè)器以二 進(jìn)制串的形式存在；為了提高檢測(cè)器的生成速度，這里沒(méi)有采用二進(jìn)制的編碼形式，而是采 用反映發(fā)動(dòng)機(jī)工作狀態(tài)的特征向量;= ,以此來(lái)描述自己空間和非 己空間；
[0060] 檢測(cè)器具有與正常模式向量相同的維數(shù)，但其分布在非己空間內(nèi)；
[0061] 對(duì)于檢測(cè)器d需要滿(mǎn)足以下不等式：
[0062] E (d, s) > r
[0063] 式中，Ε(·)表示歐氏距離，s表示自己空間的任意正常模式向量，r為閾值；
[0064] 根據(jù)以上規(guī)則產(chǎn)生的檢測(cè)器都分布在非己空間中；
[0065] 步驟4 :生成反映發(fā)動(dòng)機(jī)性能的異常度曲線；神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性映射能 力，可以作為異常監(jiān)測(cè)函數(shù)。
[0066] 進(jìn)一步，所述步驟1定義發(fā)動(dòng)機(jī)的狀態(tài)空間的具體步驟如下：
[0067] 步驟I. 1 :對(duì)發(fā)動(dòng)機(jī)各項(xiàng)工作參數(shù)進(jìn)行記錄，這些參數(shù)分別為高壓轉(zhuǎn)子換算轉(zhuǎn)速 nhcOT、低壓轉(zhuǎn)子換算轉(zhuǎn)速n1(：OT、低壓導(dǎo)流葉片角度Blpha1、高壓導(dǎo)流葉片角度alpha 2、振動(dòng)值 B、滑油消耗量ph、渦輪后排氣溫度T4、轉(zhuǎn)差率S和尾噴口指示值le，共9個(gè)參數(shù)；
[0068] 步驟1. 2 :根據(jù)這些單獨(dú)的工作參數(shù)是否接近理想值完成發(fā)動(dòng)機(jī)單項(xiàng)工作參數(shù) 的標(biāo)準(zhǔn)化，也就是得到功效函數(shù)：^s功效函數(shù)\ 丨的值反映發(fā)動(dòng)機(jī)工作性能的好壞， 且0€'〇〇仝1，當(dāng)發(fā)動(dòng)機(jī)處于最佳工作狀態(tài)時(shí)，七〇；)=15當(dāng)發(fā)動(dòng)機(jī)處于故障狀態(tài)時(shí)， Xi(J) = O;
[0069] 步驟1. 3 :功效函數(shù)構(gòu)成反映發(fā)動(dòng)機(jī)工