航空發(fā)動(dòng)機(jī)故障融合診斷研究

陳 曦，廖明夫，王儼剴

（西北工業(yè)大學(xué)動(dòng)力與能源學(xué)院，西安710072）

航空發(fā)動(dòng)機(jī)故障融合診斷研究

陳 曦，廖明夫，王儼剴

（西北工業(yè)大學(xué)動(dòng)力與能源學(xué)院，西安710072）

結(jié)合氣路診斷與振動(dòng)分析方法，建立發(fā)動(dòng)機(jī)故障融合診斷模型，探討氣路與振動(dòng)故障融合診斷方法的可行性。構(gòu)建故障融合診斷3級(jí)體系（故障特征級(jí)、故障模式級(jí)以及故障決策級(jí)融合），實(shí)現(xiàn)基于性能參數(shù)和振動(dòng)參數(shù)的綜合評(píng)估方法，獲得基于小偏差法的氣路故障判據(jù)，形成基于動(dòng)力學(xué)分析的振動(dòng)故障判據(jù)，提出故障特征融合的方法，通過(guò)算法實(shí)現(xiàn)故障融合識(shí)別，并在模擬試驗(yàn)器上進(jìn)行渦輪葉片掉塊故障試驗(yàn)驗(yàn)證，獲得相應(yīng)的故障診斷決策。結(jié)果表明：設(shè)計(jì)的發(fā)動(dòng)機(jī)故障融合診斷方法合理，算法正確。

航空發(fā)動(dòng)機(jī)；氣路故障；振動(dòng)故障；融合診斷模型；融合識(shí)別

0 引言

在航空發(fā)動(dòng)機(jī)的故障診斷領(lǐng)域，近年來(lái)的1個(gè)研究方向是信息融合，融合技術(shù)一般應(yīng)用于3個(gè)層面[1]，包括數(shù)據(jù)、特征以及決策層面[1]。目前，常見(jiàn)的狀態(tài)監(jiān)測(cè)與故障診斷手段[2]分為3大類：氣路分析，機(jī)械狀態(tài)監(jiān)測(cè)以及無(wú)損探測(cè)類；而研究融合方法多集中于特征層面和決策層面的融合，其中決策層面融合[3]較為成熟。而特征層面的融合方法近幾年興起，其研究多集中于人工智能（神經(jīng)網(wǎng)絡(luò)、人工智能等）和專家系統(tǒng)，還存在著不少的問(wèn)題有待解決。其中有些方法在可實(shí)現(xiàn)性上存在問(wèn)題。Vloponi等人[4]提出了針對(duì)PW公司F117發(fā)動(dòng)機(jī)設(shè)計(jì)的故障診斷和健康管理的信息融合系統(tǒng)。該信息融合系統(tǒng)通過(guò)對(duì)不同性質(zhì)的數(shù)據(jù)（如氣路測(cè)量、振動(dòng)信號(hào)以及油液磨屑等）進(jìn)行融合。但是進(jìn)一步研究后，發(fā)現(xiàn)這個(gè)融合診斷系統(tǒng)[5]在具體的應(yīng)用中只涉及氣路參數(shù)，并沒(méi)有真正將振動(dòng)、油液等不同性質(zhì)的數(shù)據(jù)互相融合，而且由于一些數(shù)據(jù)問(wèn)題是無(wú)法徹底實(shí)現(xiàn)的。其中有些方法在有效性上存在問(wèn)題。Xiao等人[6]提出融合氣路參數(shù)數(shù)據(jù)與非參數(shù)數(shù)據(jù)。數(shù)據(jù)預(yù)處理后輸入至3種不同的診斷模型（隨機(jī)森林法，廣義回歸神經(jīng)網(wǎng)絡(luò)以及邏輯回歸法）之中，作出診斷決策。但結(jié)果表明，使用融合數(shù)據(jù)的診斷結(jié)果準(zhǔn)確度并沒(méi)有比單獨(dú)使用參數(shù)數(shù)據(jù)有較大幅度的提高，效果不明顯。還有些方法僅僅針對(duì)特定的故障進(jìn)行診斷，缺乏一定的通用性。Turso和Litt[7]提出利用卡爾曼濾波獲得的發(fā)動(dòng)機(jī)氣路性能變化信息，以及通過(guò)小波分析提取的軸承加速計(jì)振動(dòng)信號(hào)特征，將這兩種信息組合在一起，以明確識(shí)別外來(lái)物損傷事件這一特定故障，最后基于Dempster-Shafer-Yager證據(jù)理論，獲得故障診斷決策。而Kyriazis等人[8]提出1種以非線性氣路分析為主，振動(dòng)信息為輔的故障診斷方法。該方法能在一定程度上提高故障診斷可信度，但是不足之處在于非線性氣路分析是核心部分，而由振動(dòng)測(cè)量趨勢(shì)提供的信息則起輔助作用，僅用于縮小未知健康參數(shù)的范圍。

基于上述方法存在的不足之處，本文提出1種新的方法和思路，以在一定程度上解決有效性以及通用性問(wèn)題。建立故障融合診斷的3級(jí)體系（故障特征級(jí)、故障模式級(jí)以及故障決策級(jí)融合），實(shí)現(xiàn)基于性能和振動(dòng)參數(shù)的融合診斷方法，其中特征級(jí)提出氣路與振動(dòng)故障的特征，模式級(jí)獲得氣路故障判據(jù)和振動(dòng)故障判據(jù)，決策級(jí)實(shí)現(xiàn)故障融合識(shí)別，獲得可能的故障診斷決策。

1 故障融合診斷體系

本文設(shè)計(jì)的故障融合診斷體系如圖1所示。

圖1 故障融合診斷過(guò)程

（1）征兆量：采集來(lái)自多個(gè)不同傳感器的測(cè)量參數(shù)（征兆量）的數(shù)據(jù)。

（2）故障融合：故障融合級(jí)別劃分為3級(jí)，依次為特征級(jí)、模式級(jí)和決策級(jí)。

（3）人機(jī)交互界面：借鑒趨勢(shì)圖、頻譜圖、指紋圖等圖形表達(dá)方法，圖文并茂地顯示診斷過(guò)程、診斷結(jié)果以及維修方案。

2 故障特征級(jí)融合

根據(jù)工程經(jīng)驗(yàn)，從時(shí)域波形、頻譜、相位、進(jìn)動(dòng)、軸心軌跡以及振動(dòng)方向等特征對(duì)典型振動(dòng)故障進(jìn)行歸納匯總。典型振動(dòng)故障[9]包括不平衡、不對(duì)中、轉(zhuǎn)子彎曲、轉(zhuǎn)子熱套配合過(guò)盈不足、動(dòng)靜件徑向摩擦、動(dòng)靜件軸向摩擦、支承部件松動(dòng)、轉(zhuǎn)軸裂紋、旋轉(zhuǎn)失速、喘振。

查閱相關(guān)資料，從推力（功率）、耗油率、排氣溫度、增壓比、落壓比、流量等特征對(duì)典型氣路故障進(jìn)行歸納總結(jié)。典型氣路故障模式包括壓氣機(jī)效率下降，相似空氣流量下降，渦輪效率下降，第1級(jí)渦輪導(dǎo)向器臨界截面面積增大，第1級(jí)渦輪導(dǎo)向器臨界截面面積減小，尾噴管出口面積增大，尾噴管出口面積減小。

通過(guò)歸納總結(jié)典型振動(dòng)故障，能將振動(dòng)故障模式與振動(dòng)故障特征聯(lián)系起來(lái)；再通過(guò)歸納總結(jié)氣路故障模式，能將氣路故障模式與振動(dòng)故障特征聯(lián)系起來(lái)。然后在模式級(jí)融合以及決策融合中，將氣路、振動(dòng)的故障模式與按部件級(jí)分類的故障原因聯(lián)系起來(lái)，如此便形成了3級(jí)體系的2層關(guān)系。

為了對(duì)故障進(jìn)行定位診斷，必須將故障細(xì)化至發(fā)動(dòng)機(jī)部件上，即由故障特征推斷出實(shí)際的部件故障原因。而故障模式既反映了故障特征，又便于說(shuō)明按部件級(jí)劃分的故障原因的主要表現(xiàn)。因此，故障模式是故障特征與故障原因的聯(lián)系橋梁。

故障特征級(jí)融合是定性分析，是實(shí)現(xiàn)定量分析的前提與依據(jù)。為了定量分析，必須實(shí)現(xiàn)故障模式級(jí)融合與決策級(jí)融合，從而建立航空發(fā)動(dòng)機(jī)故障融合診斷模型。

3 故障模式級(jí)融合

3.1 基于動(dòng)力學(xué)分析的振動(dòng)故障判據(jù)

振動(dòng)特征屬于高頻響應(yīng)量，且變化幅度較大，因此，采用動(dòng)力學(xué)特征分析方法來(lái)提取特征量。但與常見(jiàn)特征提取方式不同的是，提取振動(dòng)特征量的變化量，用于獲取振動(dòng)的趨勢(shì)特征。由工程實(shí)踐經(jīng)驗(yàn)，建立起振動(dòng)測(cè)量參數(shù)與典型振動(dòng)故障模式之間的聯(lián)系。振動(dòng)故障判據(jù)主要根據(jù)試驗(yàn)測(cè)試所得的經(jīng)驗(yàn)結(jié)果，通過(guò)專家打分法對(duì)各種故障模式出現(xiàn)的主要頻率進(jìn)行百分比的打分。當(dāng)某個(gè)頻率所占比例越大，百分比越高，則該頻率越能代表此故障模式的特征。

基于動(dòng)力學(xué)分析的振動(dòng)故障判據(jù)由振動(dòng)方程組獲得。振動(dòng)方程組可以表述成

式中：δY1為振動(dòng)特征量（振動(dòng)幅值的相對(duì)變化量）；δX1為振動(dòng)故障模式；C1為4×10維的振動(dòng)故障系數(shù)矩陣，并且C1是從工程實(shí)踐經(jīng)驗(yàn)中獲得。

δY1的各分量代表低次諧波、1倍頻、2倍頻、高次諧波的相對(duì)變化量。δX1的各分量代表不平衡、不對(duì)中、轉(zhuǎn)子彎曲、轉(zhuǎn)靜件徑向摩擦、轉(zhuǎn)靜件軸向碰摩、轉(zhuǎn)子熱套配合過(guò)盈不足、轉(zhuǎn)子支承部件松動(dòng)、轉(zhuǎn)軸裂紋、旋轉(zhuǎn)失速、喘振等振動(dòng)故障模式。

δY1的分量可以表示為

式中：下標(biāo)m為測(cè)量值，s為標(biāo)準(zhǔn)值。

將式（1）進(jìn)行等效變換，即

其中，

3.2 基于小偏差法的氣路故障判據(jù)

利用小偏差法，建立氣動(dòng)測(cè)量參數(shù)與氣路故障模式之間的方程組，獲得氣路故障系數(shù)矩陣，即獲得氣路故障判據(jù)。本文利用文獻(xiàn)[10]所建立的單軸渦輪噴氣發(fā)動(dòng)機(jī)的氣路故障模型，獲得氣路故障系數(shù)矩陣，得到氣路故障判據(jù)。

單軸渦噴發(fā)動(dòng)機(jī)的氣路故障小偏差為

式中：δY2為m維測(cè)量參數(shù)向量；δX2為n維故障因子向量，C2為氣路故障系數(shù)矩陣。

3.3 典型融合故障系數(shù)矩陣

為了實(shí)現(xiàn)振動(dòng)故障和氣路故障融合診斷，將振動(dòng)、氣路的故障判據(jù)形成1個(gè)共同的判據(jù)，用于聯(lián)系所有的測(cè)量參數(shù)與故障模式。

綜合上述發(fā)動(dòng)機(jī)典型氣路和振動(dòng)故障模式，建立融合故障方程組，可以表述成

式中：測(cè)量參數(shù)（征兆量）向量δY=[δY1，δY2]T；故障因子向量δX=[δX1，δX2]T；典型融合故障系數(shù)矩陣C=

3.4 故障權(quán)重系數(shù)矩陣

在建立起測(cè)量參數(shù)與故障模式之間聯(lián)系的基礎(chǔ)之上，需要建立實(shí)際部件故障原因與故障模式之間的聯(lián)系，從而通過(guò)2個(gè)層次的傳遞關(guān)系，實(shí)現(xiàn)根據(jù)測(cè)量參數(shù)的變化診斷出發(fā)動(dòng)機(jī)實(shí)際故障原因。根據(jù)經(jīng)驗(yàn)并結(jié)合本文參考的單軸渦輪噴氣發(fā)動(dòng)機(jī)模型，獲取并歸類匯總不同故障原因?qū)?yīng)的故障模式以及其權(quán)重系數(shù)見(jiàn)表1。

為了方便表達(dá)和故障識(shí)別，令

式中：Z為實(shí)際部件故障原因；δX'為故障模式（包括振動(dòng)和氣路故障模式）；Q為發(fā)動(dòng)機(jī)部件級(jí)故障權(quán)重系數(shù)矩陣。

這樣可以建立起實(shí)際部件故障原因與故障模式之間緊密的聯(lián)系，方便故障診斷時(shí)能通過(guò)故障模式的變化來(lái)識(shí)別出實(shí)際的部件故障。

表1 單軸渦噴發(fā)動(dòng)機(jī)的部件級(jí)故障權(quán)重系數(shù)

3.5 發(fā)動(dòng)機(jī)融合故障模型

本文研究的故障融合診斷模型，其目的就在于通過(guò)測(cè)量參數(shù)變化δY直接給出實(shí)際部件故障原因Z，而故障模式δX是中間過(guò)渡環(huán)節(jié)。

將故障模式X變換成實(shí)際按部件級(jí)分類的故障原因Z的優(yōu)點(diǎn)為：

（1）建立起實(shí)際物理故障原因Z與故障模式X之間的緊密聯(lián)系，方便故障診斷時(shí)能通過(guò)故障模式的變化識(shí)別出實(shí)際部件故障原因。

（2）使診斷方法和結(jié)果更直觀，更具有現(xiàn)實(shí)意義。（3）有利于Z的修改和更新。

（4）有利于引入新的故障診斷領(lǐng)域（如滑油狀態(tài)監(jiān)測(cè)與故障診斷領(lǐng)域）。

4 故障決策級(jí)融合

決策級(jí)融合的目的在于進(jìn)行故障識(shí)別。經(jīng)過(guò)上述特征層和模式層的故障融合之后，能夠獲得具體故障模式的類型和嚴(yán)重程度，接下來(lái)將進(jìn)一步分析該故障模式是由何種實(shí)際部件故障原因?qū)е碌摹?/p>

本文將運(yùn)用2種故障識(shí)別的方法，相似度法和距離指標(biāo)法。在進(jìn)行故障識(shí)別之前，需要先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，包括等方差化和標(biāo)準(zhǔn)化。

4.1 相似度法

2個(gè)向量之間的相似度（夾角余弦）Sjk計(jì)算為：

然后選擇Sjk最大的那個(gè)向量所對(duì)應(yīng)的部件故障原因作為最可能發(fā)生的故障原因。

4.2 距離指標(biāo)法

評(píng)價(jià)2個(gè)向量近似相等的程度，可以利用距離指標(biāo)

而且當(dāng)距離越小時(shí)，2個(gè)向量就越接近相等。選擇Djk最小的那個(gè)向量所對(duì)應(yīng)的部件故障原因作為最可能發(fā)生的故障原因。

5 故障融合診斷過(guò)程

5.1 系統(tǒng)結(jié)構(gòu)

發(fā)動(dòng)機(jī)故障融合診斷系統(tǒng)結(jié)構(gòu)如圖2所示，包括4個(gè)主要模塊：性能參數(shù)監(jiān)測(cè)模塊、振動(dòng)參數(shù)監(jiān)測(cè)模塊、標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)模塊以及診斷結(jié)果顯示模塊。

圖2 故障融合診斷系統(tǒng)結(jié)構(gòu)

5.2 數(shù)據(jù)流程

系統(tǒng)的程序主流程（如圖3所示）是整個(gè)系統(tǒng)設(shè)計(jì)的核心思路。首先輸入性能參數(shù)的基準(zhǔn)數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)，計(jì)算二者的相對(duì)偏差，獲得氣路故障模式。然后，輸入振動(dòng)參數(shù)的標(biāo)準(zhǔn)數(shù)據(jù)和測(cè)量數(shù)據(jù)，顯示頻譜圖和特征幅值，計(jì)算二者的相對(duì)偏差，獲得振動(dòng)故障模式。當(dāng)獲得氣路與振動(dòng)的融合故障模式之后，用相似度法和距離指標(biāo)法分別進(jìn)行故障識(shí)別。若診斷結(jié)果符合實(shí)際情況或經(jīng)驗(yàn)結(jié)果，則顯示最可能的故障原因，并給出排故措施，完成故障融合診斷的全過(guò)程；若診斷結(jié)果不符合實(shí)際情況，則檢查輸入數(shù)據(jù)的合理性，重新輸入數(shù)據(jù)，重復(fù)上述的故障診斷過(guò)程。

圖3 數(shù)據(jù)程序流程

6 渦輪葉片掉塊故障試驗(yàn)驗(yàn)證

6.1 故障模擬思路

渦輪葉片掉塊故障若發(fā)生在實(shí)際發(fā)動(dòng)機(jī)上，則可能會(huì)使發(fā)動(dòng)機(jī)報(bào)廢，造成重大事故。而且能同時(shí)模擬氣路性能和振動(dòng)故障的試驗(yàn)器目前并不存在。因此在試驗(yàn)室進(jìn)行的渦輪葉片掉塊故障試驗(yàn)驗(yàn)證，采取的方法是利用試驗(yàn)室提供的試驗(yàn)器獲得振動(dòng)數(shù)據(jù)，通過(guò)建立模型仿真性能數(shù)據(jù)。并且試驗(yàn)器是單軸盤的結(jié)構(gòu)，與本文所采用的渦輪噴氣發(fā)動(dòng)機(jī)的氣路故障模型的單軸結(jié)構(gòu)相吻合。因此，實(shí)測(cè)振動(dòng)數(shù)據(jù)與仿真性能數(shù)據(jù)的結(jié)合具有一定的合理性。

6.2 試驗(yàn)器系統(tǒng)

模擬渦輪葉片掉塊故障的試驗(yàn)器的實(shí)物照片如圖4所示。試驗(yàn)器主要包括：轉(zhuǎn)子支座（2個(gè)）、保護(hù)支座、主動(dòng)彈性支承干摩擦阻尼器（2個(gè)）、軸、輪盤、柔性聯(lián)軸器、3相異步電機(jī)相連以及變頻器。

傳感器包括：在輪盤同一平面內(nèi)的水平與鉛垂位置各安裝1個(gè)電渦流位移傳感器（Schenck IN-085型），用于測(cè)量轉(zhuǎn)子的徑向振動(dòng)；在軸旁安裝1個(gè)光電傳感器（Schenck P-84型），用于測(cè)量轉(zhuǎn)子的轉(zhuǎn)速。

6.3 故障融合診斷的實(shí)例驗(yàn)證

由試驗(yàn)采集獲得的振動(dòng)時(shí)域波形如圖5所示，由仿真獲得的氣路性能數(shù)據(jù)見(jiàn)表2。其中，氣路性能數(shù)據(jù)的基準(zhǔn)值由前述的基于小偏差法的氣路故障模型提供，而仿真測(cè)試值則由模擬渦輪葉片掉塊故障獲得。

圖4 試驗(yàn)器

圖5 連續(xù)采集的振動(dòng)時(shí)域波形

表2 氣路性能數(shù)據(jù)

將振動(dòng)和氣動(dòng)數(shù)據(jù)輸入該故障融合診斷系統(tǒng)，進(jìn)行融合故障診斷?；诒疚乃岢龅幕鶞?zhǔn)偏差法，已知振動(dòng)幅值相對(duì)偏差δY1見(jiàn)表3，通過(guò)獲得振動(dòng)故障模式見(jiàn)表4。

表3 振動(dòng)幅值相對(duì)偏差

表4 振動(dòng)故障模式

表4 振動(dòng)故障模式

不平衡不對(duì)中轉(zhuǎn)子彎曲轉(zhuǎn)靜件徑向摩擦轉(zhuǎn)靜件軸向摩擦1.8669 0.7741 1.8687 0.9454 1.0080轉(zhuǎn)子熱套配合過(guò)盈轉(zhuǎn)子支承部件松動(dòng)轉(zhuǎn)軸裂紋旋轉(zhuǎn)失速喘振0.9109 0.8573 0.9545 1.5906 1.7766

基于氣路的小偏差法，已知?dú)鈩?dòng)參數(shù)偏差δY2見(jiàn)表5，通過(guò)獲得氣路故障模式見(jiàn)表6。

表5 氣動(dòng)參數(shù)偏差δY2

對(duì)上述獲得的故障模式進(jìn)行匯總，并根據(jù)閾值獲得氣路故障模式的變化趨勢(shì)，以及不同振動(dòng)故障模式的權(quán)重系數(shù)見(jiàn)表7。

獲得氣路與振動(dòng)故障模式后，通過(guò)2種故障決策方法（相似度法和距離指標(biāo)法）與前述表1（單軸渦噴發(fā)動(dòng)機(jī)的部件級(jí)故障權(quán)重系數(shù)）進(jìn)行對(duì)比，獲得最可能的故障原因，故障診斷結(jié)果見(jiàn)表8。

表6 氣路故障模式

表6 氣路故障模式

1 01

表7 氣路與振動(dòng)故障模式

表8 故障診斷結(jié)果

6.4 故障融合診斷系統(tǒng)的精度分析

輸入故障融合診斷系統(tǒng)的數(shù)據(jù)分基準(zhǔn)數(shù)據(jù)和測(cè)量數(shù)據(jù)2種。前者是正常狀態(tài)下的數(shù)據(jù)，后者是故障狀態(tài)下的數(shù)據(jù)。而掉塊、侵蝕或腐蝕、結(jié)垢，這些物理故障的振動(dòng)機(jī)理都可以抽象成轉(zhuǎn)子質(zhì)量偏心導(dǎo)致不平衡，從而引起振動(dòng)。掉塊是突變故障，其時(shí)域波形是階躍變化的；而侵蝕、腐蝕以及結(jié)垢等是慢變故障，其時(shí)域波形是連續(xù)平緩變化的。而輸入至故障融合診斷系統(tǒng)的數(shù)據(jù)并不包含故障前后的變化趨勢(shì)，僅僅將故障前后的兩個(gè)具體狀態(tài)進(jìn)行對(duì)比，所以掉塊、侵蝕、腐蝕以及結(jié)垢的振動(dòng)表現(xiàn)形式都是1倍頻占優(yōu)。因此，當(dāng)診斷結(jié)果是葉片侵蝕、結(jié)垢而非掉塊故障時(shí)，不應(yīng)認(rèn)為故障融合診斷系統(tǒng)存在嚴(yán)重錯(cuò)誤，該診斷結(jié)果還是具有一定的合理性和參考價(jià)值。

7 結(jié)論

（1）用于建立測(cè)量參數(shù)和故障模式之間聯(lián)系的故障方程法，物理意義明確，方法簡(jiǎn)單，效率可觀，可行性良好。

（2）用于聯(lián)系故障模式和實(shí)際部件故障原因之間的權(quán)重系數(shù)矩陣，依據(jù)專家打分法，數(shù)據(jù)易修改，通用性良好。

（3）故障融合診斷系統(tǒng)的3級(jí)（特征級(jí)、模式級(jí)、決策級(jí)）融合方式是合理的，能夠提高故障診斷的有效性。

（4）根據(jù)渦輪葉片掉塊故障的實(shí)例驗(yàn)證，針對(duì)故障融合識(shí)別方法，相似度法比距離指標(biāo)法的診斷精度較高，診斷結(jié)果較可靠，效果較顯著。

[1]趙鵬.基于信息融合技術(shù)的航空發(fā)動(dòng)機(jī)故障診斷[D].西安：西北工業(yè)大學(xué)，2007. ZHAO Peng.Aeroengine fault diagnosis based on information fusion technology [D].Xi’an:Northwestern Polytechnical University,2007.(in Chinese)

[2]劉長(zhǎng)福，鄧明.航空發(fā)動(dòng)機(jī)結(jié)構(gòu)分析[M].西安：西北工業(yè)大學(xué)出版社，2006：133-298. LIU Changfu,DENG Ming.Structural analysis of aeroengine [M].Xi’an:Northwestern Polytechnical University Press,2006: 133-298.(in Chinese)

[3]Kyriazis A,Mathioudakis K.Gas turbine fault diagnosis using fuzzy-based decision fusion [J].Journal of Propulsion and Power,2009,25（2）：335-343.

[4]Volponi A,Brotherton T,Luppold R,et al.Development of an information fusion system for engine diagnostics and health management[C]//Chicago：AIAA 1stIntelligentSystems Technical Conference,2004：1-15.

[5]Volponi A.Data fusion for enhanced aircraft engine prognostics and health management[R].NASA-CR-2005-214055.

[6]Xiao Hu,Eklund N,Goebel K.A data fusion approach for aircraft engine fault diagnostics[C]//Montreal：GE Global Research,2007.

[7]TursoJ,Litt J.Aforeign object damage event detector data fusion systemfor turbofan engines[R].NASA-TM-2004-213192.

[8]Kyriazis A,Tsalavoutas A,Mathioudakis K,et al.Gas turbine fault identification by fusing vibration trending and gas analysis [C]//Orlando：ASME Turbo Expo:Power for Land,Sea and Air,2009：1-10.

[9]盛兆順，尹琦嶺.設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)及應(yīng)用[M].北京：化學(xué)工業(yè)出版社，2003：136-177. SHENG Zhaosun,YIN Qiling.Technology and application of equipment condition monitoring and fault diagnosis[M].Beijing: Chemical Industry Press,2003：136-177.(in Chinese)

[10]范作民，孫春林，白杰.航空發(fā)動(dòng)機(jī)故障診斷導(dǎo)論[M].北京：科學(xué)出版社，2004：21-368. FAN Zuomin,SUN Chunlin,BAIJie.Introduction of aeroengine fault diagnosis[M].Beijing:Science Press,2004：21-368.(in Chinese)

[11]梁磊，陳杰，蔣東翔.航空發(fā)動(dòng)機(jī)常見(jiàn)氣路故障與振動(dòng)故障特征分析[J].振動(dòng)與沖擊，2010，29（增刊1）：213-215. LIANG Lei,CHEN Jie,JIANG Dongxiang.Common gas path fault and vibration fault analysis of aeroengine [J].Vibration and Shock,2010,29（S1）：213-215.(in Chinese)

[12]李冬，樊照遠(yuǎn)，張娟，等.壓氣機(jī)葉片粗糙度對(duì)其性能衰退的影響研究[J].航空發(fā)動(dòng)機(jī),2009，35（5）：31-35. LI Dong,FAN Zhaoyuan,ZHANG Juan.Impact of roughness of compressor blade on performance recession[J].Aeroengine, 2009，35（5）：31-35.(in Chinese)

[13]楚武利，劉前智，胡春波.航空葉片機(jī)原理[M].西安：西北工業(yè)大學(xué)出版社，2009：20-198. CHU Wuli,LIU Qianzhi,HU Chunbo.Theory of air blade machine[M].Xi’an:Northwestern Polytechnical University Press，2009：20-198.(in Chinese)

[14]杜建建，李舜酩，方立成.進(jìn)氣畸變與旋轉(zhuǎn)失速誘導(dǎo)葉片振動(dòng)的相關(guān)性分析 [J].航空動(dòng)力學(xué)報(bào)，2011，26（11）：2623-2629. DU Jianjian,LI Sunming,FANG Licheng.Correlation analysis of inlet distortion and rotating stall inducing blade vibration [J].Journal of Aerospace Power,2011,26（11）:2623-2629. (in Chinese)

[15]晏礪堂，洪杰，李其漢，等.壓氣機(jī)葉輪偏心引起的自激力和穩(wěn)定性的理論分析 [J].航空動(dòng)力學(xué)報(bào)，1994，9（2）：156-160. YAN Litang,HONG Jie,LI Qihan,et al.Self-excited forces and stability analysis induced by eccentricity of compressor impeller[J].Journal ofAerospace Power,1994,9（2）：156-160. (in Chinese)

[16]姚四偉，張力先，霍巖.發(fā)動(dòng)機(jī)燃燒室部件故障的分析與預(yù)防 [J].西安航空技術(shù)高等?？茖W(xué)校學(xué)報(bào)，2008，26（1）：18-20. YAO Siwei,ZHANG Lixian,HUO Yan.Failure analysis and prevention of engine combustion chamber component[J]. Journal of Xi’an Aerotechnical College,2008,26（1）：18-20.(in Chinese)

[17]劉慶瑔.發(fā)動(dòng)機(jī)I級(jí)壓氣機(jī)轉(zhuǎn)子葉片斷裂分析 [J].失效分析與預(yù)防，2007，2（2）：35-37. LIU Qiquan.Fracture analysis of 1st stage engine compressor rotor blade[J].Failure Analysis and Prevention,2007,2（2）：35-37.(in Chinese)

[18]李本威,李冬,沈偉，等.渦輪葉片粗糙度對(duì)其性能衰退的影響研究[J].航空計(jì)算技術(shù)，2009，39（5）：26-34. LI Benwei,LI Dong,SHEN Wei,et al.Impact of roughness of turbine blade on performance recession [J].Aeronautical Computing Technique,2009,39（5）：26-34.(in Chinese)

[19]王四季，廖明夫，楊伸記.主動(dòng)式彈支干摩擦阻尼器控制轉(zhuǎn)子振動(dòng)的實(shí)驗(yàn) [J].航空動(dòng)力學(xué)報(bào)，2007，22（11）：1893-1897. WANG Siji,LIAO Mingfu,YANG Shenji.Rotor vibration experiment based on active elastic support and dry friction damper control [J].Journal of Aerospace Power,2007,22 （11）：1893-1897.(in Chinese)

Investigation of Aeroengine Fault Fusion Diagnosis

CHEN Xi,LIAO Ming-fu,WANG Yan-kai
（School of Power and Energy,Northwestern Polytechnical University,Xi'an 710072,China）

In order to study aeroengine fault diagnosis with information fusion,a health integrated assessment model of aircraft engine based on performance parameters and vibration parameters was established.A three-level system of fault fusion diagnosis was built,including the feature level,mode level and the decision level.A gas path failure criterion based on small deviation method was gained and a vibration failure criterion based on dynamics analysis was formed.A fault fusion diagnosis method was put forward,and a goal of fault fusion recognition through algorithm was achieved.An experiment of turbine blade fracture failure on the rotor experimental device was conducted,and a fault diagnostic decision can be attained. The experiment results indicate that the aeroengine fault fusion diagnosis method is reasonable and the algorithm is correct.

aeroengine;gas path fault;vibration fault;fusion diagnosis model;fusion recognition

陳曦（1991），女，在讀博士研究生，研究方向?yàn)楹娇瞻l(fā)動(dòng)機(jī)轉(zhuǎn)子動(dòng)力學(xué)、振動(dòng)測(cè)試、狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)。

2013-01-15