基于BP 神經(jīng)網(wǎng)絡(luò)的航空發(fā)動(dòng)機(jī)參數(shù)預(yù)測(cè)與實(shí)時(shí)告警系統(tǒng)設(shè)計(jì)

董 洋，孫景鈺，李南伯，莫古云

（成都飛機(jī)工業(yè)（集團(tuán)）有限責(zé)任公司，成都 610073）

0 引言

航空發(fā)動(dòng)機(jī)作為飛機(jī)系統(tǒng)的“心臟”［1］，是整個(gè)飛機(jī)最為重要的系統(tǒng)之一，其產(chǎn)品質(zhì)量、性能指標(biāo)與工作狀況會(huì)影響整個(gè)產(chǎn)品的工作性能。因此，對(duì)于航空發(fā)動(dòng)機(jī)各性能參數(shù)的監(jiān)控與判讀分析就顯得尤為重要［2］；另外，作為一種系統(tǒng)復(fù)雜的精密機(jī)械，一旦超過(guò)使用限制對(duì)其本身產(chǎn)生的影響以及后續(xù)維修處理成本都是相當(dāng)巨大的。因此，提前發(fā)現(xiàn)參數(shù)異常現(xiàn)象，在發(fā)動(dòng)機(jī)故障前提前做出動(dòng)作對(duì)于發(fā)動(dòng)機(jī)本身與使用方來(lái)說(shuō)都是具有非常重大意義的事情。

國(guó)內(nèi)外學(xué)者對(duì)發(fā)動(dòng)機(jī)監(jiān)控、診斷技術(shù)已經(jīng)進(jìn)行過(guò)大量的研究。航發(fā)機(jī)研究所的吳偉力等［3］對(duì)發(fā)動(dòng)機(jī)振動(dòng)故障的診斷技術(shù)進(jìn)行研究，通過(guò)對(duì)多種故障診斷方法進(jìn)行闡述，總結(jié)了故障診斷的有效途徑。霍榮偉等［4］在發(fā)動(dòng)機(jī)氣路診斷方面做出了大量研究。崔展博等［5］建立基于量子神經(jīng)網(wǎng)絡(luò)和趨勢(shì)推演的自修正安全預(yù)警模型，設(shè)計(jì)了一種適應(yīng)多機(jī)型的實(shí)時(shí)飛行安全監(jiān)控系統(tǒng)。郭朝翔等［6］舉例分析了發(fā)動(dòng)機(jī)參數(shù)監(jiān)控的幾種方法與應(yīng)用，為工程技術(shù)人員進(jìn)行參數(shù)監(jiān)控提供了借鑒?？梢钥闯鰢?guó)內(nèi)外對(duì)發(fā)動(dòng)機(jī)故障監(jiān)控診斷技術(shù)已有成熟經(jīng)驗(yàn)。

另一方面，先進(jìn)的算法模型在監(jiān)控與故障分析診斷中的應(yīng)用使得故障診斷效率大大提高。曹惠玲等［7］將改進(jìn)后的Bagging算法應(yīng)用在航空發(fā)動(dòng)機(jī)的氣路診斷問(wèn)題當(dāng)中，提高了對(duì)于復(fù)雜故障現(xiàn)象的診斷準(zhǔn)確率。史永勝等［8］學(xué)習(xí)了貝葉斯算法的基本原理，通過(guò)因果關(guān)系建立了發(fā)動(dòng)機(jī)各部件或子系統(tǒng)故障情況與整機(jī)系統(tǒng)故障的關(guān)系可視化模型，結(jié)合自身的經(jīng)驗(yàn)，梳理出各部件、各子系統(tǒng)的依賴(lài)關(guān)系與程度，準(zhǔn)確可靠地找到了系統(tǒng)的薄弱環(huán)節(jié)，提高系統(tǒng)整體可靠性。楊旭等［9］結(jié)合大型航空發(fā)動(dòng)機(jī)機(jī)載振動(dòng)監(jiān)測(cè)研制需求，提出了機(jī)載健康管理振動(dòng)監(jiān)測(cè)系統(tǒng)硬件設(shè)計(jì)關(guān)鍵點(diǎn)，根據(jù)機(jī)載振動(dòng)監(jiān)測(cè)實(shí)時(shí)性要求，采用多線(xiàn)程技術(shù)設(shè)計(jì)了健康管理振動(dòng)監(jiān)測(cè)軟件，實(shí)現(xiàn)了對(duì)發(fā)動(dòng)機(jī)機(jī)載振動(dòng)實(shí)時(shí)監(jiān)測(cè)告警的功能。

上述文獻(xiàn)中對(duì)于發(fā)動(dòng)機(jī)監(jiān)控與診斷技術(shù)均有大量的研究與應(yīng)用，也融合了許多先進(jìn)算法輔助分析。但是，其對(duì)于一線(xiàn)生產(chǎn)使用部門(mén)來(lái)說(shuō)相對(duì)復(fù)雜，不具備可操作性。此外，基于飛參數(shù)據(jù)進(jìn)行的分析，目前一線(xiàn)部門(mén)對(duì)于飛參數(shù)據(jù)的使用與判讀仍處于將試車(chē)或者飛行后的數(shù)據(jù)下載下來(lái)，通過(guò)專(zhuān)業(yè)的飛參判讀軟件進(jìn)行處理。一方面使用部門(mén)對(duì)于機(jī)上成品設(shè)備的開(kāi)發(fā)使用權(quán)限不足，無(wú)法進(jìn)行底層更改；另一方面需要依賴(lài)專(zhuān)用的判讀軟件進(jìn)行診斷，沒(méi)有根據(jù)自身經(jīng)驗(yàn)建立新的判讀和監(jiān)控規(guī)則。這就導(dǎo)致對(duì)于發(fā)動(dòng)機(jī)的狀態(tài)監(jiān)控與故障診斷不具備時(shí)效性，不能發(fā)揮作為一線(xiàn)使用單位的優(yōu)勢(shì)。

本文提出一種基于BP 神經(jīng)網(wǎng)絡(luò)算法［10］的航空發(fā)動(dòng)機(jī)參數(shù)預(yù)測(cè)與告警系統(tǒng)設(shè)計(jì)方法。通過(guò)對(duì)前期大量發(fā)動(dòng)機(jī)參數(shù)的統(tǒng)計(jì)整理與特征學(xué)習(xí)，采用BP 神經(jīng)網(wǎng)絡(luò)算法針對(duì)不同狀態(tài)不同參數(shù)建立參數(shù)特征模型，在發(fā)動(dòng)機(jī)試車(chē)過(guò)程中，通過(guò)特征模型對(duì)特定工作狀態(tài)下的參數(shù)進(jìn)行實(shí)時(shí)分析，預(yù)測(cè)后續(xù)狀態(tài)的參數(shù)值，實(shí)現(xiàn)參數(shù)的實(shí)時(shí)預(yù)測(cè)，提前發(fā)現(xiàn)參數(shù)異常趨勢(shì)，及時(shí)將風(fēng)險(xiǎn)消除。

1 系統(tǒng)技術(shù)應(yīng)用

1.1 發(fā)動(dòng)機(jī)參數(shù)監(jiān)控

航空發(fā)動(dòng)機(jī)追求的是高速高效的戰(zhàn)術(shù)性能，而這對(duì)其自身的可靠性與耐久性提出了巨大的挑戰(zhàn)，發(fā)動(dòng)機(jī)監(jiān)控技術(shù)正是針對(duì)這一需求出現(xiàn)的［11］。監(jiān)控技術(shù)的意義在于確保發(fā)動(dòng)機(jī)安全可靠地使用。

航空發(fā)動(dòng)機(jī)工作特性與性能可以通過(guò)不同參數(shù)呈現(xiàn)出來(lái)，通過(guò)對(duì)參數(shù)的分析判讀來(lái)判斷發(fā)動(dòng)機(jī)各項(xiàng)性能指標(biāo)是否合格。發(fā)動(dòng)機(jī)參數(shù)主要有氣路參數(shù)（包括發(fā)動(dòng)機(jī)轉(zhuǎn)速、排氣溫度、壓氣機(jī)導(dǎo)向葉片角度等）和狀態(tài)參數(shù)（包括滑油溫度、燃油溫度、振動(dòng)值等）等組成。通過(guò)對(duì)以上參數(shù)的監(jiān)控來(lái)反映發(fā)動(dòng)機(jī)的狀態(tài)與工作性能［12］。例如，通過(guò)對(duì)轉(zhuǎn)速的監(jiān)控來(lái)反饋發(fā)動(dòng)機(jī)工作狀態(tài)；通過(guò)對(duì)滑油壓力、燃油壓力的監(jiān)控檢測(cè)發(fā)動(dòng)機(jī)油路是否堵塞。

1.2 BP神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)［13］是一種數(shù)學(xué)算法模型，它類(lèi)似于對(duì)動(dòng)物神經(jīng)網(wǎng)絡(luò)的模擬構(gòu)建，通過(guò)構(gòu)建網(wǎng)絡(luò)式結(jié)構(gòu)的模型，將數(shù)據(jù)的信息通過(guò)大量的內(nèi)部節(jié)點(diǎn)連接起來(lái)，通過(guò)調(diào)節(jié)節(jié)點(diǎn)之間的聯(lián)系實(shí)現(xiàn)信息處理與數(shù)據(jù)計(jì)算。

神經(jīng)網(wǎng)絡(luò)通過(guò)對(duì)于輸入輸出數(shù)據(jù)的分析學(xué)習(xí)，自身訓(xùn)練出某種規(guī)則，建立出特征模型。在給定輸入值后即可以得到最接近期望的輸出值。這種神經(jīng)網(wǎng)絡(luò)的計(jì)算精度依賴(lài)于數(shù)據(jù)庫(kù)的大小以及模型的匹配程度。通過(guò)對(duì)大量前期數(shù)據(jù)的分析學(xué)習(xí)才能建立起相對(duì)準(zhǔn)確的特征模型。

BP神經(jīng)網(wǎng)絡(luò)是在原有基礎(chǔ)上加入了前饋環(huán)節(jié)，將實(shí)際輸出值與期望輸出值的誤差反向傳播，然后再通過(guò)修改各神經(jīng)元的權(quán)值使得誤差最小。

2 系統(tǒng)設(shè)計(jì)

2.1 系統(tǒng)架構(gòu)

為實(shí)現(xiàn)對(duì)發(fā)動(dòng)機(jī)參數(shù)及時(shí)預(yù)測(cè)告警的功能，本系統(tǒng)將神經(jīng)網(wǎng)絡(luò)算法、實(shí)時(shí)采集監(jiān)控技術(shù)與預(yù)測(cè)告警技術(shù)集成為一個(gè)系統(tǒng)。本文通過(guò)軟硬件將3 種功能結(jié)合起來(lái)，在建立好不同參數(shù)的變化特征模型后，根據(jù)實(shí)時(shí)輸入的參數(shù)信號(hào)進(jìn)行分析得到預(yù)測(cè)結(jié)果，告警模塊也隨時(shí)保持與監(jiān)控軟件的通訊。系統(tǒng)架構(gòu)如圖1 所示。

圖1 系統(tǒng)架構(gòu)

2.2 參數(shù)預(yù)測(cè)模型建立

發(fā)動(dòng)機(jī)使用過(guò)程中要求監(jiān)控的參數(shù)有許多，不同參數(shù)的限制條件也不相同，因此需要對(duì)不同參數(shù)建立各自的特征模型。此處以某一參數(shù)的模型建立過(guò)程為例展示參數(shù)特征模型建立流程，具體流程如圖2 所示。

圖2 神經(jīng)網(wǎng)絡(luò)特征模型建立流程

首先需要對(duì)前期試車(chē)數(shù)據(jù)進(jìn)行整合，建立數(shù)據(jù)集，此處需要對(duì)飛參數(shù)據(jù)進(jìn)行重構(gòu)，包括工作時(shí)間、發(fā)動(dòng)機(jī)轉(zhuǎn)速、排氣溫度等參數(shù)，通過(guò)工作時(shí)間與轉(zhuǎn)速來(lái)進(jìn)行關(guān)鍵要素篩選與優(yōu)化整合，針對(duì)不同參數(shù)建立不同數(shù)據(jù)集。

其次，將數(shù)據(jù)集中大部分?jǐn)?shù)據(jù)用來(lái)作為訓(xùn)練數(shù)據(jù)，建立BP神經(jīng)網(wǎng)絡(luò)模型，神經(jīng)元輸入輸出函數(shù)如下：

式中：wij為各隱藏層之間的權(quán)值；θ 為隱藏層的閾值。

得到初始模型后與少部分測(cè)試數(shù)據(jù)融合進(jìn)行誤差計(jì)算。根據(jù)實(shí)際經(jīng)驗(yàn)與通用公式選擇合適的隱藏層節(jié)點(diǎn)數(shù)目與訓(xùn)練次數(shù)，節(jié)點(diǎn)數(shù)目前期根據(jù)經(jīng)驗(yàn)公式進(jìn)行選擇。

式中：m為隱藏層節(jié)點(diǎn)數(shù)量；n 為輸入層節(jié)點(diǎn)數(shù)量；l 為輸出層節(jié)點(diǎn)數(shù)量。

上述數(shù)據(jù)集的篩選、特征模型的建立均在MATLAB軟件中進(jìn)行［14］，將飛參數(shù)據(jù)讀取后進(jìn)行組合重構(gòu)，根據(jù)需要選擇不同參數(shù)，利用軟件自帶的神經(jīng)網(wǎng)絡(luò)函數(shù)模塊進(jìn)行訓(xùn)練，設(shè)定合適的節(jié)點(diǎn)數(shù)與訓(xùn)練次數(shù)，根據(jù)測(cè)試數(shù)據(jù)的誤差計(jì)算得到最優(yōu)的特征模型。最終得到的模型數(shù)據(jù)如圖所3示，圖中參數(shù)特征模型隱藏層節(jié)點(diǎn)數(shù)為12，在訓(xùn)練到第5次時(shí)得到了最優(yōu)解，其均方誤差如圖4所示。

圖3 BP神經(jīng)網(wǎng)絡(luò)模型參數(shù)

圖4 均方誤差變化

發(fā)動(dòng)機(jī)狀態(tài)可以分為停車(chē)、起動(dòng)、慢車(chē)、中間態(tài)、最大狀態(tài)等多種工況。本文選取的工況是發(fā)動(dòng)機(jī)起動(dòng)狀態(tài)，通過(guò)訓(xùn)練起動(dòng)過(guò)程中溫度參數(shù)的變化曲線(xiàn)，得到該參數(shù)整個(gè)起動(dòng)階段的特征模型，后需代入測(cè)試數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證，得到最優(yōu)模型后即可實(shí)現(xiàn)在起動(dòng)初期階段就能夠判斷出起動(dòng)后期發(fā)動(dòng)機(jī)的溫度狀態(tài)。

2.3 數(shù)據(jù)采集與預(yù)測(cè)告警

試車(chē)時(shí)的實(shí)時(shí)數(shù)據(jù)采集擬采用圖像識(shí)別的方式進(jìn)行，通過(guò)字符識(shí)別的功能對(duì)發(fā)動(dòng)機(jī)某項(xiàng)參數(shù)進(jìn)行采集，并將數(shù)據(jù)實(shí)時(shí)記錄傳輸給下位機(jī)進(jìn)行分析處理，代入到參數(shù)特征模型中進(jìn)行預(yù)測(cè)。

監(jiān)控模塊對(duì)采集設(shè)備的采樣速率、分辨率、精度等參數(shù)具有一定的要求，本文選擇了一款工業(yè)智能相機(jī)作為數(shù)據(jù)采集設(shè)備，在其中寫(xiě)入字符識(shí)別（OCR）功能［15］。該款相機(jī)字符識(shí)別采集速率可達(dá)到10 Hz，完全有能力滿(mǎn)足參數(shù)監(jiān)控的需求。

參數(shù)預(yù)測(cè)告警的目的是提前發(fā)現(xiàn)風(fēng)險(xiǎn)點(diǎn)并給出提示，根據(jù)發(fā)動(dòng)機(jī)的監(jiān)控參數(shù)特征不同，編寫(xiě)不同的限制條件以及判讀條件。本文采用MATLAB 軟件進(jìn)行數(shù)據(jù)分析與處理，一方面利用其函數(shù)庫(kù)中的神經(jīng)網(wǎng)絡(luò)函數(shù)計(jì)算出結(jié)果之后，將數(shù)據(jù)及時(shí)顯示，并與限制條件作為對(duì)比，通過(guò)可視化圖形進(jìn)行監(jiān)控與告警；另一方面對(duì)實(shí)時(shí)提取出的數(shù)據(jù)進(jìn)行增長(zhǎng)率計(jì)算，當(dāng)判斷其增長(zhǎng)率異常后同樣發(fā)出告警。舉例如下：

式中：xt為當(dāng)前采集到的排氣溫度參數(shù)；Δt為采樣周期。

當(dāng)計(jì)算出的kt值超過(guò)一定標(biāo)準(zhǔn)后，就會(huì)發(fā)生發(fā)動(dòng)機(jī)熱懸掛現(xiàn)象。

參數(shù)界面如圖5 所示，此時(shí)已經(jīng)將前期數(shù)據(jù)導(dǎo)入并顯示出來(lái)，現(xiàn)階段需要將實(shí)時(shí)提取的參數(shù)同時(shí)繪入曲線(xiàn)圖中，進(jìn)行后期參數(shù)預(yù)測(cè)。在界面中可以分別顯示出當(dāng)前值、預(yù)測(cè)值與限制值，當(dāng)預(yù)測(cè)值超過(guò)限制值時(shí)會(huì)發(fā)出告警信號(hào)提示操作人員進(jìn)行處置。

圖5 參數(shù)顯示界面

3 系統(tǒng)運(yùn)用

3.1 系統(tǒng)組成

系統(tǒng)整體搭建如圖6 所示，主要由數(shù)據(jù)采集監(jiān)控設(shè)備、上位機(jī)信息處理計(jì)算機(jī)以及飛參綜合檢測(cè)設(shè)備組成。以某航空發(fā)動(dòng)機(jī)起動(dòng)階段排氣溫度變化預(yù)測(cè)為例，在發(fā)動(dòng)機(jī)起動(dòng)過(guò)程中，通過(guò)數(shù)據(jù)采集設(shè)備將排氣溫度數(shù)據(jù)傳給信息處理計(jì)算機(jī)，將數(shù)據(jù)導(dǎo)入前期建立好的參數(shù)特征模型，計(jì)算出起動(dòng)到達(dá)狀態(tài)時(shí)的預(yù)測(cè)溫度，與限制值進(jìn)行對(duì)比，即可實(shí)現(xiàn)提前告警功能。

圖6 系統(tǒng)整體示意

3.2 軟件應(yīng)用

圖7 所示為軟件運(yùn)行時(shí)的顯示界面，左邊表格是獲取到的監(jiān)控?cái)?shù)據(jù)，單擊預(yù)測(cè)按鈕即可執(zhí)行神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)程序，同時(shí)在上方顯示預(yù)測(cè)結(jié)果，每個(gè)參數(shù)有3 個(gè)顯示值，第一個(gè)為當(dāng)前狀態(tài)值，第二個(gè)為模型計(jì)算出的預(yù)測(cè)值，第三個(gè)為該參數(shù)的限制值。為了方便判斷，在右下方將參數(shù)的實(shí)際曲線(xiàn)繪制出來(lái)，可以看到參數(shù)發(fā)展的趨勢(shì)圖，當(dāng)預(yù)測(cè)值超過(guò)限制值時(shí)其背景顏色會(huì)變?yōu)榧t色，此時(shí)試車(chē)人員可以進(jìn)行應(yīng)急操作，每個(gè)參數(shù)框有一個(gè)處置按鈕，單擊即可打開(kāi)該參數(shù)異常時(shí)的應(yīng)急處置措施。

圖7 軟件運(yùn)行界面

3.3 功能拓展

結(jié)合發(fā)動(dòng)機(jī)的自身特點(diǎn)以及使用維護(hù)要求，除了預(yù)測(cè)告警的功能外本系統(tǒng)后期還可以具備自動(dòng)應(yīng)急處置的能力?，F(xiàn)階段由于信息處理計(jì)算機(jī)無(wú)法與飛機(jī)通信，只能進(jìn)行監(jiān)控功能，在異常時(shí)提示告警措施，后期可以將該軟件裝載到飛參綜合檢測(cè)設(shè)備當(dāng)中，出現(xiàn)異常情況時(shí)點(diǎn)擊處置按鈕可以直接發(fā)送控制信號(hào)進(jìn)行處置。

4 結(jié)束語(yǔ)

本文針對(duì)目前航空發(fā)動(dòng)機(jī)試車(chē)監(jiān)控技術(shù)與應(yīng)用系統(tǒng)提出了一種新的解決方式。針對(duì)現(xiàn)有監(jiān)控技術(shù)不具備時(shí)效性的問(wèn)題，構(gòu)建了一種基于神經(jīng)網(wǎng)絡(luò)模型的參數(shù)預(yù)測(cè)系統(tǒng)，通過(guò)對(duì)大量數(shù)據(jù)的訓(xùn)練學(xué)習(xí)建立參數(shù)的變化模型，給參數(shù)預(yù)測(cè)提供了模型支撐，又通過(guò)圖像識(shí)別處理的方式采集實(shí)時(shí)數(shù)據(jù)，打通基礎(chǔ)條件，最后編寫(xiě)了一款軟件將模型與硬件結(jié)合起來(lái)，完整地構(gòu)建出本文中的預(yù)測(cè)與實(shí)時(shí)告警系統(tǒng)。實(shí)現(xiàn)發(fā)動(dòng)機(jī)試車(chē)參數(shù)的實(shí)時(shí)預(yù)測(cè)功能。

本系統(tǒng)對(duì)于工業(yè)部門(mén)、生產(chǎn)單位具有通用的使用價(jià)值，能夠提升發(fā)動(dòng)機(jī)試車(chē)的安全性，極高生產(chǎn)效率，降低風(fēng)險(xiǎn)的同時(shí)減少維護(hù)成本。在未來(lái)發(fā)展方面，對(duì)于設(shè)計(jì)單位同樣具備借鑒性。在故障判斷與控制手段中應(yīng)用，可以實(shí)現(xiàn)實(shí)現(xiàn)故障的提前處置。