表1航空发动机气路故障诊断方法比较 高 线性GPA NN 模糊逻辑、ES 中 卡尔曼滤波 混合马尔可夫链 非线性估计 低(速度) 贝叶斯理论 参数估计 遗传算法 低 中 高(复杂性) 5未来航空发动机故障诊断技术发展展望

　　针对于航空发动机气路故障诊断，国外开发了许多诊断系统。例如美国研究人员上世纪70年代开发的基于WLS的涡轮发动机单元体性能评估系统TEMPER。气路分析公司推出了通用燃气轮机气路分析工具XPGTn，该系统主要用于检测发动机机件损伤。GT-AID是1999年西门子动力服务部门开发的基于规则的故障诊断专家系统。由美国Arnold工程研发中心开发的用于实时涡轮发动机诊断系统RTEDS主要用于辨识传感器、部件、发动机故障。实现实时远程故障诊断系统，如DAME，该系统由英国四个大学和RR、DS&S、Cybula等公司合作开发，将故障诊断技术整合到网格网络上，为气路故障诊断和视情维护提供更好的决策支持。

　　目前已经投入使用的发动机故障监测与诊断系统大多功能单一，且通过单方面故障征兆信息进行诊断，系统化、智能化水平低，诊断准确度不高。为了提高故障诊断准确度和效率，往往需要将多种方法综合使用，对于同一类故障采用多种方法进行故障诊断提高诊断的准确率。总而言之，未来航空发动机气路故障诊断的研究方向可以归纳为以下几点：

　　(1)实时化 对于航空发动机这一复杂系统，安全性要求非常高，在诊断方式上实现实时化代替过去的定期诊断和巡回诊断。实时化给诊断技术提出了更高要求，但同时也为维修工作提供了更多的时间保障。

　　(2)早期化 尽早发现故障，对故障进行隔离和排除，这是故障诊断的基本要求。越早发现故障并清除故障为飞行员的生命安全和经济发展也提供了更大的保障。

　　表2 诊断方法特点比较

　　比较项 方法 含故障影响矩阵逆矩阵的线性GPA 含故障影响矩阵逆矩阵的非线性GPA 线性卡尔曼滤波法 线性最小二乘法 非线性卡尔曼滤波法 基于非线性模型遗传算法 ANN 贝叶斯证据网络 法 ES 模糊逻辑法 线性/非线性模型 线性 非线性 线性 线性 非线性 非线性 非线性 非线性 非线性 健康参数微小变化 ★ ★ ★ 测量参数随机噪声 ★ ★ ★ ★ ★ ★ ★ ★ 偏差处理 ★ ★ ★ ★ ★ ★ ★ N、M M≥N M≥N M

　　(3)网络化 网络化是发动机故障诊断发展的重要方向之一。在诊断的系统结构上，用分布式诊断代替过去的集中式诊断。实现发动机故障诊断系统网络化能够极大的提高发动机故障诊断的准确性和及时性，也是降低发动机运行和后勤保障成本和提高经济效益的有效手段。

　　(4)集成化/综合化 目前的诊断方式都比较单一，开发成本高、效率低。为了减少成本和提高飞行安全，需要实现诊断、预测与健康管理综合化，充分、合理利用资源。

　　(5)智能化 要求发动机具备自诊断、自预测、自优化和自适应能力。也就是说在没有专家诊断情况下，能够准确、快速进行诊断，并能够自动吸收新的东西，功能上自我完善，即朝着智能发动机方向发展。

　　参考文献

　　[1]尉询楷,李应红 航空发动机状态监控与诊断现状及发展趋势 控制工程[J]vol14 2007 S-0084-87

　　[2]蒋亮,李书明,郝英,白杰,郝红勋 航空发动机气路故障诊断研究现状 中国民航学院学报[J] 2005 S-0060-03

　　[3]Takahisa, Kobayashi, Donald.L.Simon Integration of On-Line and Off-Line Diagnostic Algorithms for Aircraft Engine Health Management NASA/TM—2007-214980

　　[4]Escher an object-oriented gas-path analysis computer program for general applications [D] 1995

　　[5]Urban LA, Volponi AJ Mathematical methods for relative engine-performance diagnostics. Transaction Journal of Aerospace, [J]vol. 101, SAE 1992

　　[6]Zadda M,Singh R. Gas Turbine Engine and Sensor Diagnosis [A] 1999. ISABE99-7238 13th ISABE[C].

　　[7]叶志锋, 孙健国 应用神经网络诊断航空发动机气路故障的前景 推进技术[J] Vol.23 No.1 2002 1-4

　　[8]Torella G, Lombardo G. Utilization of neural-networks for gas-turbine engines. [A] 1995 XII ISABE 95-703,.

　　[9]Li, I.Y., Performance Analysis Based Gas-Turbine Diagnostics: A Review, Proceedings of The Institution of Mechanical Engineers, Journal of Power and Energy, Vol 216. 2002 363 – 377

　　[10]Kanelopoulos K, Stamatis A, Mathioudakis K. Incorporating neural-networks into gas-turbineperformance diagnostics.[C] ASME 97-GT-35, International Gas-turbine & Aero-engine Congress &Exhibition, Orlando, Florida, USA, June 8–13, 1997.

　　[11]Ogaji S. Advanced gas-path fault diagnostics for stationary gas-turbines [D]2003.

　　[12]Volponi A, DePold H, Ganguli R, Daguang C. The use of Kalman-filter and neural-network methodologies in gas-turbine performance diagnostics: a comparative study.[J] ASME 2000-GT-547,2000.

　　[13]Stephen O.T. Ogaji and Riti Singh Advanced engine diagnostics using artificial neural networks

　　[14]Kadamb A. Bayesian belief network for aero gas-turbine module and system-fault isolation. [D]2003.

　　[15]方前 航空发动机系统建模与故障诊断研究 [D]2005

　　[16]Healy A, Kerr L, Larkin L. Model-based fuzzy-logic sensor fault accommodation.[J] ASME 97-GT-222,1997.

　　[17]Tang G. A practical intelligent system for condition monitoring and fault diagnosis of jet engines. [C]AIAA 99-2533, 1999.

　　[18]Ogaji SOT, Marinai L, Sampath S, Singh R. Comparison of artificial neural-network and fuzzy-logic approaches to engine diagnostics. Int J Eng Intelligence Syst, submitted for publication.

　　[19]Sanjay Garg, Michael Venti Propulsion Control and Health Management(PCHM) Technology for Flight Teston the C–17T–1 Aircraft NASA/TM—2004-213303ARL–TR–3276

　　[20]Allan J Volponi, Tom Brotherton, Robert Luppold Development of an Information Fusion System for Engine Diagnostics and Health Management AIAA 1st Intelligent Systems Technical Conference 20 - 22 September 2004

　　[21]郝英,孙健国,杨国庆,白杰 The application of support vector machines to gas turbineperformance diagnosis. Acta Aeronautica et Astronautica Sinica, 2005, 18(1):15-19.

　　[22]陈恬,孙健国,郝英 基于神经网络和证据融合理论的航空发动机气路故障诊断 航空学报[J] Vol.27Nov.N0.62006 1014一04

　　[23]袁春飞,姚华 基于卡尔曼滤波器和遗传算法的航空发动机性能诊断

　　[24]MICHAEL J.ROEMER Engine health monitoring system for advanced diagnostic monitoring for gas turbine engines AFRL-PR-WP-TR-1998-2120

　　[25]张宝珍 航空发动机状态管理技术的进展

　　[26]Luca Marinai , Douglas Probert, Riti Singh Prospects for aero gas-turbine diagnostics: a review www.elsevier.com/locate/apenergy

　　[27]李华强,费逸伟 航空发动机故障诊断技术及其发展 航空维修与工程[J]2007/5www.aviationnow.com.cn

　　[28]张明川 人工神经网络技术在民用涡扇发动机故障诊断中的应用 航空维修与工程[J] 2000/2

　　[29]宋江涛,雷勇 基于小偏差法的航空发动机气路故障诊断方法 科学技术与工程[J] Vol.8 2008 No.6 2008Sci.Tech Enging. 1671一1819(2008)6-1501-05

 3/4   首页 上一页 1 2 3 4 下一页 尾页