航空发动机包线内气路故障融合诊断机理及方法研究

Advanced aircraft engine has more complicated structure nowadays. Engine health management (EHM) is one of the essentials to achieve the condition-based maintenance, reduce the operation cost, and ensure the flight safety. Gas path analysis (GPA) for aircraft engine plays one of the most important roles in the EHM. Recently, research on the GPA has been extended from condition monitoring to health prognostics and diagnosis, from simple functional structure to fusion one. At the same time, how to improve the accuracy of the existing GPA approaches within the whole flight envelope becomes one problem to solve urgently. The gas-path fusion mechanisms and methodologies for both performance health estimation and diagnosis within the whole flight envelope are proposed. Combining the GPA characteristics both of the model-based approach and the data-driven one, explore the fusion mechanism and structure for the GPA within the whole flight envelope, including researches on nonlinear self tuning hybrid model, feature extraction and feature-level fusion, and decision-level fusion. Rapid prototype validation experiments of gas-path fault diagnosis and prognosis for aircraft engine based on information fusion are designed. Attempt to the researches on the project, gas-path performance health estimate accuracy and fault diagnostic effectives should be improved, and provides the theory and application foundations for the EHM of intelligent engine.

先进航空发动机结构日趋复杂，发动机健康管理是保证飞行安全、降低维护使用成本的重要手段，已成为航空动力技术领域的研究热点。作为发动机健康管理最重要组成之一的气路分析技术，近年来正由状态监视向健康预测与诊断、由单一算法向融合算法方向发展，如何提高包线内全状态的气路故障诊断精度成为亟待解决的问题之一。 本项目首次提出一种基于信息融合的航空发动机包线内全状态气路性能估计与诊断方法。结合基于模型与数据驱动的发动机气路分析方法特点，探索包线内全状态的气路故障诊断融合机制，揭示包括基于非线性自适应模型的、故障特征提取及特征层融合的、决策层定性和定量融合的气路故障诊断机理，设计发动机气路故障融合诊断快速原型验证方法，以期提高发动机气路故障诊断精度，扩展适用范围，为智能航空发动机健康管理提供相关理论依据和应用基础。

针对发动机气路健康管理研究由单一算法向融合方法方向发展背景下，提高包线内不同状态的气路故障诊断精度问题，探索了一种基于信息融合的航空发动机包线内气路性能估计与诊断方法。研究粒子滤波一类的强非线性非高斯滤波估计方法，提出了提高估计精度和实时性的不确定性粒子滤波改进方法，考虑发动机包含地面、高空等不同工作状态和工作条件特点，建立了含粒子滤波性能自适应的发动机非线性模型，揭示了基于模型的发动机包线内不同状态气路故障诊断精度影响因素。在基于模型的气路故障诊断方法的基础上引入极限学习机的数据驱动，提出了基于模型与数据驱动融合的发动机包线内气路故障决策融合方法，分析发动机包线内气路故障分层融合诊断机理，设计了气路故障决策级融合的定性和定量诊断结构，通过信息配准机制实现了多方法融合诊断的同步性，利用动态主成分分析方法提取了发动机部件故障特征，对故障特征融合处理实现发动机包线内气路故障的特征融合诊断，初步建立了一套发动机包线内不同工作状态下的气路故障融合诊断框架和方法。完成了航空发动机气路故障融合诊断的有效性和实时性数字仿真验证，在NI CompactRIO平台上开发了具有数据采集、预处理、状态监控与故障诊断功能的航空发动机气路故障融合诊断的快速原型试验平台，并在开发的快速原型试验平台上进行了方法验证，初步形成了一套航空发动机气路故障融合诊断的快速原型试验验证方法。