高推重比涡扇发动机故障演化机理、多源信息融合与诊断

Aircraft engine is an important embodiment of the level of national science, technology and industry. Fault diagnosis is the guarantee for its safe and economical operation, and also is an important indicator of engine advancement. In practice, the performance of fault diagnosis for aircraft engine is limited because of complicated working mechanism, variable operating environment and stringent testing condition. Under special harsh operating environment, the difficulty of fault diagnosis for high thrust-to-weight ratio turbofan engine is dramatically increased. The motivation and objective of this project is to establish fault model and diagnostic method for high thrust-to-weight ratio turbofan engine based on full consideration of its operating characteristics. Firstly, fault evolution mechanism and corresponding signal representation under complicated operation conditions (e.g. transient condition) are revealed, by utilizing the generation mechanism of typical faults. Subsequently, diagnostic information is fully exploited through information fusion (from multi-physics sensors) and data fusion (from historical, repair and airborne data). Finally, advanced signal processing methods are investigated to extract fault features and establish diagnostic method. In summary, the characteristics and innovations of this project are the capability of fault information extraction from transient signals, and the fusion strategy of multi-dimension and multi-physical data. This project provides theoretical foundation for the establishment of efficient and reliable aircraft engine fault diagnosis system.

航空发动机是一个国家科技和工业水平的重要体现，故障诊断技术是航空发动机安全和经济运行的重要保障，也是衡量其先进性的重要指标。航空发动机工作机理复杂，工况多变，测试条件严苛，故障诊断质量不易保证。高推重比涡扇发动机使用环境更加严酷，故障诊断难度显著增加。本项目在充分考虑高推重比涡扇发动机工作特性的基础上，从典型故障的产生机理入手，揭示过渡态等复杂工作状态下故障的演化机理和信号表征，通过多物理量传感器信息的融合，机群历史数据、大修数据和机载数据的融合，充分挖掘诊断信息，并进一步研究先进的信号处理方法，提取故障特征，建立故障模型和诊断方法。能够在过渡态下对剧变信号进行故障信息提取，融合不同工作维度、不同物理量信息进行故障诊断是本项目的特色和创新。本项目将为建立高效、可靠航空发动机机载故障诊断系统奠定理论基础。

本项目围绕复杂、剧变的工作条件下的航空发动机故障诊断理论和方法开展研究，重点针对气路机理建模与故障分析、机械振动故障机理及诊断、信息特征提取与信息融合三方面，为重大装备研制过程中的排故工作提供方法和数据支撑。.主要创新包括：一，建立了高泛用性的发动机在线自适应气路特性描述模型，发展了模型和数据驱动相融合的发动机气路故障诊断方法，为构建有效的发动机数字孪生子模型提供了系统的方法支撑；二，建立了利用振动信号与转速信息的过渡态下轴承故障冲击特征增强算法，利用故障冲击相位开展相位补偿，仅通过振动信号的分析即可实现了轴承打滑率的在线估计。三，建立了自适应衰减改进的增广卡尔曼滤波方法和基于确定度因子的数据融合方法，实现了异质信息的多测点数据融合，有效解决了单一学科信息难以将故障隔离到具体部件的技术难题。.本项目研究成果的工程应用效果显著：所建立的方法在国内六个所厂（中国航发606所/608所/贵阳所/商发，中国解放军5713厂/5719厂）的六个航空发动机型号的研制和维修中得到应用，为故障分析工作提供了重要的方法支撑；并推广至高速列车等重大装备的故障诊断中。.本项目人才培养效果显著：项目负责人林京教授连续四年（2019~2022）入选科睿唯安全球高被引科学家；项目组成员中1人晋升为正高，6人晋升为副高，1人入选第七届中国科协青年托举人才。.依托该项目资助，项目组共发表学术论文63篇，其中SCI论文54篇，EI论文3篇，国际会议论文4篇，中文核心期刊2篇；代表论文发表在机械领域顶级期刊MSSP和航空航天领域顶级期刊AIAA J；授权专利8项，受理专利1项；获中国机械工业联合会机械工业科学技术发明一等奖、四川省科技进步二等奖、玛丽居里卓越贡献奖各1项；组织PHM亚太国际学术会议，来自14个国家的300多名学者参会；组织2022年全国设备监测诊断与维护学术会议并作大会报告，超1,000人参会。