航空發動機故障智能檢測技術研究

盧偉榮

中國航發南方工業有限公司 湖南株洲 412002

航空發動機是一種極其復雜且精密度極高的熱力機械，通常是由主燃燒室、增壓機、低壓渦輪、風扇、高壓壓氣機、高壓渦輪、外涵道、尾噴管、進氣道、內涵道等構件組成，是維持飛機穩定運行的重要機械設備。

1 航空發動機故障診斷的意義

航空的事業的進步和發展不僅同我國國防戰略之間緊密相關，并且也同乘客的安全聯系密切，航空事業發展在世界前沿位置，可以在一定程度上展示出我國的綜合國力。在航空領域中，發動機系統作為整個飛行系統的重點，要求確保發動機系統的有序運行，才能保證飛行過程中的安全保證。因此，航空發動機故障診斷作為航空事業發展中十分重要的環節。

典型的航空發動機故障主要包括：穩定性故障、氣路故障、振動故障、磨損故障、熄火故障、軸承故障、結構疲勞、控制系統故障等[1]，傳統的故障檢測方法費時費力且耗費巨大。隨著科技的發展，眾多學者在模型與傳感器數據分析的基礎上，結合各種算法，開發出眾多新的診斷方法[2]。

2 航空發動機故障診斷

2.1 RBF 神經網絡模型

RBF 網絡具體可劃分為三層，各層具有不同的功能，以一系列源點作為主要構成的輸入層負責完成RBF 網絡同外界的聯合過程；中間層內含一個隱層，主要負責完成輸入空間到隱層空間的轉換（屬于非線性變換），通過基函數（位于隱層中）影響外部輸入信號，在 RBF 網絡系統中，以輸入向量為依據徑向基神經元會將其同各神經元權值的距離值進行輸出，當輸入量同網絡中神經元權值距離較大時，其所產生的輸出值接近于 0，系統線性神經元受到較小的輸出值的影響較小可忽略；當所產生的輸出值接近于1 時會激發第二層線性神經元權值輸出[2]。

2.2 基于互信息屬性約簡的故障診斷數據預處理

波蘭科學家Pawlak 于1982 年提出的粗糙集理論（rough sets，RS）是一種處理不相容、不精確或不完全數據的強有力工具，已成功地應用于機器學習以及模式識別等領域。由于數據量的逐漸增長，知識約簡這一粗糙集理論的核心內容尤為重要，合理地刪減冗余信息，減小冗余數據對挖掘數據知識的影響，能夠大幅減小數據處理的計算復雜度，提高系統潛在知識的清晰度，為各類基于粗糙集理論的機器學習、模式識別等算法提供更大的幫助。在此方面，很多學者從不同角度都進行了研究。

在信息論中，互信息是一種衡量兩個變量相關性的重要且有效的手段，它描述了兩組變量之間信息共享的程度，即已知一個變量的信息對另一個變量不確定程度減少的程度，這一工具被廣泛應用至各個領域，它可以用信息熵與條件熵的差值計算得到，引入決策系統，其其定義如下：

其中H（C）為條件屬性的信息熵，H（D|C）為條件屬性集相對于決策屬性集D 的條件熵。

2.3 深度信念網絡

所謂深度信念網絡，通常是由受限玻爾茲曼機層與輸入、輸出層共同組合而成，隱含層H0 輸入層V 共同組成RMB0，即首個受限玻爾茲曼機層，同理，H0 與H1 也組成了RMB1，H1 和H2組成了RMB2，最后輸出層和H2 之間可構成softmax 層。由于RBM 是由不同層神經元共同組合而成，因此我們可以將其分為兩大類，其一是可見層內的神經元，其二則是隱含層內的神經元。以渦軸發動機的氣路故障診斷為例，我們先基于深度信念網絡的理念對其創建相應的故障模型，具體要點如下：第一，明確氣路故障類型，如燃燒室效率故障、燃氣渦輪效率故障、壓氣機效率故障、燃燒室壓力故障、動力渦輪效率故障；第二，設定特征參數，如壓氣機設備中的出口溫度為T3、出口壓力為P3，燃氣渦輪設備中的出口溫度為T42、出口壓力為P42，燃燒室所對應的出口壓力為P4，動力渦輪設備的出口壓力為P45、燃油量為Pf、出口溫度為T45、負載大小為Pw；第三，將發動機設備的氣路故障以及正常運行狀態與故障模型中的節點相對應；第四，根據發動機設備處于故障狀態時所產生數據信息之間的差異性，我們可將氣路故障數據分為測試組數據和訓練組數據；第五，將故障模型中的首層定義為輸入層，該層主要對應的是發動機設備出現故障時工作人員所觀測到的數據信息，中間層我們定義為隱含層，其結構為RMB，隱含層中各節點的數量設置可參考神經網絡結構，可結合實際情況進行適當地調整，最后一層定義為softmax 層，共6 個節點，用以對應發動機設備的六種運行狀態；第六，工作人員可通過對比散度的算法來完成對該故障模型的訓練；第七，對該故障模型進行最終的數據測試，根據其故障診斷結果來判斷是否需要進一步調整[3]。

2.4 BP 神經網絡

BP 神經網絡是一種按照誤差反向傳播算法訓練的多層前饋網絡。

BP 神經網絡學習包括信號的前向傳播和誤差的反向傳播兩個過程。

BP 網絡三層節點表示為: 輸入節點xj，隱節點yi，輸出節點Ol。輸入節點與隱節點間的網絡權值為ωij，閾值為θi；隱節點與輸出節點間的網絡權值為Tli，閾值為θl；輸出節點的期望輸出為tl。

3 結語

智能診斷是信息網絡時代中先進科學技術在航空領域中不斷地滲透而衍生出的一種新型故障診斷技術，也是未來發動機設備故障診斷的重要發展趨勢，其不僅對于航空發動機運行過程中微末的異常數據極度敏感，能夠快速幫助工作人員識別氣路故障問題，同時還具有較高的正確率，大幅度減少航空飛行中的安全事故，對于維護飛機穩定飛行有著非常重要的意義。