不确定信息处理理论在航空发动机故障诊断中的(2)

三、故障数据生成

1 航空发动机故障数据仿真模型建立

航空发动机是一个由多个复杂功能部件组成的非线性系统，在实际建模过程中，严格模拟发动机的非线性过程并建立一个可解析的模型是十分困难的，因此通常采用局部线性化的方法得到航空发动机系统近似的线性模型，也就是只考虑发动机在某一个工作点附近的状态变化，在该处采用线性模型进行代替。对发动机的若干个工作点采用这样的线性模型进行替代，从而组成线性状态变量模型。以模型涡扇航空发动机为例建立其部件及模型，工作截面图如图3所示。

图3 模型涡扇航空发动机工作截面图

2 故障数据生成

航空发动机的运行状态主要分为正常状态、异常状态和故障状态。故障是指航空发动机中的重要参数或者性能指标发生了很大的偏差，不在正常范围内波动，导致系统性能和功能丧失的程度不可容忍。在航空发动机使用过程中，常见的典型故障主要包括：控制系统故障、稳定性故障、气路故障、振动故障、磨损故障、熄火故障、轴承故障以及结构疲劳故障等。

控制系统故障是重要的发动机故障模式，占航空发动机故障总量的 80%。按系统结构分，控制系统故障包括受控对象故障、传感器故障、执行机构和控制器故障；按故障程度分，控制系统故障包括缓变故障和突变故障。缓变故障又称软故障，表现为元件参数随时间的推移和环境的变化而缓慢变化的故障；突变故障又分为硬故障和脉冲故障，表现为元件参数发生较大的突变性变化或输出信号在正常值基础上发生瞬时输出突变，故障信号表现为阶跃信号或尖峰脉冲信号。此外，还有由于元件老化、容差不足或接触不良引发的间隙故障等。

四、故障诊断实施

仿真生成航空发动机故障数据后，即可提取适合的数据特征进行故障诊断实施。

1 故障数据预处理

受到测量噪声和系统噪声的影响，导致航空发动机传感器测量的数据波动大，直接进行故障诊断效果差，因此需要对数据进行预处理。本小节中故障数据预处理包括数据截取和平滑滤波两部分。首先，对仿真生成的一段时间内的故障数据以 10ms 为单位进行截取，共截取 100 段数据。然后，对截取的数据进行滤波处理。

2 故障信号特征提取

对数据进行滤波处理后即可生成 100 段各种类型的故障数据。为判别故障模式，需对数据进行特征提取，典型的信号特征有以下 10种。

上述特征中，歪度也称为偏斜度，反映信号对纵坐标的不对称性，歪度越大，不对称越厉害。峭度对大幅值非常敏感，对检测信号中的脉冲性的故障比较有效。脉冲指标、裕度指标、峭度指标对于脉冲类故障比较敏感，特别是在故障早期时具有明显变化，但指标值上升到一定程度后，随着故障的持续发展，指标值反而会下降，说明这几类指标对故障早期比较敏感，但是持续性较差。考虑到硬故障、软故障、脉冲故障的特点，本部分最终选择采用均值、标准差、峭度三种特征作为故障诊断的特征。

3 故障样本库建立

对第 2 步提取特征后的故障数据信号建立均值、标准差、峭度三种特征下的三角模糊数模型，并生成故障样本库，具体步骤如下。

本部分为建立故障样本库共采集了 100 组特征数据样本，各样本包含 3 个特征，分别为均值、标准差、峭度，每个特征被看作是一个信息源。这些样本属于四种故障类别，这四类故障构成辨识框架Θ = {N,H,S,M}，其中，N 为无故障，H 为硬故障，S 为软故障，M 为脉冲故障。

4 故障识别

考虑到航空发动机传感器测量数据存在不精确性、不一致性等问题，本部分内容采用基于证据理论数据融合方法进行航空发动机故障诊断，包含以下四个步骤：第一，生成待检模式数据；第二，匹配待检模式数据与建立的故障样本库；第三，BPA 融合；第四，决策。

本部分只基于单传感器对其进行多时刻、多故障特征下融合的故障诊断，可将其扩展至多传感器实现多传感器故障诊断。

﹀

﹀

﹀

《不确定信息处理及应用》

书号：381

作者：蒋雯 邓鑫洋（西北工业大学）

责任编辑：祝洁

内容简介

不确定信息处理是信息学科的重要研究领域，其在故障诊断中的应用和实践，不仅促进了相关理论的发展，而且为不确定环境下的故障诊断提供了技术支撑。本书介绍了多种不确定信息处理理论在故障诊断中的应用研究，全书共6章，内容涉及故障诊断与不确定信息处理基本概述，证据融合和证据网络在故障诊断中的应用，基于Z-number理论的故障诊断和人因可靠性分析，中智集理论的故障诊断应用和失效模式风险分析，基于不确定信息处理的航空发动机故障诊断。

文章来源：《史学理论研究》 网址: http://www.sxllyjzzs.cn/zonghexinwen/2021/0504/450.html