航空发动机故障智能检测技术研究

卢伟荣

中国航发南方工业有限公司 湖南株洲 412002

航空发动机是一种极其复杂且精密度极高的热力机械，通常是由主燃烧室、增压机、低压涡轮、风扇、高压压气机、高压涡轮、外涵道、尾喷管、进气道、内涵道等构件组成，是维持飞机稳定运行的重要机械设备。

1 航空发动机故障诊断的意义

航空的事业的进步和发展不仅同我国国防战略之间紧密相关，并且也同乘客的安全联系密切，航空事业发展在世界前沿位置，可以在一定程度上展示出我国的综合国力。在航空领域中，发动机系统作为整个飞行系统的重点，要求确保发动机系统的有序运行，才能保证飞行过程中的安全保证。因此，航空发动机故障诊断作为航空事业发展中十分重要的环节。

典型的航空发动机故障主要包括：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、结构疲劳、控制系统故障等[1]，传统的故障检测方法费时费力且耗费巨大。随着科技的发展，众多学者在模型与传感器数据分析的基础上，结合各种算法，开发出众多新的诊断方法[2]。

2 航空发动机故障诊断

2.1 RBF 神经网络模型

RBF 网络具体可划分为三层，各层具有不同的功能，以一系列源点作为主要构成的输入层负责完成RBF 网络同外界的联合过程；中间层内含一个隐层，主要负责完成输入空间到隐层空间的转换（属于非线性变换），通过基函数（位于隐层中）影响外部输入信号，在 RBF 网络系统中，以输入向量为依据径向基神经元会将其同各神经元权值的距离值进行输出，当输入量同网络中神经元权值距离较大时，其所产生的输出值接近于 0，系统线性神经元受到较小的输出值的影响较小可忽略；当所产生的输出值接近于1 时会激发第二层线性神经元权值输出[2]。

2.2 基于互信息属性约简的故障诊断数据预处理

波兰科学家Pawlak 于1982 年提出的粗糙集理论（rough sets，RS）是一种处理不相容、不精确或不完全数据的强有力工具，已成功地应用于机器学习以及模式识别等领域。由于数据量的逐渐增长，知识约简这一粗糙集理论的核心内容尤为重要，合理地删减冗余信息，减小冗余数据对挖掘数据知识的影响，能够大幅减小数据处理的计算复杂度，提高系统潜在知识的清晰度，为各类基于粗糙集理论的机器学习、模式识别等算法提供更大的帮助。在此方面，很多学者从不同角度都进行了研究。

在信息论中，互信息是一种衡量两个变量相关性的重要且有效的手段，它描述了两组变量之间信息共享的程度，即已知一个变量的信息对另一个变量不确定程度减少的程度，这一工具被广泛应用至各个领域，它可以用信息熵与条件熵的差值计算得到，引入决策系统，其其定义如下：

其中H（C）为条件属性的信息熵，H（D|C）为条件属性集相对于决策属性集D 的条件熵。

2.3 深度信念网络

所谓深度信念网络，通常是由受限玻尔兹曼机层与输入、输出层共同组合而成，隐含层H0 输入层V 共同组成RMB0，即首个受限玻尔兹曼机层，同理，H0 与H1 也组成了RMB1，H1 和H2组成了RMB2，最后输出层和H2 之间可构成softmax 层。由于RBM 是由不同层神经元共同组合而成，因此我们可以将其分为两大类，其一是可见层内的神经元，其二则是隐含层内的神经元。以涡轴发动机的气路故障诊断为例，我们先基于深度信念网络的理念对其创建相应的故障模型，具体要点如下：第一，明确气路故障类型，如燃烧室效率故障、燃气涡轮效率故障、压气机效率故障、燃烧室压力故障、动力涡轮效率故障；第二，设定特征参数，如压气机设备中的出口温度为T3、出口压力为P3，燃气涡轮设备中的出口温度为T42、出口压力为P42，燃烧室所对应的出口压力为P4，动力涡轮设备的出口压力为P45、燃油量为Pf、出口温度为T45、负载大小为Pw；第三，将发动机设备的气路故障以及正常运行状态与故障模型中的节点相对应；第四，根据发动机设备处于故障状态时所产生数据信息之间的差异性，我们可将气路故障数据分为测试组数据和训练组数据；第五，将故障模型中的首层定义为输入层，该层主要对应的是发动机设备出现故障时工作人员所观测到的数据信息，中间层我们定义为隐含层，其结构为RMB，隐含层中各节点的数量设置可参考神经网络结构，可结合实际情况进行适当地调整，最后一层定义为softmax 层，共6 个节点，用以对应发动机设备的六种运行状态；第六，工作人员可通过对比散度的算法来完成对该故障模型的训练；第七，对该故障模型进行最终的数据测试，根据其故障诊断结果来判断是否需要进一步调整[3]。

2.4 BP 神经网络

BP 神经网络是一种按照误差反向传播算法训练的多层前馈网络。

BP 神经网络学习包括信号的前向传播和误差的反向传播两个过程。

BP 网络三层节点表示为: 输入节点xj，隐节点yi，输出节点Ol。输入节点与隐节点间的网络权值为ωij，阈值为θi；隐节点与输出节点间的网络权值为Tli，阈值为θl；输出节点的期望输出为tl。

3 结语

智能诊断是信息网络时代中先进科学技术在航空领域中不断地渗透而衍生出的一种新型故障诊断技术，也是未来发动机设备故障诊断的重要发展趋势，其不仅对于航空发动机运行过程中微末的异常数据极度敏感，能够快速帮助工作人员识别气路故障问题，同时还具有较高的正确率，大幅度减少航空飞行中的安全事故，对于维护飞机稳定飞行有着非常重要的意义。