現(xiàn)代航空燃?xì)鉁u輪發(fā)動機(jī)故障分析與智能診斷關(guān)鍵技術(shù)研究.pdf

1、以軍用飛機(jī)和導(dǎo)彈為代表的現(xiàn)代武器裝備的動力裝置——航空燃?xì)鉁u輪發(fā)動機(jī)是一個典型的復(fù)雜機(jī)械系統(tǒng)，其結(jié)構(gòu)復(fù)雜，工作狀況惡劣，容易發(fā)生各種機(jī)械故障。發(fā)動機(jī)的氣路部件的失效、旋轉(zhuǎn)部件的振動和摩擦副的磨損等各類故障均嚴(yán)重影響其運(yùn)行的安全性、可靠性和高效性。因此，提高和完善發(fā)動機(jī)的狀態(tài)監(jiān)測和故障診斷技術(shù)，為渦輪噴氣武器裝備的研制提供有力的技術(shù)支撐，具有十分重要的意義。 對燃?xì)鉁u輪發(fā)動機(jī)的故障研究與分析可以分為兩方面問題：其一是對故障發(fā)動機(jī)

2、進(jìn)行分解拆卸，對故障進(jìn)行斷口及裂紋分析及壽命評估，發(fā)現(xiàn)其故障原因和機(jī)理，從而發(fā)現(xiàn)設(shè)計的薄弱環(huán)節(jié)并改進(jìn)之。其中故障模式影響分析是實施發(fā)動機(jī)故障分析的重要方法和手段；其二，在不進(jìn)行發(fā)動機(jī)分解的情況下，僅僅通過檢測故障發(fā)動機(jī)的有限檢測參數(shù)來實現(xiàn)故障定位、定性及定因。燃?xì)鉁u輪發(fā)動機(jī)由于存在強(qiáng)烈非線性、非平穩(wěn)性、不確定性等復(fù)雜系統(tǒng)特征，導(dǎo)致了基于傳統(tǒng)經(jīng)典數(shù)學(xué)理論建模求解的困難性，因此基于多源、異構(gòu)、不完備、不確定信息的復(fù)雜系統(tǒng)的狀態(tài)診斷問題變得極

3、富挑戰(zhàn)性。而神經(jīng)網(wǎng)絡(luò)、遺傳算法、模糊邏輯、專家系統(tǒng)及粗糙集理論等非經(jīng)典數(shù)學(xué)方法為解決此類問題提供了有效途徑。 本文圍繞現(xiàn)代燃?xì)鉁u輪發(fā)動機(jī)的故障分析與智能診斷若干關(guān)鍵問題展開了研究，現(xiàn)將文中的主要工作內(nèi)容及創(chuàng)新點(diǎn)總結(jié)如下： （1）軍用發(fā)動機(jī)故障模式影響分析(Fault Mode Effect Analysis：FMEA)是發(fā)動機(jī)研制過程中可靠性工程的重要部分，通過開展FMEA工作，對發(fā)動機(jī)所有可能潛在的故障模式作出分析

4、并研究故障產(chǎn)生的原因，能夠發(fā)現(xiàn)設(shè)計上的可靠性薄弱環(huán)節(jié)，相應(yīng)提出預(yù)防和解決的對策，最終能夠提高軍用發(fā)動機(jī)的可靠性，并確保發(fā)動機(jī)在飛行試驗中可靠工作。本章針對某軍用發(fā)動機(jī)試樣研制階段的地面、飛行試驗各階段中可能發(fā)生的各種故障模式、發(fā)生故障的原因及其對發(fā)動機(jī)工作過程和飛行試驗的影響進(jìn)行了分析，列出了該型發(fā)動機(jī)試樣研制階段的FMEA表。 （2）利用軍用發(fā)動機(jī)故障模式影響分析(FMEA)方法，對發(fā)動機(jī)高壓渦輪葉片可能潛在的斷裂故障模式做

5、出FMEA分析。在發(fā)動機(jī)殘骸分解檢查、高壓渦輪轉(zhuǎn)子葉片斷口分析、發(fā)動機(jī)性能計算、控制系統(tǒng)工作分析、發(fā)動機(jī)工作壽命分析等工作的基礎(chǔ)上，對故障發(fā)生的原因和機(jī)理進(jìn)行了研究，形成飛行試驗中某發(fā)動機(jī)高壓渦輪葉片斷裂故障發(fā)生的原因及結(jié)論。 （3）在燃汽渦輪故障診斷中，應(yīng)該充分利用各種信息，而不應(yīng)僅局限于一種信息。因為從診斷學(xué)角度來看，任何一種診斷信息都是模糊的不精確的。任何一種診斷對象，單用一方面信息來反映其狀態(tài)行為都是不完整的，只有從多

6、方面獲得關(guān)于同一對象的多維信息，并加以融合利用，才能對發(fā)動機(jī)進(jìn)行更可靠、更準(zhǔn)確的監(jiān)測與診斷。本文提出一種集成神經(jīng)網(wǎng)絡(luò)的融合診斷方法，并針對燃?xì)鉁u輪發(fā)動機(jī)磨損故障診斷問題，實現(xiàn)發(fā)動機(jī)磨損故障的融合診斷。 （4）基于規(guī)則的專家系統(tǒng)是人工智能應(yīng)用最為成功的領(lǐng)域。本文將基于知識規(guī)則的診斷方法應(yīng)用于燃?xì)鉁u輪發(fā)動機(jī)的磨損故障診斷，構(gòu)建了知識庫、設(shè)計了正反向推理機(jī)、研究了基于粗糙集理論的知識自動獲取方法，有效地克服了基于規(guī)則的專家系統(tǒng)知識獲

7、取困難的問題、同時針對實際情況中故障征兆的變化，提出了一種基于可擴(kuò)展知識庫的動態(tài)柔性診斷方法。 （5）由于案例的獲取比規(guī)則容易，因此，基于案例推理（Case-Based Reasoning：CBR）方法是目前構(gòu)建專家系統(tǒng)最有效的工具。本文研究了一種基于案例推理CBR的燃?xì)鉁u輪發(fā)動機(jī)排故專家系統(tǒng)，首先構(gòu)建了案例庫；然后結(jié)合字符型字段匹配技術(shù)和KNN方法（最近相鄰法）提出了針對發(fā)動機(jī)排故案例的案例檢索模型；最后研究了基于差異驅(qū)動的