基于双发差异的航空发动机故障诊断方法研究

曹惠玲，庞思凯，薛 鹏，黄乐腾，曲春刚

（中国民航大学航空工程学院，天津 300300）

航空发动机作为飞机的“心脏”对飞机的正常飞行有着举足轻重的地位，是飞机各设备系统中最为复杂的部分，而且由于其工作条件恶劣也是故障率最高的系统之一[1]。因此，科学有效的故障诊断技术不仅能准确检测发动机故障，保障飞行安全，而且能节约维修费用增加航空公司的经济效益[2]。航空事业日新月异的今天，对发动机的可靠性、维修性、适应性和经济性提出了越来越高的要求，为了满足要求，各种发动机监控和诊断方法应运而生。

目前，国内外故障诊断技术主要包括：气路参数的故障诊断，滑油、振动参数的诊断和寿命监视等。常用气路诊断方法包括：基于气动热力学原理的趋势分析法；基于小偏差的部件性能分析法；部件特性修正系数法；动态参数分析法和智能化诊断法等[3]。但这些方法的应用均离不开发动机基线，甚至对发动机基线的精确度要求很高，而目前中国自行提取的发动机基线不能满足各种机型在各种情况下的精度要求。为了避开基线的制约，本文提出一种基于双发差异监控的发动机气路故障诊断方法的设想，并从原理上说明其是切实可行的。

1 航空发动机的指印图故障诊断法

指印图故障诊断法是以状态监控和趋势分析为基础的一种较为普遍和准确的方法。其基本思想是将发动机的气路性能参数与指印图中经过大量实验和足够历史故障数据及故障现象的积累总结出的故障样板进行对照，以判断发动机的工作状态，同时结合其他一些技术手段对发动机故障进行定位，而诊断结果的准确度取决于有效的监控方法、正确的数据处理、科学的趋势分析以及大量精确的故障样板。

1.1 QAR数据监控

1997年中国民航以适航指令形式要求所有运输类飞机加装飞行数据记录设备（主要为QAR）[4]。QAR数据监控系统中监控了包括发动机控制、振动、滑油和气路等大量有价值的数据，近年来日益引起各研究部门和工程师们的注意，QAR数据中蕴藏的信息量巨大，可以作为航空发动机状态监控和故障诊断的主要数据来源和信息支持。

1.2 基于气动热力学的趋势分析法

燃气涡轮发动机的性能和可靠性的衰退是由其气路组件（主要包括风扇、压气机、燃烧室和涡轮）的退化而造成的。性能退化常见的原因包括压气机结垢及核心转子的磨损和侵蚀，密封的泄漏和气路部分的腐蚀等。这些物理故障会引起宏观可测量参数的变化，如温度、压力、转速和燃油流量等参数[5]。基于气动热力学的趋势分析法是现代航空部门应用比较广泛的一种诊断方法，其基本原理是把通过数据采集装置获取的气路主要截面的压力、温度、转子转速、燃油流量等参数，经过相似转换成为海平面标准大气条件下的标准数据，并将所得数据与其相应的气路基线模型进行对比，获得各参数的偏差值。应用经过平滑处理的偏差值绘制发动机参数性能趋势图，并依据趋势图进行状态趋势分析。

1.3 指印图简介

一定飞行条件和一定EPR（engine pressure ratio）下工作的航空发动机均有一组发动机性能参数与之相对应，主要有燃油流量、排气温度、高压转子转速和低压转子转速等。当发动机出现故障时这些性能参数会产生一定相对于发动机正常特性（基线值）的变化量，称为状态量偏差。同一故障状态下的各性能参数偏差的方向和大小不同但偏差的比例是固定的，而不同故障的性能参数偏差比例则不同。为了更加直观的将这些性能参数偏移组合与故障现象对应，将该映射关系绘制成条形图，状如五指不齐，故称指印图，如图1所示。

1.4 指印图故障诊断法

指印图故障诊断法是在通过趋势分析求取的各参数平滑偏差的基础上，着重对FF、EGT、N2、N1这4个性能参数的偏差进行分析，将以上4个参数的偏差与指印图上已有的故障样板进行对比，找出与之相似的故障样板，以达到故障诊断的目的。

图1 航空发动机指印图Fig.1 Aero-engine finger print

2 基于双发差异的航空发动机气路故障诊断

2.1 双发差异监控

安装在同一架飞机上同一型号的2台发动机，在巡航状态下控制指令和工作条件基本相同，所以正常工作状态下的2台发动机各项性能参数应基本保持一致，而实际中由于发动机的制造公差、安装公差、调整公差、仪表系统误差以及一些未知的误差导致2台发动机性能上略有差异，叫做差异初值，监控得到的性能参数并不相同。但这种性能参数之间的差异相对于性能参数本身影响不大，而且正常工作时该差异处于一种稳定的状态下不会出现较大的波动。因此，当这种差异出现较大波动时则可能出现故障，工程师会对其进行分析，判断故障类型。

2.2 双发差异代替状态量偏差

发动机基线通常是指机群中处于良好状态的发动机（一般是指新发动机）在一定的飞行条件下，某个状态参数与发动机控制量之间的函数关系[6]。发动机基线一般是由发动机设计、制造部门提供的一条理论平均的模型线。正常工作线是指发动机正常工作时气路性能参数随时间的变化规律，而某一时间点的气路性能参数也必定对应一定的控制量（EPR），基线模型上该控制量所对应的性能参数即为发动机正常运行的性能参数。所以正常工作线可以代替基线模型给发动机提供一个标准值为诊断所用。在趋势分析中已经提到，发动机故障状态下的实测性能参数相对于其基线值将存在相应的变化量称为状态量偏差。考虑到双发差异监控中2台发动机同时出现故障的几率极小，本文采用双发差异监控故障发动机与正常发动机特性参数之间的偏差，代替性能参数与基线之间的偏差进行故障诊断。具体步骤如下：

1）获取故障数据

当巡航状态下飞机上的2台发动机中某1台发生故障时，发动机某一或多个性能参数会出现相应明显的阶跃，而且飞机上配备的2台发动机将不再保持稳定的差异，继而由趋势分析可以区分故障发动机和正常发动机。QAR数据监测的全面性和准确性可以为双发差异监控提供满足诊断所需的数据。

2）数据处理

正确的数据处理是准确诊断的基础，为了使2台发动机之间参数能够进行比较，首先必须将其工作的外界环境统一到标准环境下，也就是参数的相似转换；性能指印图的应用通常要求油门杆恒定或发动机增压比固定，所以需要对数据（FF、EGT、N2、N1）进行标准化[3]。使得各参数与在固定增压比下的发动机正常工作的发动机参数具有可比性。

a.相似转换

b.标准化

提取特性参数数据进行标准化是为了使设计增压比条件下的2台发动机参数相当，即

其中：ΔEPR=EPR故障-EPR正常，标准化因子是通过对大量的飞行数据进行分析统计，将各气路性能参数和增压比EPR近似的认为是线性关系所得，即该参数与EPR的斜率，如表1[7]所示。

表1 标准化因子Tab.1 Standardized factors

2.3 绘制发动机双发差异监控工作线

为了使发动机工作状态更加直观，便于工程师选取故障点进行诊断，根据双发差异监控原理绘制双发差异监控图，包括左、右发动机中 FF、EGT、N1、N2 这4个参数，分别以监控参数为纵坐标，以巡航稳定时间序列（QAR数据中数据记录间隔为1 s）为横坐标绘制二位坐标图，以EGT（℃）为例如图2所示，选取发动机正常工作时的1 200个点。

图2 双发差异监控Fig.2 Twin difference monitoring

2.4 排除差异初值的影响

如图2所示，发动机正常运行时，左、右发工作线趋势基本相同，其差异基本稳定，即差异初值。基于基线的发动机故障诊断中所用的偏差值为故障发动机性能参数与基线值之间的偏差即自身的偏差（假设基线值与正常工作线是完全吻合的）。基于双发差异监控求得的偏差为左、右发相对偏差，而诊断所用的差异是数据处理后发动机自身偏差，受差异初值影响会产生一定的误差，因此诊断前要排除差异初值的影响。

1）差异初值的求取

为了使求取的差异初值更具有代表性，将所用数据按表2所示的条件进行筛选。

表2 数据筛选条件Tab.2 Data filters

计算公式

其中：L为左发；R为右发；n为筛选出数据的个数。

2）诊断偏差、相对偏差和差异初值的关系

如图3所示，2台发动机之间的差异包括：A—制造公差和调整公差；B—发动机安装影响；C—仪表系统误差；D—仪表不重复性；E—尚未考虑到的因素；F—故障。本文基线值即为左、右发的正常值，测量值即为除规定正常值以外的其他发动机的测量值。排除差异初值的影响即排除A+B+C影响，再进行诊断。

图3 差异初值与偏差的关系图Fig.3 Relationship between initial value and deviation

图4为双发差异监控中EGT工作线的图形展示，点22 427～22 841段为故障段工作线，右发EGT明显突然增大，双发差异初值改变。由图中标注可知，诊断偏差即为右发动机偏离正常趋势的自身偏差，用于和指印图的对比。相对偏差即为双发差异。图中所示诊断偏差为相对偏差和差异初值的和，但由于故障状态不同偏差的方向和大小不同，三者之间的关系也会不同，可按实际情况采取相应方案。

图4 EGT偏差关系参考图Fig.4 Deviation relationship chart for reference

2.5 利用所求偏差进行故障诊断

当各参数偏差量确定后，按照指印图故障诊断方法便可对故障进行诊断。为了便于匹配，基于4个性能参数建立一个四维向量空间如下：

1）设 EGT=x，FF=y，N2=z，N1=w；则向量 R=（x，y，z，w），所以样板库即指印图中故障参数的组合，可以向量的形式进行储存。

2）标准化后的故障数据可表示为向量的形式：R测=（x0，y0，z0，w0），而指印图中的数据将表示为：Ri=（xi，yi，zi，wi），其中i∈（1，n）。

下面介绍向量中的几个概念：

设V是Rn的一个非空子集，且对向量的加法和数乘封闭，则称V是一个n维向量空间。R测、Ri分别为 n 维向量空间中的向量，因此 R测=（x0，y0，z0，…），Ri=（xi，yi，zi，…），则：

R测和Ri的内积为

R的模为

则 R测、Ri的夹角

3）当向量R测与向量Ri之间的夹角接近或等于0时，则可判断该故障最可能为样板库中与Ri对应的故障状态。以三维空间向量为例，如图5所示。

图5 指印图匹配原理图Fig.5 Schematic graph of finger prints for matching

θ为故障向量与故障样板向量之间的夹角，θ越趋近于0，该故障就越有可能是Ri所对应的故障状态，但由于测量、装配等原因必然会存在一定误差，所以本方法将诊断出最有可能的3个故障，并按照可能性由大到小排列。如测得某故障点参数及分析结果如表3所示。

表3 某故障点的数据分析诊断结果Tab.3 Data analysis and diagnosis results of failure point

3 结语

本文结合趋势分析法、气路参数故障诊断方法和双发差异监控，对脱离基线限制的双发差异诊断方法进行了探索研究。从理论上分析了方法的可行性，应用QAR数据进行分析，说明该方法的实际应用。但由于本方法对数据精度要求高，而故障指印图上的信息量有限，诊断的准确性还有待提高。随着数据处理技术的提高和飞行经验的不断积累，指印图中信息量将会不断增加完善，这种方法的准确度也会越来越高，将促使该方法得到广泛的应用。

[1]YAN W Z，LI J C，GOEBEL K F.On improving performance of aircraft engine gas path fault diagnosis[J].Transactions of the Institute of Measurement and Control，2009，31（3）：275-291.

[2]郑 波，朱新宇.航空发动机故障诊断技术研究[J].航空发动机，2010，36（2）：22-25.

[3]孙 斌，张 津.发动机气路参数故障诊断法在EMS中的应用[J].航空发动机，1997（4）：15-19.

[4]曹惠玲，周百政.QAR数据在航空发动机监控中的应用研究[J].中国民航大学学报，2010，28（3）：16-19.

[5]SOUMIK SARKAR，KUSHAL MUKHERJEE，ASOK RAY，et al.Fault diagnosis and isolation in aircraft gas turbine engines[J].American Control Conference，2008，11（6）：2166-2170.

[6]钟诗胜，崔智全，付旭云.Rolls-Royce发动机基线挖掘方法[J].计算机集成制造系统，2010，16（10）：2265-2270.

[7]陈 果.航空器监测与故障诊断导论[M].北京：中国民航出版社，2007：286.