基于D-S证据理论的航空发动机早期故障诊断方法

孙玮琢

（91550部队，辽宁大连，116000）

基于D-S证据理论的航空发动机早期故障诊断方法

孙玮琢

（91550部队，辽宁大连，116000）

飞机飞行安全依托于航空发动机早期故障诊断。立足于故障诊断信息的收集与融合机理，基于D-S证据理论，从识别框架构建、信任函数指派、故障征兆数据融合和故障模糊诊断四大方面进行了研究，并加以试验。数据分析表明：该方法能够准确诊断航空发动机早期故障并将其控制在萌芽状态，克服了故障征兆和故障原因之间的盘根错节关系，使我国航空技术安全水平迈向了新高度。

D-S证据理论；航空发动机；早期故障；数据融合

引言

航空发动机是为飞机飞行提供动力的源泉，其正常运行对飞机安全飞行具有深远战略意义。在发动机早期故障诊断过程中，也就是在发动机还未造成事故前，就检测出故障并解决，是提高飞机飞行安全性和可靠性的根本，同时也为维修计划的制定和发动机使用寿命的延长提供帮助。基于D-S证据理论（以下简称证据理论）的航空发动机早期故障诊断（以下简称早期故障诊断）就是一种非常重要的方法。早期阶段的发动机故障特征非常不明显，而且具有很强的不确定性，仅仅通过单一特征很难判断出故障有无。同时，发动机结构比较复杂，且具有很多传感装置，使得故障检测更加困难。本文以此为突破口深入展开分析。

1 故障诊断信息的收集与融合机理

由于航空发动机的结构比较复杂，所以在早期故障诊断过程中，要对故障信息进行收集、融合，并深入分析，从而得到更加精确的发动机状态信息，以便及时发现其是否存在早期故障，以便维修人员能够第一时间进行维修。其实在故障诊断过程中，收集和融合故障信息的主要目的是及时发现发动机中的潜在信息，从而把故障控制在萌芽状态，以提高飞机飞行安全性和可靠性。

收集和融合在不同的诊断级别中有不同的应用。通常故障诊断有三个级别：

（1）传感器参数的收集和融合。这是航空发电机最常用故障诊断方式之一。传感器参数包括：润滑油的压力值、发动机排气口的温度值等。

（2）发动机故障征兆的融合。是指从发动机的独立结构中的得到运行状态的相关信息。运行状态包括：发动机线圈等零部件性能的变化，这也是本文主要研究的话题。

（3）决策级别的信息收集和融合。是指对收集和融合的信息进行分析决策，例如：发动机受损程度的评估，以及相应维修策略的制定。

航空发动机和普通发动机有很大区别。航空发动机发生故障时，信号比较弱，而且具有很强的不确定性和随机性。在实际早期故障诊断过程中，为获得准确故障信息，需要把很多传感器的数据融合为一体进行诊断。在这一过程中使用最多的方式就是传统的贝叶斯理论，但需要大量数据信息作为支撑。航空发动机的系统复杂性使得贝叶斯理论在应用过程中经常遇到很多难以克服的问题，比如：贝叶斯理论需要大量的运算，很难获得先验概率以及相关概率的密度函数，也就无法形成统一的判别函数，大大降低了早期故障诊断的准确性。而证据理论是在贝叶斯理论的基础上发展而来，通过概率分配函数来表示早期故障的假设，再通过相应的信任函数表示证据的不确定性，从而区分命题的不确定性，获得更加精确的早期故障特征。

2 基于D-S证据理论的航空发动机早期故障诊断模型

2.1 识别框架的构建

顾名思义，D-S证据理论是由Dempster于1976年提出，由Shafer于1976年完善而形成的，为航空发动机早期故障征兆的融合开创了先河。基于D-S证据理论的航空发动机早期故障诊断模型，首先要构建相应的识别框架。但是航空发动机的结构非常复杂，在实际运行过程中，为了提高故障诊断准确性，需要安装大量的传感器检测各个零部件的运行状态，把其所有的故障征兆都作为证据理论的基础框架，以很大程度上提高准确性。例如，对发动机上的振动传感器要进行一定假设，即一倍工频、二倍工频、最低工频和最高工频作为航空发动机早期故障的针对假设，把所有能够反应早期故障的征兆收集到一起进行分析。

设构建的识别框架为

其中，q0表示征兆的空集，q1表示第1个故障征兆，q2表示第2个故障征兆，依次类推。通过建立航空发动机早期故障征兆的幂集，可保证故障诊断顺利准确地进行[1]。

2.2 基本信任函数指派

当识别框架建立完成后，根据相应总结的数据建立信任函数。这一过程中，假设航空发动机有N个传感器，但故障总共有M个，而且每个传感器上的故障征兆都不相同，相互之间也没有影响，这就需要在每个传感器上都建立一个故障征兆向量[2]。令

其中，x表示一个测量周期中航空发动机发生早期故障征兆的参数，也就是航空发动机的运行状态。x1表示传感器中第1个故障征兆的相应数值，也就是此零部件上发生早期故障的原因。m表示发动机中总共发生故障的数目，如果发动机没有正常运行状态，且没有相应故障发生，此时x的数值就是0。例如，某航空发动机检测信号中x1表示了D-S证据理论中假设的一倍工频，x2表示了二倍工频，但是传感器在测量过程中不能检测到故障频率，那么就说明此发动机能够保证飞机正常飞行。通过上文分析，可以用矩阵来表示相应关系：

例如，snm表示航空发动机第n个传感器上第m个故障征兆的数值，当snm数值等于0时，就表示不存在故障[3]。

2.3 故障征兆数据融合

矩阵S中的数值是通过证据理论而获得的，那么在故障征兆数据融合工程中，就需要通过两两融合的方式，提高早期故障诊断的准确性，从而获得传感器中最大的，而又最后的征兆向量

其中t1表示融合后得到的第1个故障征兆的总信任指派函数，通过证据理论的融合，T包含了所有传统传感器的故障征兆信息，如图1所示。

图1 故障征兆数据融合过程

2.4 故障模糊诊断

在基于证据理论的航空发动机早期故障诊断过程中，需要利用相应的故障征兆向量和模糊关系进行矩阵乘积，获得航空发动机早期故障的发生原因，进而获得真实原因。航空发动机早期故障征兆向量在识别框架构建、基本信任函数指派、故障征兆数据融合过程中已经明确得出，而通常情况下还需要整理航空发动机运行数据、总结检修经验，从而得到模型实验结果，并进行相应的理论分析。这些数据和经验需要通过专家的知识和经验来进行确定，这样证据理论不但保证了其通用性，还能把航空发动机的运行状态进行充分体现。由于航空发动机非常重要，而又和普通发动机有本质区别，所以一个故障可能产生很多故障征兆，一个征兆又可能由不同的故障原因而引起，所以关系盘根错节[4]。

3 数值计算和结果分析

航空发动机系统的错综复杂，使得故障征兆、故障原因分析难度也大大增加。通过融合大量文献的思想，对以上问题进行了计算。取某个航空发动机转子中的3个传感器信号作为主要的计算源信号，这3个传感器故障征兆分别为1倍频幅值（s1）、2倍频幅值（s2）和6倍频幅值（s3）。所测数据特征值如表1所示，并由图2直观显示。

表1 传感器所测数据特征值

图2 各故障征兆下各传感器所测数据特征值

从图2图表不难看出，不同的故障征兆对应着不同的故障原因，查询相关技术手册得知，故障原因分别是发动机转子轴不对中（h1），发动机转子轴颈和轴承偏心（h2）及转子轴承刚度不相等（h3）[5]。

4 结束语

综上所述，航空发动机早期故障诊断对保障飞机的飞行安全有着非常重要的作用，必须加以重视，把相应故障控制在萌芽当中。本文通过融合大量相关文献思想，对基于D-S证据理论的航空发动机早期故障诊断进行了深入分析，希望对提高我国航空业安全技术水平有一定帮助。

[1]胡金海, 余治国, 翟旭升, 等. 基于改进D-S证据理论的航空发动机转子故障决策融合诊断研究[J]. 航空学报, 2014, 35(2): 436-443.

[2]翟旭升, 胡金海, 谢寿生, 等. 基于DSmT的航空发动机早期振动故障融合诊断方法[J]. 航空动力学报, 2012, 27(2): 301-306.

[3]吴娅辉, 李新良, 张大治. 基于D-S证据理论的航空发动机振动故障分析[J]. 计算机应用与软件, 2012, 29(6): 105-108.

[4]郝腾飞, 陈果, 廖仲坤, 等. 基于正则化多核判别分析的航空发动机滚动轴承早期故障融合诊断方法[J]. 航空动力学报, 2013, 28(12): 2759-2770.

[5]胡金海, 夏超, 彭靖波,等. 一种基于相邻模块化加权D-S的融合诊断方法[J]. 航空学报, 2016, 37(4): 1174-1183.

Diagnosis Method on Incipient Faults of Aeroengine based on D-S Evidence Theory

SUN Wei-zhuo
(91550 Forces, Dalian, Liaoning,116000, China)

Safety of aircraft flight depends on diagnosis on incipient faults of aeroengine. Based on mechanisms of collection and fusion of fault diagnosis information as well as D-S evidence theory, Research and validations are carried out from four aspects such as establishment of frame of discernment, assignment of belief function, fusion of fault symptom data and diagnosis of fuzzy fault. The data analysis shows that, such a method can accurately diagnose the incipient faults of aeroengine and control them in the bud, overcoming the perplexing relations between the symptom and cause of fault, which leads the technology of aviation safety level in China to a new level.

D-S Evidence Theory; Aeroengine; Incipient Fault; Data Fusion

V241.7

A

2095-8412 (2016) 06-1281-03

10.14103/j.issn.2095-8412.2016.06.062

孙玮琢(1982-)，男，河北唐山人，工程师。研究方向：装备可靠性评估。