航空发动机故障诊断技术探究

◎司文东

航空发动机被誉为飞机的“心脏”，一旦出现故障问题就会带来比较严重飞行事故。因此需要通过故障诊断的形式，对航空发动机进行运行监测，并对监测数据进行分析，从而对发动机的实际情况进行评估，确定其鼓掌等级并制定相应的保养和维修措施。由于航空发动机故障诊断技术有着比较高的经济价值和社会价值，同时也是保障飞机安全、可靠飞行的重要措施，因此这项技术也已经成为广大技术人员积极研究的内容。

一、航空发动机故障诊断的必要性

航空发动机是航空设备在飞行过程中的主要动力来源，其精度和密度都非常高，而且内部结构复杂。发动机的故障诊断技术应用的主要目的是对故障的类型进行分析，并对故障点进行确认，然后通过计算与分析对故障的维修计划进行制定。一般情况下，可以将航空发动机的故障大体可以分为机械性能故障、结构稳定性故障以及其他辅助系统故障等方面。航空发动机由于其自身的精密性和复杂性，以及使用环境的特殊性，出现运行故障问题是无法避免的。因此航空发动机的故障诊断工作是非常有必要的。首先，故障诊断技术具有比较突出的及时性、准确性和适应性，可以在最短的时间内发现故障问题，识别故障类型并对故障点进行确认，可以提高故障检修的工作质量和效率；其次，能够避免航空发动机出现更为严重的故障问题、或者出现结构性损伤或者永久性破坏，可以降低航空发动机维修过程中的人力、物力和财力的投入成本；第三，故障诊断可以减少飞机故障停飞的时间，同时在缩减故障检修成本的基础上，提高飞机的实际运行价值，提升其经济收益。

二、航空发动机故障诊断的流程分析

1.故障信息的收集。

对故障信息进行收集，这是故障诊断的基础，也是关键环节。通常情况下，一切与航空发动机相关的数据都可以作为信息进行收集，例如发动机的震动情况、发动机转速、发动机温度、是否存在噪音、叶片是否存在受损等方面。如果没有完整的故障信息作为支撑，也就无从谈起故障诊断。技术人员在收集信息时，需要特别注意航空发动机的内部传感器，这是信息收集的主要位置。

2.故障诊断信息的处理与分析。

故障信息在收集完毕后，需要对数据信息进行处理，主要是辨别数据信息的价值以及是否准确、真实，要将数据变为能够为故障诊断提供支持和决策干预的有用信息。数据信息的分析方法比较多，例如频域分析、时域分析、倒频谱分析等处理方法，技术人员可以根据实际情况进行选择，从而保证故障诊断结论的准确性。

3.故障的类型诊断。

航空发动机的故障类型比较多，既有机械方面的故障，也会存在电力系统故障、动力故障等方面。技术人员需要根据接收到的故障反馈信息，根据相关技术原理、故障识别技术以及诊断处理措施，对故障的类型及未来变化趋势进行分析，从而判断故障的威胁度，判断故障是否存在进一步发展的情况，并为维护和修理提供技术方案支持。

三、航空发动机故障诊断技术分析

1.物理化学故障诊断技术。

通过伴随出现的各种物理和化学现象，直接检测故障。例如可以利用振动、声、光、热、电、磁、射线、化学等多种手段，观测其变化规律和特征，用以直接检测和诊断故障。这种方法形象、快速，十分有效，但只能检测部分故障。

2.基于信号处理故障诊断技术。

该方法是诊断领域应用较早的方法之一，主要采用阈值模型。信号分析采用较多的主要有时域、频域、幅值、时—频域特性分析等。信号处理方法主要有：峰值、均方根值、波峰系数、波形系数、偏斜度指标等参数分析，相关分析法，包络分析法，最大熵谱法，倒频谱法，同步信号平均法，自回归谱分析法，小波分析，分形分析等。信号分析方法是其它诊断方法的基础。

3. 基于规则的专家系统故障诊断技术。

基于规则的方法又称产生式方法，早期的故障诊断专家系统都是基于规则的，这些规则是从专家的经验中总结出来，用来描述故障和征兆的关系。该方法的优点是知识表示简单、直观、形象、方便，使用直接的知识表示和相对简单的启发式知识，诊断推理速度快；要求数据的存储空间相对较小；易于编程和易于开发出快速原型系统。缺点是知识库覆盖的故障模式有限，对未出现过的和经验不足的故障诊断就显得无能为力；当知识库中没有相应的与征兆匹配的规则时，易造成误诊或诊断失败。

4.基于故障树的故障诊断技术。

故障树是一种体现故障传播关系的有向图，它以诊断对象最不希望发生的事件作为顶事件，按照对象的结构和功能关系逐层展开，直到不可分事件（底事件）为止。它的优点是能够实现快速诊断；知识库很容易动态修改，并能保持一致性；概率推理可在一定程度上被用于选择规则的搜寻通道，提高诊断效率；诊断技术与领域无关，只要相应的故障树给定，就可以实现诊断。缺点是由于故障树是建立在元件联系和故障模式分析的基础之上的，因此不能诊断不可预知的故障；诊断结果严重依赖故障树信息的完全程度。

5. 基于神经网络原理的故障诊断技术。

从映射的角度分析，故障诊断的实质是建立从征兆到故障源的映射过程。人工神经网络的优点是高度非线性、高度容错和联想记忆等。但是，人工神经网络应用于故障诊断也存在许多不足，诊断方法属“黑箱”方法，不能揭示出系统内部的一些潜在关系，无法对诊断过程给予明确解释。网络训练时间较长，并且对未在训练样本中出现的故障无诊断能力，甚至得出错误诊断结论，这些都增加了神经网络在实际应用中的困难。

结语：航空发动机故障诊断是一项长期性工作，需要技术人员和故障诊断人员对这项工作有足够的责任心，对航空发动机故障诊断有足够的了解，要认识到加强发动机故障诊断的重要性和必要性。技术人员要灵活运用各种故障诊断技术，每项技术都有其独特的应用效果。同时要提高对故障诊断的辨识能力，积极完成技术的创新，这样才能提高航空发动机的故障诊断技术的应用效果，保证发动机可以安全稳定运行，确保这项工作可以实现可持续发展。