[发明专利]一种飞机发动机性能监控与故障诊断方法

说明书

技术领域

本发明涉及一种飞机发动机性能监控与故障诊断方法，具体是一种基于人工免疫理论的飞机发动机性能监控与故障诊断方法。

背景技术

现代飞机的复杂度日益增高，这就导致了人们对能自动检测飞机故障系统的需求也愈发强烈。这些故障检测系统被设计出来，用以监测飞机在这些系统中的状态，以检测潜在的故障，从而使得潜在的故障在可能导致更严重的系统故障之前被处理掉。

飞机发动机的故障检测方法是飞机故障检测系统中的一个重要组成部分，目前国内外已发展了多种应用于飞机发动机的性能监控与故障诊断的方法，包括统计分析法、神经网络法和综合参数法等。以综合参数法为例，是通过综合发动机多项性能指标，得到一个定量反映发动机整体性能的综合参数，因此需要确定各参数对发动机整体性能的影响程度，即确定各参数的权值，然而无论采用何种权值确定方法，都需要足够多的发动机异常和故障数据作为训练样本，否则，得到的权值的推广性很差，不能反映出其他类型的异常和故障，从而使加权法确定的综合参数失去意义。另一方面，用于计算训练的故障样本多为实验室模拟得来，实际发动机异常和故障数据较少，且不易获取，从而限制了此类方法的应用。

综上所述，目前的故障检测方法由于缺乏故障样本数据，存在飞机发动机故障样本获取困难，仅仅局限于检测固定的故障模式，难以对故障种类全覆盖等问题，对飞机发动机故障检测的效果并不理想。

发明内容

针对上述现有技术存在的问题，本发明提供一种飞机发动机性能监控与故障诊断方法，能够灵敏、准确地反映发动机整体性能的变化情况，提高发动机性能正常与否的识别率，并以此来发现发动机潜在早期故障，防止故障的扩大，显著提高飞机发动机故障检测的效果。

为了实现上述目的，本飞机发动机性能监控与故障诊断方法具体包括以下步骤：

步骤1：定义发动机的状态空间；

步骤2：异常度检测；

异常度检测问题可以定义为：已知正常样本集合求取自己空间，即正常空间的隶属度函数μ_self，利用此函数可以对未知样本进行异常度检测，并以异常度的形式给出定量分析结果；

步骤3：生成检测器；

原始的反面选择算法采用二进制对自己空间中的数据进行编码，因此检测器以二进制串的形式存在；为了提高检测器的生成速度，这里采用反映发动机工作状态的特征向量以此来描述自己空间和非己空间；

检测器具有与正常模式向量相同的维数，但其分布在非己空间内；

对于检测器d需要满足以下不等式：

E(d,s)＞r

式中，E(·)表示欧氏距离，s表示自己空间的任意正常模式向量，r为阈值；

根据以上规则产生的检测器都分布在非己空间中；

步骤4：生成反映发动机性能的异常度曲线；神经网络具有很强的非线性映射能力，可以作为异常监测函数。

进一步，所述步骤1定义发动机的状态空间的具体步骤如下：

步骤1.1：对发动机各项工作参数进行记录，这些参数分别为高压转子换算转速n_hcor、低压转子换算转速n_lcor、低压导流叶片角度alpha₁、高压导流叶片角度alpha₂、振动值B、滑油消耗量ph、涡轮后排气温度T₄、转差率S和尾喷口指示值le；

步骤1.2：功效函数的值反映发动机工作性能的好坏，且当发动机处于最佳工作状态时，当发动机处于故障状态时，xi(t)^=0;]]>

步骤1.3：功效函数构成反映发动机工作状态的特征向量它是时间的函数，由此组成发动机状态空间S。

进一步，所述步骤3中在检测器的产生过程中，对于随机产生的检测器，通过以下步骤将随机产生的检测器调整到非己空间：

步骤3.1:规定计算步数p；

步骤3.2:对每个检测器d，找出与其最近邻的k个正常模式向量集N_C；

步骤3.3:计算步长Δ：