基于支持向量機診斷的壓氣機清洗管理

石 碩

（沈陽發動機設計研究所，遼寧 沈陽 110015）

0 引言

民用飛機自投入使用起，因其自身及環境原因，發動機部件會呈現不可避免的退化趨勢。發動機整機性能隨工作時間開始逐步衰減，主要表現為為維持推力在恒定范圍之內增加的耗油量，以及隨即造成的排氣溫度升高、熱端部件壽命降低等，這些調整會對發動機的可靠性、經濟性等造成直接或間接的影響。

發動機清洗，作為業界公認的最為經濟有效的性能維持方法，目前通常采用固定時間間隔清洗的策略，由發動機生產廠商提供清洗周期建議或各航空公司根據自身航線及飛機特性進行定期清洗維護。隨著視情維護理念得到更為廣泛的認可，作為發動機定期維護保養基本程序的發動機清洗，也相應地希望優化管理應需而定。

本文以某長航程三軸大涵道比民用飛機發動機為例，對壓氣機部件退化進行判別，根據發動機性能狀態變化，為發動機視情在翼清洗維護提供建議。

1 壓氣機部件退化判別

首先對發動機進行建模，模擬發動機性能（含性能衰減狀態），可以得到由性能退化引發的各監測參數的變化。以此作為基礎，選取支持向量機（Support Vector Machines-SVMs）作為分類器，判別壓氣機部件的退化。由于積垢、腐蝕等原因會導致發動機性能退化，具體表征為轉速、耗油量等監控參數的變化。

將上圖反向分析便可應用于發動機的健康診斷，即從監測參數的變化來推斷發動機性能退化的原因，是本文判別壓氣機部件故障的基本思想。將部分發動機監測參數作為輸入，對應的壓氣機是否發生了一定程度的漸進性性能衰減作為分類的標識。以支持向量機作為分類器，具體分為兩步：訓練分類器和使用分類器。

SVM作為分類器可進行分類前，需要對其進行訓練學習，選擇一些發動機監測的參數作為訓練數據，通過判別發動機性能是否出現了漸進性的衰減來推斷發動機部件是否發生了漸進性的退化。在此，被用作訓練的監測參數包括：

●飛行馬赫數

●壓氣機進出口壓力

●壓氣機進出口溫度

●轉速

●EGT

●燃油流量

SVM是建立在統計學習理論的VC維理論和結構風險最小原理基礎上的一種監督學習模型，因其在解決小樣本、非線性問題中表現出許多特有的優勢而廣泛用于分類和回歸問題中。此文借助于臺灣大學的LIBSVM[1]工具箱，在MATLAB平臺上實現對發動機部件漸進性退化的分類判別。

SVM的基本原理和相關數學證明可詳見[2]，作為分類器SVM內部核函數的選擇（圖2&圖4中參數g與核函數相關）和懲罰因子c會直接影響SVM的性能，因此兩個參數的選擇會最終影響部件退化的判別。遺憾的是，SVM內部參數的選擇并沒有可參考的準則，只能通過使用者的經驗來選取，這無疑增加了達到SVM最優性能的難度，因此相關的優化方法被用來提高SVM的性能。

●網格尋優

網格尋優就是在一定范圍內，選取不同內部參數組合建立分類器，并對其逐一計算準確率，進行比較。此文中設定網格大小從2-8-28，網格間距為0.5，遍歷整個網格范圍內，得到最高準確率（Accuracy）的SVM分類器，具體結果如下。

●遺傳算法尋優

遺傳算法(Genetic Algorithms-GA)是模擬達爾文的遺傳選擇和自然淘汰的生物進化過程的計算模型，適用于對SVM的分類尋優。早期由Michigan大學的J.Holland教授提出，遺傳算法引入適者生存的進化理論，通過有組織而又隨機的信息交換進行遺傳操作，使“優秀基因”被不斷保留、組合，從而不斷產生出更佳的后代個體。子代個體中包含父代個體的大量信息，并在總體上勝過父代個體，從而使種群不斷向前進化發展，即不斷接近問題最優解。

下圖設定種群規模為20，進化100次，依據某些適應性條件測算候選解的適應度（Fitness），通過帶有猜測性質的選擇操作、交換操作和突變操作，實現高準確率的SVM分類器。

分類器顯示了SVM在小樣本下的高性能的優點，兩種方法均實現了SVM分類的尋優，巧合的是，兩種尋優方式的分類器得到了相同的準確率（訓練數據及測試數據的準確率），但不代表是兩個相同的分類器（內部參數的取值不同），因此對于不同測試個體也未必有相同的分類結果。相比于其他尋優方式，網格尋優的方法易于理解，網格的范圍和精度會直接影響最高準確率分類器的選取，只是這種性能的提升是以計算時間成本為代價，實際使用過程中，效率不高。遺傳算法尋優方式，用戶根據需要設定進化的次數以及種群規模，以適應度為目標函數實現優化，更易接近實際的最優值。

2 基于民用航空發動機狀態的視情清洗管理

航空發動機限于自身條件，日常清洗維護采用在翼離線清洗方式。通過進行發動機清洗，能使由于發動機氣流通道因積垢等因素造成部件流通能力和效率下降、從而引起的整機推力降低、耗油率升高、排氣溫度升高等導致的性能退化極大程度地得到恢復。

本文著重關注清洗前后對于發動機的經濟性和安全性的影響，尤其是耗油率增加以及熱端部件壽命的降低，對壓氣機清洗維護的影響進行分析，并給出是否建議清洗的意見。主要參數包括：

●壓氣機清洗成本，包含人力、清洗液等；

●發動機耗油量的增加成本；

●為維護發動機在一定推力范圍內，克服性能衰減而提高的渦輪前溫度引發的熱端部件的壽命降低。

假定三種壓氣機清洗對性能恢復的效率R，以飛行循環為單位，給出的清洗維護建議，其中1表示建議清洗，0表示不建議。性能恢復效率R受很多因素影響，諸如，清洗液的特性，清洗操作是否得當，以及部件退化中積垢的組成比例等等。

上圖結果顯示，壓氣機清洗對性能恢復的效率對于壓氣機清洗的頻率有一定的影響，進而影響發動機的維護成本。因此，如何有效提高壓氣機清洗對性能恢復的效率成為業內關注的焦點，將維護融入設計理念 （如通用公司GEnx發動機在高壓壓氣機中置有清洗用噴嘴設計），清洗系統的設計布局，清洗液的特性等等。

3 結束語

航空發動機的維護利潤占總利潤的份額已近半數，業內對于發動機維護的關注度也越來越高。本文根據發動機視情維護的理念，對發動機監測參數進行分析，用于判別壓氣機部件退化狀態。針對壓氣機清洗對發動機的經濟性和安全性的影響進行分析，提供發動機在翼清洗維護的建議。

［1］Chih-Chung Chang and Chih-Jen Lin,LIBSVM:a library for support vector machines,ACM Transactions on Intelligent Systems and Technology[Z].http://www.csie.ntu.edu.tw/～cjlin/libsvm，2001.

［2］Nello Cristianini,An Introduction to Support Vector Machines and Other Kernelbased Learning Methods[M].Cambridge University Press,2000.

［3］雷英杰.MATLAB遺傳算法工具箱及應用[M].西安電子科技大學出版社,2005.