基于模糊診斷理論的航空發(fā)動機自動停車故障原因的分析

王曉鋼 劉振崗 唐有才 王占勇 于德會 李 合（海軍航空工程學院青島校區(qū)，青島 266041）

?

基于模糊診斷理論的航空發(fā)動機自動停車故障原因的分析

王曉鋼 劉振崗 唐有才 王占勇 于德會 李 合
（海軍航空工程學院青島校區(qū)，青島 266041）

摘 要針對某型航空發(fā)動機空中自動停車故障診斷中故障癥狀與故障原因之間關(guān)系極為復(fù)雜、不確定等問題，提出了該型發(fā)動機故障的模糊診斷方法，建立了發(fā)動機自動停車故障模糊診斷的數(shù)值理論模型，利用專家知識動態(tài)建立了模糊診斷矩陣過程模型，并結(jié)合具體自動停車故障案例，實現(xiàn)了該型發(fā)動機自動停車故障的模糊診斷，驗證了該方法應(yīng)用于發(fā)動機系統(tǒng)故障診斷中的可行性。

關(guān)鍵詞發(fā)動機故障診斷，模糊診斷模型，自動停車

引 言

航空發(fā)動機在運行過程中若發(fā)生自動停車故障，往往會直接、嚴重影響飛行安全，對國家財產(chǎn)及飛行人員生命安全造成損害。無論國內(nèi)還是國外，軍用領(lǐng)域還是民用領(lǐng)域，由于航空發(fā)動機自動停車故障而導(dǎo)致機毀人亡的飛行事故屢見不鮮，因此，對航空發(fā)動機自動停車故障進行診斷，并分析其原因是非常重要的。隨著多種新型飛機列裝海軍航空部隊，機電一體化程度不斷加深，客觀上使得新裝備對維修人員的具體要求亦愈來愈高。傳統(tǒng)的維修模式、故障原因診斷方法已經(jīng)無法滿足新裝備運行和維護的需要。針對這種情況，本文對模糊診斷數(shù)值方法在航空發(fā)動機停車故障原因分析中的應(yīng)用進行了研究，其重要意義在于可迅速、準確地確定故障原因及故障發(fā)生的部位，有利于確保飛行安全，以及減少投入維修工作的人力、物力，縮短飛機停飛時間，提高飛機的出勤率。該方法是實現(xiàn)從經(jīng)驗性的“以預(yù)防為主的”維修轉(zhuǎn)向以“以可靠性為中心”的維修的重要技術(shù)，同時也是從單純的定時維修方式轉(zhuǎn)變?yōu)槎〞r維修、視情維修和狀態(tài)維修方式相結(jié)合的維修方式的必要手段。

模糊診斷方法于1965年由美國著名的控制論專家查德教授創(chuàng)立，是近年來迅速發(fā)展起來的以模糊數(shù)學為基礎(chǔ)的數(shù)值診斷方法。由于發(fā)動機故障癥狀可能由諸多原因引起，而一種原因也可能引起多種故障，這樣，不僅故障具有模糊性，同時，引起故障的原因也具有模糊性。模糊數(shù)學中的模糊故障診斷方法利用模糊集合論中的隸屬函數(shù)和模糊關(guān)系矩陣來描述故障與癥狀之間的模糊關(guān)系，進而實現(xiàn)對故障的預(yù)報和診斷。

本文基于模糊數(shù)學理論，建立了故障模型，運用由經(jīng)驗數(shù)據(jù)與加權(quán)統(tǒng)計相結(jié)合確定模糊隸屬度的方法，建立了模糊診斷的數(shù)學模型，同時將專家經(jīng)驗知識有效地與定量分析、定性分析相結(jié)合，并將這一診斷過程應(yīng)用于某新型發(fā)動機自動停車故障診斷中。應(yīng)用結(jié)果表明，采用該模型來診斷發(fā)動機自動停車故障的過程和結(jié)果較為合理、準確。

1 模糊診斷數(shù)值模型的建立

1.1 隸屬函數(shù)確定

模糊數(shù)學的核心問題就是隸屬函數(shù)，模糊診斷的方法就是通過某些征兆的隸屬度來求出各種故障原因的隸屬度。設(shè)Y1,Y2,…,Yn分別表示n個故障成因，用向量Y來表示，則：

每一個故障成因出現(xiàn)，都伴隨著一組故障征兆出現(xiàn)，即存在一個故障征兆群，用向量X表示：

式中，n表示各種癥狀的總數(shù)，xi(i=1,2,…,m)是描述第i個征兆的狀態(tài)變量，當征兆不出現(xiàn)時，取xi=0；當征兆出現(xiàn)時，取xi=1。

由于故障征兆界線不清晰，因此，通過隸屬函數(shù)表示各種征兆隸屬于各種故障原因的程度。首先，要構(gòu)造隸屬度函數(shù)。設(shè)觀測到的征兆群樣本為(x1,x2,…,xm)。同時，得出此樣本中的各分量元素對征兆xi的隸屬度μXi(xi)，于是，故障征兆就可以用模糊向量表示為：

假設(shè)該征兆樣本是由故障原因Y生的，Y中各種故障原因的隸屬度為μYi(yi)，同樣，故障原因用模糊向量表示為：

通過推理可以得到，Y與X之間的模糊關(guān)系方程為：

其中，R為模糊關(guān)系矩陣，是體現(xiàn)專家經(jīng)驗知識的模糊診斷矩陣。

模糊關(guān)系矩陣R為m×n維矩陣，其中，行表示故障征兆，列表示故障原因，矩陣元素rij表示第i種征兆對第j種故障原因的隸屬度，即：

而隸屬度采用加權(quán)統(tǒng)計求法來確定，隸屬度的確定必須綜合考慮各種因素：

因素1：經(jīng)驗統(tǒng)計資料（L1）；

因素2：機理分析因素（L2），即出現(xiàn)的可能性；

因素3：征兆出現(xiàn)的明顯程度（L3），即劇烈還是輕微；

因素4：獲得征兆的難易程度（L4），即難觀察還是易觀察。

第一因素評分為KijL1，從統(tǒng)計資料得出：

P（Xi/Yj）表示在Yj成因的條件下，Xi征兆出現(xiàn)的概率。NXi,NYj分別為成因Yj發(fā)生的總次數(shù)及在此條件下征兆Xi出現(xiàn)的次數(shù)。

表1　4個因素評分標準

由表1的評分標準，觀察每一個具體征兆，邀請大量專業(yè)人員給出具體評分，這樣，可得出每一個具體征兆Xi的評分集合：

在確定隸屬度時，上述4個因素考慮的側(cè)重點應(yīng)有所區(qū)別，相應(yīng)的權(quán)重系數(shù)為：

L1，L2，L3，L4，且：

由每一個征兆的評分集合與權(quán)系數(shù)集合，采用式（11）計算出相應(yīng)的隸屬度：

1.2 故障診斷模型建立

計算機模擬人的思維方法，對所輸入的模式（既各個征兆群），與事先存入計算機內(nèi)存的標準模式進行比較，作出判定，得出結(jié)論。設(shè)故障癥狀為X=(x1,x2,…,xm)，故障原因為Y=(y1,y2,…,yn)，由模糊合成變換為：

即可得出診斷故障原因向量為Y=(y1,y2,…,yn)，具體診斷時可采用邏輯運算模型：

此模型為加權(quán)統(tǒng)計診斷模型。對于診斷原因向量Y=(y1,y2,…,yn)，設(shè)Yt=max{Yj∣j=1,2,…,n}，則由最大隸屬度原則推斷故障原因為Yt，即為第t故障原因。故障的模糊診斷過程如圖1所示。

圖1　模糊診斷流程圖

2 應(yīng)用實例

2.1 征兆群故障成因診斷模型

由經(jīng)驗資料可統(tǒng)計得到每類故障發(fā)生的成因總數(shù)。例如，自動停車故障發(fā)生的成因有“離心活門抱軸”、“渦輪葉片折斷”、“油泵隨動活塞卡死”等。設(shè)有m個成因，每一個成因的發(fā)生都伴隨著一組征兆的出現(xiàn)（即一個征兆群）。由經(jīng)驗資料結(jié)合故障機理分析，可對每一個成因確定一組典型征兆，即“標準征兆群”。如第j個成因Aj對應(yīng)n個標準征兆可表示為：

但由于每組征兆對判斷成因Aj的貢獻是不相等的，因此，對Aj所具有的全部征兆應(yīng)賦予相應(yīng)的權(quán)重系數(shù)，此權(quán)重系數(shù)亦可看作某個征兆Xi屬于成因Aj的隸屬度，即μAj（Xi）。這樣，對每個成因Aj都有一組以隸屬度形式表示的征兆群：

式中，μAj（Xi）當Xi征兆出現(xiàn)時取μAj（Xi），不出現(xiàn)時取0。

這樣，有m個成因，每個成因又可表示成n個元素的列向量，就組成了矩陣M=（μij）m×n，此即診斷矩陣，式中的矩陣元素為μij=μAj（Xi），即第i個征兆對第j個成因的隸屬度。將診斷矩陣儲存在計算機中作為判斷故障的標準模式。

由診斷矩陣可求出征兆群μ（u∈U）對故障成因Aj（j=1，2，…，m）的隸屬函數(shù)。方法是：

式中的Xi為第i個征兆的狀態(tài)變量，征兆出現(xiàn)時取1，不出現(xiàn)時取0。μij為第i個征兆對第j個成因的隸屬度。

若某一故障出現(xiàn)的征兆群為u0，根據(jù)上式可以計算出u0對各故障成因的隸屬度μAi（u0）（j=1,2,…,m）此時用最大隸屬度原則判別故障成因，即：

2.2 航空發(fā)動機空中自動停車原因判定

航空發(fā)動機自動停車故障成因分別為A1（離心活門抱軸），A2（渦輪葉片折斷），A3（滑油導(dǎo)管振裂），A4（油泵隨動活塞卡死），A5（傳動軸斷裂）；征兆為X1（排氣溫度超溫），X2（振動），X3（轉(zhuǎn)速急降），X4（滑油警告燈亮），X5（滑油消耗量大），X6（轉(zhuǎn)速上不去）。根據(jù)專家的經(jīng)驗和統(tǒng)計資料綜合評定的診斷矩陣[μij]5×6為式（18）。

若出現(xiàn)的征兆群為u0=（0，0，1，1，1，0），即出現(xiàn)X3（轉(zhuǎn)速急降），X4（滑油警告燈亮），X5（滑油消耗量大），則根據(jù)式（16）可計算隸屬度得：

同理可得：

根據(jù)最大隸屬度原則：μ A3（u0）= m a x {μ Aj（u0）}=0.69。

則：征兆X3（轉(zhuǎn)速急降）、X4（滑油警告燈亮）、X5（滑油消耗量大）同時出現(xiàn)時，故障成因最可能為A3（滑油導(dǎo)管振裂）。

外場實踐證明，當上述征兆群出現(xiàn)時，故障發(fā)生的部位即為滑油導(dǎo)管處，原因是由于其振裂所引起的。

3 結(jié)束語

本文基于模糊數(shù)學原理，確定某型航空發(fā)動機自動停車故障原因的模糊隸屬度，并利用經(jīng)驗數(shù)據(jù)與加權(quán)統(tǒng)計法相結(jié)合的方法進行故障診斷。實踐證明，該方法確定的模型診斷模型具有較高的可靠性，可大幅縮短故障診斷時間，也為計算機輔助故障診斷提供了一條可行的途徑。在診斷過程中，由于部件的磨損、老化和腐蝕等一系列難于確定的原因，造成故障征兆與原因之間的不確定性較高。所以，模型中的隸屬度還有待進一步修改完善，以提高診斷模型的適應(yīng)能力和準確性。

參考文獻

1 蔣士章,蒲家寧,樊成.神經(jīng)網(wǎng)絡(luò)在輸油泵故障診斷中的應(yīng)用[J].管道技術(shù)與設(shè)備,2003,(1): 14～16

2 蘇欣,袁宗明,范小霞,等.輸油泵模糊故障診斷[J].石油機械,2006,34(2): 43～45

3 張建勛,彭祖勝,李金剛.模糊數(shù)學在機械故障診斷中的應(yīng)用[J].土石方機械與施工技術(shù),2006,(5): 48～49

4 柴春紅,劉家學,何率天.模糊數(shù)學在飛機故障診斷中的應(yīng)用[J].模糊系統(tǒng)與數(shù)學,2003,(3): 107～l10

5 孫紅巖,姜雪峰.智能診斷中動態(tài)模糊征兆向量方法[J].核動力工程,2010,(31): 67～70

6 LIU Xiaofeng,MA Lin,MATHEN J.Machinery Fault Diagnosis Based on Fuzzy Measure and Fuzzy Integral Data Fusion Techniques[J].Mechanical Systems and Signal Processing,2009,23(3): 690～700

Analysis on Causes of Automatic Shutdown Faults of Aeroengine Based on Fuzzy Diagnosis Theory

Wang Xiaogang Liu Zhengang Tang Youcai Wang Zhanyong Yu Dehui Li He
( Qingdao Branch,Naval Aeronautical and Astronautical University,Qingdao 266041 )

AbstractTo solve the problems in the diagnosis of automatic shutdown faults of certain aeroengine,such as the complex relationship between the phenomenon of faults and the causes for the faults,a diagnosis method of the automatic shutdown faults of aeroengine based on fuzzy diagnosis theory has been proposed,and the numerical theoretical model has been built.Using the practical knowledge,the matrix procedural model based on fuzzy diagnosis theory has been established.Case studies show that this method can diagnosis the automatic shutdown faults of aeroengine with high accuracy.

KeywordsDiagnosis of aeroengine fault,Fuzzy diagnosis model,Automatic shutdown