飛機發動機關鍵系統智能故障診斷分析

陳世添

摘 要 本文推出采用EMD小波閾值降噪和主元分析有效融合的方式，由此對發動機本身氣路系統故障診斷展開進一步研究。通過實際采集的飛機氣路參量數據，采取經驗模態進行分解，具體對發動機氣路系統的各參量信號進行EMD分解，然后采取相應的軟閾值函數來實施降噪處理，并重構其信號結構，最終由此獲得飛機發動機氣路運行的有效數據。此項研究具有顯著的實際應用價值、極為廣闊的未來發展及運用空間。

關鍵詞 飛機發動機；關鍵系統；故障診斷；智能

中圖分類號 V2 文獻標識碼 A 文章編號 2095-6363（2017）16-0034-01

發動機屬于飛機運行的心臟部位，一般飛機發動機的運行正常性，直接影響著飛機的安全飛行。美國ATA航空運輸協會有統計記載，主要提取其中近5年所記錄的數據，發現所記錄5年內發生的飛機故障次數頻率不高，而直接因為飛機發動機氣路部件所致的飛機故障情況，其產生率高達21%的比例。因此由于飛機發動機氣路系統所致的相應故障現象，在整體的發動機故障當中所占比例明顯偏高[1]。

1 飛機發動機關鍵系統數據分析及處理

針對飛機發動機關鍵系統數據的分析與處理，具體是采取EMD的方式來進行。這種方式也被成為經驗模態分解法，其原理主要是基于信號局部特征下對信號實施分解的有效方式，其特點就是在處理信號方面，具備非常顯著的分解能力，能夠實現對所獲取信號進行轉換和分解同時，達到其有效信息數據獲取的目標。但是其本身所實施推廣的小波閾值降噪方式，其原理主要是在小波域實現信號變換，通過對噪聲的小波變換達到分離的效果，然后在此基礎上通過小波變換來不斷的消除其噪音，最終達到降噪效果。所以，上述兩種系統數據處理的方法均屬于當前運用效果較為良好的信號處理方式。文章針對兩者實施進一步的分析與研究，在兩種方式的有效結合基礎上，推出在經驗模態分解基礎上所實施的數據預處理方式[2]。這種方式不但能夠在EMD實施數據分解時實現對信號的平穩化處理，同時還將在此基礎上產生多種尺度特異性明顯的征模函數值，并且該征模函數值本身具備相應的小波閾值降噪的效果及特征。文章以飛機發動機關鍵系統中的氣路系統進行深入研究，并在此基礎上選擇發動機內氣路系統性能狀態的多個參數指向值進行相應的降噪處理操作，具體的降噪過程可劃分為4個步驟：1）EMD分解原始信號，由此獲取各個IMF的分量數據。2）針對所有的IMF分量選擇某種閾值的確定準則，并在此基礎上預估各個分量的閾值。3）選取其中某個閾值函數，并充分結合其中各個分量的閾值預估值來實施計算降噪操作，最終由此獲取到各個IMF的分量數值。4）將降噪后的IMF分量進行信號重構，最終所獲得的信號就是降噪后的所得信號。endprint