基于模型的發動機健康管理系統監測參數選擇方法研究

張瑞 代定強 蔡景 楊旭

摘 要：健康管理系統是發動機的重要組成部分，系統監測參數的選取對健康管理系統的性能水平有直接影響。目前我國尚無合適的監測參數選擇方法。針對該問題，提出了基于模型的發動機健康管理系統監測參數選擇方法，通過建立發動機仿真模型，分析故障與監測參數的相關性，并通過信息熵算法進行監測參數的選擇。以燃油控制子系統為例，對其中關鍵的故障注入和參數選擇方法進行了應用研究，結果表明基于模型的監測參數選擇方法具有實際應用價值。

關鍵詞：健康管理系統;參數選擇;仿真;信息熵;診斷策略

發動機健康管理系統是現代發動機系統的重要組成部分，具備保障飛行安全、降低使用和保障費用的能力[1]。為了實現對發動機狀態的實時監測，進行健康評估和故障預測，達到健康管理的目的，必須合理地選擇用于健康管理系統分析的監測參數[2]。目前，我國仍缺乏發動機健康管理系統的正向設計經驗，尚未形成系統的監測參數選擇方法。

張宇飛等[3]通過理論的部件和整體特性分析對超燃沖壓發動機的監測參數、狀態參數和極限參數進行了選擇和優化，但是這種方法難度較大且在不同型號發動機之間不具備通用性;楊述明等[4]和楊雪等[5]使用層次分析法分別對航空發動機和火箭發動機進行了監測參數評估選擇，取得了一定的成果，但該方法的主觀性較強，對專家經驗依賴程度高。

為了解決以上問題，提出了基于模型的發動機健康管理系統參數選擇方法。首先根據發動機的熱力學原理和工作條件，建立發動機熱力學性能仿真模型;然后對仿真模型注入發動機故障，通過故障仿真分析故障與監測參數的相關性;最后根據故障與監測參數的相關性，使用信息熵算法選擇合理的發動機監測參數。

1 基于模型的參數選擇方法

發動機故障和性能退化，會對各個部件的性能參數產生影響，部件的性能參數變化又進一步影響發動機的工作狀態，導致可測量參數的變化。因此，通過建立發動機仿真模型分析各個可測量參數的變化規律，可以獲得監測參數與故障的相關關系[6]，借助合理的篩選方法，即可在保障健康管理指標要求的前提下，選擇最優的監測參數組合。因此，提出了如圖 1所示的基于模型的參數選擇方法。

（1）根據發動機的結構組成和工作原理，構建發動機系統的數學模型;

（2）開展發動機系統的故障分析，明確故障對發動機的影響及其在數學模型上的具體表現形式，進行故障注入仿真分析，獲取故障與參數的相關性;

（3）使用信息熵算法計算故障診斷策略，據此選取能夠滿足健康管理系統指標要求的監測參數。

2 測試性仿真建模

現代航空發動機一般可以劃分為核心氣路、控制系統和傳動潤滑系統三部分，其中，核心氣路包括進氣道、壓氣機、燃燒室、渦輪、尾噴管、外涵道等部件;控制系統包括燃油控制、氣路控制、電子控制器等;傳動潤滑系統包括傳動機匣、液壓泵等附件，如圖 2所示。通過分析各部件的工作原理，建立部件數學模型。結合具體型號發動機各部件的基礎設計數據，建立發動機系統的仿真模型。

通過發動機仿真模型，能夠有效分析各部件性能參數與監測參數的關系，提取故障與監測參數的邏輯關聯。

3 故障注入分析

分析故障在系統中的表現形式、故障產生機理和故障傳播方式，明確故障對部件各個建模參數的影響，并通過更改故障組件的建模參數或信號傳導邏輯進行故障仿真。由于發動機系統故障模式眾多，本文以相對簡單的燃油控制子系統為例說明故障注入和分析的方法。

燃油控制子系統從結構上分為采樣器、控制器、驅動電路和電液執行機構幾部分，電液執行機構又由計量活門、定壓差活門、關斷活門、減壓閥、電液伺服閥、燃油泵等組件組成。常見故障類型如下[7-13]：

對于發動機的燃油控制子系統而言，一般安裝的傳感器如表 1所示t1～t7。燃油控制系統內部潛在的可能安裝更多傳感器的位點如表 2所示t8～t13。

將上述故障逐個輸入仿真模型，檢測各個傳感器能否有效檢測到故障。以計量閥彈簧疲勞故障為例，在給定相同燃油控制信號的前提下，故障注入前后的燃油流量如圖 3所示，可以看出燃油流量產生了明顯差異。因此，可以認為傳感器能夠監測到該故障，即二者存在相關關系。

同理，針對所有需要被檢測的故障模式，分析其與系統所有潛在的可監測參數的相關性，形成故障-參數相關性矩陣D1，如表 3所示。

在故障-參數障相關性矩陣中，第i行表示當故障模式fi發生時，傳感器t1到tn的輸出結果;第j列表示傳感器tj對于故障模式f1到fm的輸出結果。元素dij=1表示傳感器的監測參數tj與故障模式fi存在相關性，dij=0則表示無相關性。

4 監測參數選擇

在健康管理系統的初步設計中，最關鍵的是性能指標故障檢測率（Fault Detection Rate， FDR）和故障隔離率（Fault Isolation Rate， FIR），其計算公式如下：

相關性矩陣表述了系統中可監測參數對各個故障的響應，可以分析系統是否存在不可測的故障、冗余測試以及故障模糊組，并據此將故障檢測率、故障隔離率等指標與監測參數聯系起來，如圖 4所示。

通過對燃油控制子系統相關性矩陣D1的初步分析可以看出，若只考慮系統內已有傳感器，則f7、f8、f9三行相同，所以故障模式f7、f8、f9為一個三元故障模糊組。為了提高該系統的測試性水平和健康監測指標，基于信息熵算法開展系統的診斷策略研究，對該子系統進行監測參數的選擇優化。

根據信息熵理論，當測點tj信息熵越高，越有助于分解相關性矩陣。在被測系統中，以表示各個故障的發生概率，則系統整體的信息熵可以表示為：

根據故障-參數相關性矩陣，測點tj將系統所有故障模式劃分為通過Xp與不通過Xf兩個集合，依據全概率公式，則測點tj帶來的信息熵增量表示為：

由于此處分析故障診斷能力，不考慮監測速度，因此，可以將算法中故障發生概率設置為相同的固定值，使算法僅僅根據監測參數對可檢測、不可檢測故障集的劃分程度進行選擇，保證選取最少的傳感器。

因此，應該被優先選擇的最佳監測參數為：

當只考慮已有傳感器時，監測參數信號的采集成本可以忽略;當新增加傳感器時，測點的選擇需要考慮新增加傳感器帶來的額外費用問題，此時，最佳監測參數可以描述為：

式（4）中，Cj表示新增傳感器tj帶來的費用。

根據上述監測參數選擇方法，對于燃油控制子系統。在已有的t1～t7傳感器中，t7傳感器信號無需采集，t1、t2、t3、t6的信號應該被采集，而t4、t5傳感器僅需選擇一個，且兩種方案效果相同，都能達到100%的故障檢測率，單故障隔離率為66.67%。

為了提高系統的單故障隔離率，需為健康管理系統新增加傳感器，針對故障f7、f8、f9對備選的t8～t13傳感器進行分析。由于在已有的計量閥出口測點增加傳感器比新增閥芯位移傳感器費用更低，根據上式，應該選擇新增加t10計量閥輸出端口流量傳感器，而故障f7與f9為二元故障模糊組。根據選擇的監測參數生成新的相關性矩陣D2，如表 4所示。

代入數據計算可得：故障檢測率FDR=100%;單故障隔離率FIR≈77.78%，優化后的測試點相較于原測試點其檢測率不變，單故障隔離率提高了11.11%左右，且原來的三元模糊組被降低為二元模糊組。

5 總結

本文提出了基于模型的發動機健康管理系統監測參數選擇方法，主要成果包括：

5.1通過建立發動機系統模型并進行故障注入仿真分析，獲取故障與監測參數的相關性關系;

5.2依靠故障-參數相關性矩陣，使用信息熵算法實現對已有監測參數和新增專用傳感器的選擇。

5.3以發動機燃油控制子系統為例，說明了故障注入的過程，并選擇了燃油控制子系統的故障監測參數。

該方法能夠克服依靠人工經驗無法有效選擇復雜系統監測參數的問題，具有工程應用價值。

參考文獻：

[1] 費成巍，艾延廷. 航空發動機健康管理系統設計技術[J]. 航空發動機， 2009， 35（05）： 24-29.

[2] 周偉朋，金彬. 提高航空發動機測試性的結構設計方法及應用[J]. 科技創新導報， 2014， 11（24）： 72-73.

[3] 張宇飛，郭迎清. 超燃沖壓發動機狀態監測參數選擇[J]. 測控技術， 2013， 32（09）： 131-133.

[4] 楊述明，邱靜，劉冠軍. 面向裝備健康管理的監測參數選擇與健康評估方法研究[J]. 中國機械工程， 2012， 23（13）： 1513-1517.

[5] 楊雪，張振鵬，楊思鋒. 基于AHP的液體火箭發動機地面試驗監測參數的選取方法研究[J]. 航空動力學報， 2006（03）： 615-620.

[6] 于海田，王華偉，李強. 航空發動機健康綜合評估研究[J]. 機械科學與技術， 2011， 30（06）： 996-1000.

[7] 葛杭. 某型航空發動機機械燃油泵典型故障診斷的仿真研究[D]. 中國民用航空飛行學院， 2020.

[8] 趙文博. 航空發動機傳感器故障診斷及信號重構[D]. 南京航空航天大學， 2011.

[9] MERRILL W C， DELAAT J C， BRUTON W M. Advanced detection， isolation， and accommodation of sensor failures - Real-time evaluation[J]. Journal of Guidance， Control， and Dynamics， 1988.

[10]陳虹潞，黃向華. 基于RDK-ELM的航空發動機控制系統故障診斷[J]. 航空發動機， 2020， 46（02）： 34-40.

[11]韋祥，李本威，楊欣毅，等. 某型渦扇發動機燃調故障聯合仿真[J]. 系統仿真學報， 2018， 30（10）： 3923-3932.

[12]陳慧明，張常東，張猛. 航空發動機臺架試車燃油系統氣塞故障分析[J]. 中國科技信息， 2015（10）： 34-35.

[13]程月華，姜斌，楊明凱，等. 應用自組織模糊神經網絡估計衛星姿態系統執行機構故障[J]. 應用科學學報， 2010， 28（01）： 72-76.

（1.沈陽發動機研究所，遼寧 沈陽 110000;2.南京航空航天大學，江蘇 南京 210000）