固體火箭發動機故障診斷技術現狀及發展思考①

郭 宇，申志彬，孫翔宇，李海陽，周偉勇

(1.國防科技大學 空天科學學院，長沙 410073；2.空天任務智能規劃與仿真湖南省重點實驗室，長沙 410073；3.中國航天科工集團公司六院，呼和浩特 010010；4.解放軍 96901 部隊，北京 100095)

0 引言

固體火箭發動機(簡稱發動機)結構簡單、可靠性高，是戰略/戰術導彈武器和航天運載系統的重要動力源，其健康狀態是發射任務成敗的重要影響因素之一。發動機故障診斷是采用各種監檢測手段，鑒別發動機的工作狀態是否正常，確定故障的性質與類型，發現故障的部位，尋找故障的起因，并為故障的處置和壽命預測提供指導和建議。發動機故障診斷技術的終極目標是對發動機進行健康監測、狀態與壽命評估，提高可靠性，可分為基于機理模型、基于知識和基于數據驅動三類。目前，發動機故障診斷技術主要是采用離線檢測或在線連續監測的方式，基于知識(主要是專家判斷法)或基于機理模型進行故障診斷，而基于連續監測法數據驅動的故障診斷應用相對較少。

21世紀以來，隨著計算機、微電子、人工智能等信息技術和監檢測技術的飛速發展，越來越多的新方法出現在發動機故障診斷領域，故障診斷技術和壽命預測水平不斷進步。在特定的應用場景和目標下，新方法有可能取得更好的故障診斷效果。如何提高發動機全壽命周期內的故障診斷能力和有效性，及時掌握發動機的健康狀態和可靠性，不僅具有非常重要的工程、軍事和經濟意義，也一直都是發動機領域研究的熱點課題之一。

為此，本文綜述了發動機故障診斷技術領域研究現狀，評述了當前發動機故障診斷技術特點，并展望了發動機故障診斷技術的未來重點發展方向。

1 基于知識的故障診斷方法

該方法是對檢測獲取的信息進行處理，并與歷史故障信息數據進行對比，通過專家知識來判斷發動機的健康狀態。由于不依賴于過程機理模型，該方法適用于因信息不足等原因而無法獲得精準機理模型的故障診斷。

發動機檢測技術可分為有微損/破壞取樣測試和無損檢測兩類。前者主要通過切割、挖取和采集等方法從發動機本體的關鍵或重要結構件(如推進劑等)上獲取樣品，并測試其物理化學性能。具體測試方法包括常規力學測試、動態熱機械分析(DMA)、正電子湮滅分析方法、X射線光電子能譜、傅立葉紅外光譜技術、壓入測量、微型CT等。具體評價性能參數包含伸長率、強度和彈性模量等的宏觀力學性能，以及動態模量、元素含量、內部缺陷特性、微觀結構等。取樣手段已由手工操作向車削、銑削(如圖1)、鋸割和復合切割等自動化方向轉變。

圖1 發動機取樣方法[13]Fig.1 Dissection of SRM[13]

無損檢測法是利用先進的無損檢測設備，如高能X射線、大型工業CT(如圖2)、超聲波(如圖3)等，在不破壞發動機結構的前提下探測產品內/外部質量狀態，對界面脫粘、藥柱變形、孔洞等缺陷進行識別。近年來，紅外熱波、超聲相控陣、太赫茲等缺陷分辨率更高、檢測速度更快的新型無損檢測技術也逐步應用于發動機的缺陷檢測，并向著基于機器學習和大數據驅動的數字化測試和缺陷智能化判讀方向快速發展。

圖2 發動機檢測用工業CT[16]Fig.2 Industrial CT for SRM[16]

圖3 發動機殼體檢測用自動化超聲設備[17]Fig.3 Automatic ultrasonic equipment for SRM inspection[17]

基于上述檢測信息和發動機的初始設計參數，輔以一定的仿真分析，發動機診斷專家根據失效判據，可推斷發動機產品的健康狀態，進而給出半定性的故障診斷和壽命評估結論。由于檢測時間的離散性，檢測數據極其有限，且對發動機性能變化規律的判斷嚴重依賴專家知識和經驗積累，一旦出現未知故障，可能出現故障漏報和故障辨識準確度較低的問題。

隨著信息處理技術的發展，專家個人診斷逐步發展為專家系統。專家系統法的基本思路是以專家個體經驗知識和產品歷史故障信息為基礎，開發出可模擬人類專家進行判斷的智能化軟件系統，代替人類專家進行故障判斷，這在機器人故障診斷領域已成功應用。另外，模糊推理法、粗糙集合法等其它基于知識的故障診斷技術也在不斷發展。

2 基于機理模型的故障診斷方法

該方法主要是基于產品或系統失效機理，建立相對精準的數學模型，通過監測技術獲得系統實際歷程數據，并與模型比對，計算出兩者的差距，以此為基礎檢查是否出現故障，并預測壽命。作為一種長期貯存、一次性使用的特殊產品，發動機的故障診斷包含貯存狀態和工作過程故障監測，目前技術水平下該方面研究主要重點集中于前者。由于貯存失效機理清楚，發動機貯存過程診斷方法主要關注其典型部組件載荷或響應的監測技術，具體情況如下：

(1)藥柱監測技術

固體推進劑藥柱是非金屬粘彈性材料，貯存時會發生化學老化和變形。化學老化監測對象主要是老化過程中釋放的氣氛。美國桑迪亞實驗室采用光電傳感器監測氮氧化合物(NO)濃度，以此推斷NEPE推進劑的老化狀態。國內研究機構采用自研或商業化傳感器，對HTPB和NEPE推進劑老化過程中氮氧化合物和氧氣的釋放規律進行監測，建立了釋放氣體與推進劑老化程度的相關關系。該技術可通過監測發動機燃燒室的氣氛，間接診斷推進劑藥柱的健康情況。

藥柱力學監測技術方案較多，例如文獻[28]中的弓形傳感器(見圖4)，可將藥柱表面的大應變轉化為測試點的微應變，實現大應變監測；織物大應變傳感器(見圖5)中的導電金屬納米絲網，在載荷作用下接觸電阻會發生變化，通過測試電阻就能反映藥柱表面的應變。

圖4 推進劑藥柱表面弓形大應變傳感器監測過程[28] 圖5 發動機表面應變監測織物傳感器[29]Fig.4 Monitoring process of arched large strain sensor on the surface of grain in SRM storage [28] Fig.5 Fabric sensor for SRM grain surface strain monitoring[29]

石墨烯傳感器可實現大應變傳感器的微小型化，其原理是利用石墨烯層間的電阻效應反映藥柱表面的應變變化。為解決光纖監測藥柱應變時的模量匹配問題，一些研究團隊提出了塑料光纖的解決方案。為解決推進劑藥柱內部應變測量難題，張燾等在光纖光柵(FBG)傳感器兩端增加與之剛性連接的增敏小球結構，有效解決了FBG應變傳感器與固體推進劑的變形協調性問題，大幅提高了應變測量的敏感度和傳遞效率，實現了藥柱內部應變的測量。

(2)推進劑藥柱和殼體界面監測技術

推進劑藥柱和殼體之間的界面應變量小，界面應力是最難監測的參數之一。美國的研究團隊率先采用“紐扣式”DBST雙參數傳感器(如圖6(a))，實現粘接界面正應力(拉和壓)和溫度的同步測量，該傳感器的穩定性和測試精度經過長期的改進和適應性研究現已達到了可接受的范圍。國內也開展了類似的研究工作，研制出了電阻式界面正應力傳感器(如圖6(b))，基本性能也達到了國外技術水平。

(a)USA (b)China圖6 美國[42]和中國[45]研制的界面DBST傳感器Fig.6 Interface DBST sensor developed in USA[42] and China[45]

國內還分別采用柔性壓阻界面傳感器和柔性電容界面傳感器，開展了界面正應力/溫度監測和界面剪應力監測試驗，旨在為進一步減小上述傳感器厚度，避免植入后對相鄰結構的影響。石墨烯泡沫傳感器可實現界面正應力和剪切應力的同步監測。此外，還可采用光纖傳感器監測界面剪切應力。

(3)殼體監測技術

發動機殼體除了承受應力外,還可能受到各種外部損傷。美國Acellent公司的研究者采用在發動機殼體纖維纏繞制備過程中植入SMART Layer條的方法，實現了殼體應力-應變的監測(如圖7(a))，并且達到了較高的技術成熟度。國內則主要采用光纖傳感器(如圖7(b))監測復合材料殼體應力-應變歷程，從早期的單FBG傳感器發展到F-B復合傳感器，即利用FBG監測溫度，利用EFPI測試應變，并根據測溫結果實現應變測量結果的自補償。

綜上可知，通過內置或外設傳感器，可實現發動機貯存過程中的多類型環境/載荷或一種材料劣化后性能的連續監測，如表1所示。其中，載荷(應力-強度干涉模型中的廣義應力)監測的具體參數主要為應力和應變，材料劣化后的力學性能則是從推進劑老化過程釋放的氣體來間接推測。借助應力-強度干涉模型，綜合上述實時監測結果，即可判斷發動機的健康狀態。

表1 監測技術+機理模型發動機健康診斷方法Table 1 Fault diagnosis method for SRM based on monitoring technology + mechanism model

該技術具有測試對象直接、測試效率高，結果可信度高等優點，代表了當前發動機故障診斷的最高水平。但是，該監測技術要求高，嚴重依賴監測傳感器，受硬件工業基礎制約。此外，發動機材料力學性能的直接監測難度大，導致基于失效機理模型的故障診斷方法難以發揮優勢。

(a)USA

3 基于數據驅動的故障診斷方法

基于數據驅動的發動機故障診斷方法，通過對發動機測量數據的直接判斷確定是否存在故障或確定故障性質與類型。與基于機理模型的故障診斷方法不同，數據驅動法避開了對產品性能退化過程的物理分析，直接通過各類統計方法和智能算法對監測數據進行統計分析和信息挖掘，得到產品退化過程中的某些特征，并將其用于個體產品的故障診斷和壽命預測。

張守城等利用粘貼于殼體外表面的壓電主動激勵傳感器，基于高頻機電阻抗法，實現了藥柱/絕熱層界面脫粘的結構健康狀態監測。基本原理是界面結構損傷時會導致傳感器機械阻抗發生變化，進而反映在耦合的機電阻抗上，通過對耦合的機電阻抗實時測量，與初始健康狀態對比即可實現結構健康診斷。

總之，隨著人工智能、深度學習、大數據、云計算等數據科學的蓬勃發展，基于數據驅動的故障診斷方法必將受到越來越廣泛的關注。

圖8 機電阻抗損傷監測傳感器陣列[55]Fig.8 Electrical impedance damage monitoring sensor array[55]

4 技術評述

從以上技術發展可看出，目前發動機診斷技術具有如下特點：

(1)測試由檢測技術向監測技術發展

當前發動機檢測技術仍然是獲得故障信息主要且可信的技術手段；無損檢測技術不斷發展，檢測精度和效率不斷提高；微損傷/破壞性測試技術也有新的突破。未來，監測技術將成為在線連續獲取發動機狀態變化的重要手段。

(2)診斷由專家認知向機理模型與數據驅動發展

隨著監檢測技術的發展，故障識別技術也由專家個人認知判斷向機理模型、數據驅動以及兩者混合方向的轉變，并通過信息手段將專家經驗認知和判斷融入診斷中。

(3)貯存過程的故障診斷仍將是重點

發動機監測技術研究主要針對貯存過程，且監測對象也將從界面擴展到發動機主要零部件。同時，部分工作過程監測技術也逐步受到關注。

(4)監檢測技術發展迅猛

在先進材料和信息技術的帶動下，發動機監檢測和診斷技術的發展非常迅速，可測參數越來越多、測試精度越來越高、傳感器尺寸也越來越小，傳感器的能耗越來越低，甚至開發出了無源、無線傳感器。

(5)貯存監測參數以廣義應力為主

監測參數以廣義應力參數及發動機零部件承受的載荷居多，而發動機零部件材料廣義強度的退化量監測較少，這是由于非破壞測試方法難以直接監測強度相關量。

(6)基于機理模型的故障診斷法仍不夠成熟

基于機理模型的發動機狀態監測方法具有直接、有效、結果可信度高的優點，但技術難度大。許多監測技術成熟度較低，還處于技術應用驗證階段。

(7)基于數據驅動的故障診斷法嶄露頭角

數據驅動法可以回避發動機故障機理建模，降低故障診斷的難度，是故障診斷的新途徑。

(8)故障診斷技術定位不明確

國內故障診斷技術研究有明顯的追隨痕跡，尚未建立自主的技術發展體系。

5 結束語

固體發動機故障診斷技術發展的終極目標是實現健康監控和提高可靠性。雖然國內外發動機故障診斷的方法越來越多，但仍有必要進一步研究發動機故障診斷技術，提高不同應用場景、不同載荷環境下的發動機故障診斷能力和有效性：

(1)雖然監測和診斷技術有助于獲取載荷歷程、定位故障，分析失效原因和機理，但診斷本質上不能提高產品技術水平。提高發動機設計魯棒性、開發抗老化材料、控制工藝一致性才是發動機長壽命、高可靠發展的根本和基礎。

(2)明確定義故障診斷技術的應用場景，其應用對象是貯存和工作過程中高可靠、高風險和高價值的發動機。

(3)雖然光纖、石墨烯和微機電傳感器的應用為監測技術發展提供了無限可能，但這些傳感器本身的穩定性還未得到充分驗證，用于發動機長期監測仍然需要時間檢驗。

(4)作為發動機的“多余物”，監測傳感不僅會降低了發動機的質量比，還會影響發動機的整體結構，其中傳感器的電源和信號引線還會削弱發動機的密封性。因此，無源無線微型傳感器將成為發動機故障診斷領域研究的亟需。

(5)傳感器預先植入的發動機監測技術，對發動機制造工藝提出了更加苛刻的要求。因此，需要加強發動機傳感器植入工藝及其影響研究，或者發展免植入傳感技術是工程化應用的必由之路。

(6)長期貯存過程中的材料性能劣化是引起發動機故障的主要原因，研究結構和功能一體化材料，實現發動機材料廣義強度的自監測和損傷自修復是后續的重點發展方向。

(7)除了繼續開發貯存過程監測技術外，還應大力發展過程監測技術，并接入現有導彈測控和自毀系統，集監控、測試、預測、診斷、隔離、定位、控制、保護、管理于一體，向綜合化診斷系統方向邁進。

(8)基于機理模型和基于數據驅動的發動機故障診斷技術各有優勢，可以發展混合模式，實現了多種診斷方法優勢互補，從而提高診斷方法的敏感性、魯棒性和準確性。