航空發動機振動監測與故障診斷技術研究進展

胡明輝，高金吉，江志農，王維民，鄒利民，周濤，凡云峰，王越，馮家欣，李晨陽

1.北京化工大學 高端壓縮機及系統技術全國重點實驗室，北京 100029

2.北京化工大學 發動機健康監控及網絡化教育部重點實驗室，北京 100029

3.北京化工大學 高端機械裝備健康監控與自愈化北京市重點實驗室，北京 100029

航空發動機是一個國家科技、工業和國防實力的重要體現，作為“工業皇冠上的明珠”，航空發動機在結構設計、材料和制造工藝及試驗方面具有極高的要求。為保障國家安全和鞏固大國地位，中國自2015年相繼啟動“中國制造2025”計劃、“兩機專項”、國家“十四五規劃綱要”和“2035年遠景”目標綱要，均明確了加快航空發動機核心技術發展的急迫需求［1］。

先進航空發動機不斷朝著高效率、高推重比的方向發展，使得結構更為復雜，且逐漸趨于輕量化，同時發動機長期服役于高速、高溫、高壓的極端環境，導致其關鍵部件的疲勞損傷、突發故障等問題頻發［2］。發動機故障一旦發生，會直接危及飛機的飛行安全，極易導致機毀人亡等惡性事故，如圖1［3］所示。因此，因發動機故障導致飛機動力嚴重不足之前，如果能及時、準確地監測診斷出故障原因，對保障飛行安全、降低事故發生率具有重大意義。

圖1 疑似發動機故障導致飛機損毀［3］Fig.1 Aircraft damage caused by suspected engine failure［3］

從20 世紀50年代開始，歐美各國持續開展了狀態監測和故障診斷技術的研究［4-5］，發動機健康管理（EHM）系統也逐漸得到了廣泛關注。EHM 系統可在發動機運行過程中對關鍵部件狀態進行實時監測，通過振動分析、滑油監測、性能分析等技術實現故障預測、診斷和壽命管理，進而向飛行員報告危及飛行安全的早期故障信息，避免二次損傷和飛機事故。

美國普惠公司首席科學家Volponi［6］于2014年綜述了航空發動機健康管理的發展，強調了預測與健康管理（PHM）技術對航空發動機運行安全、事故預防以及運維成本控制的重要作用。從1988年實施的IHPTET 計劃中，美國已將狀態監測和故障診斷系統列為亟待突破的關鍵技術。美國1997年設立的航空安全中長期研究計劃［7］，2006年實施的VAATE 計劃、目前正在實施的ATTAM 計劃，PHM 技術均被列為重要研究領域，將顯著提高發動機運行安全性和可靠性、改善維修模式作為主要研究目標［8］。

航空發達國家發動機PHM 技術的研究與應用均已取得了顯著突破。PHM 技術的最早成功應用可追溯到1977年，TF-41 發動機監測系統，將A-7E 飛機的故障率降低了91%，且維修效率平均提高了64%［9］；1979年，通用電氣公司為F414-GE-400 型發動機配裝了IECMS 發動機狀態監測系統，經美國海軍應用評估，發動機異常檢測率為100%、虛警率為0%［10］；1987年，普惠公司為F100-PW-200 發動機研制并安裝了健康管理系統，實現了所有同型發動機的健康監測和管理，并增加了發動機監測數據趨勢分析及故障診斷功能［11］；1990年，渦扇發動機EJ200 配備的EHM 系統采用機載系統和地面支持系統的綜合健康管理架構方案，已具備完善的狀態監測和故障診斷功能［12］。F135 發動機配裝的健康管理系統延續了F119 的雙FADEC 和CEDU 模式，并增加了故障預測功能，提出了分層區域預測健康管理系統的概念，集成先進傳感器、先進算法和智能模型來實時監視、診斷、預測和管理發動機的健康狀態，顯著提高了發動機使用安全性［13］。近年來，美國又提出了地空一體化的航空發動機健康管理系統構架，如圖2［6］所示。

圖2 美國提出的EHM 系統框架［6］Fig.2 EHM system framework proposed by the United States［6］

航空發達國家的發動機故障預測與健康管理技術已日趨成熟并趨向智能化，已成為確保飛機安全的關鍵支撐技術。同時，航空工業發達國家亦對發動機PHM 系統的規范化、標準化提出了一系列要求。1981年，美國汽車工程師協會（SAE）制定了ARP 1587《航空燃氣渦輪發動機監視系統指南》，基于當時的技術水平提出了對航空發動機健康管理的要求［14］。隨著電子和計算機技術水平的不斷發展，2007年SAE 修訂出版了ARP 1587B《航空燃氣渦輪發動機健康管理系統指南》［15］，對發動機健康管理系統進行了全面的定義，同時已將最新的健康管理系統具備的故障預測能力囊括在內。2008年頒布的AIR 4061B《典型發動機健康管理系統功能與飛機系統集成指南》，是發動機健康管理系統功能與飛機系統集成的實行準則。至今，SAE已陸續發布了31 項關于航空燃氣渦輪發動機健康管理的系列標準，以指導航空發動機的狀態監測、故障診斷及健康管理系統的設計、研制、使用和維護［11］。

表1［12］總結了美國發動機監測系統、維修策略與相關技術文件的發展沿革。由此可見，PHM是美國保障飛行安全和新型維修模式變革的主要實現技術，且日趨規范化［16］。

與發達國家相比，中國對航空發動機PHM技術的研究與應用起步較晚。在役航空發動機仍主要采用以機上超限告警監測、機下離線飛參數據判讀為主的監測診斷技術，往往在發動機部件損傷或結構故障發展到較嚴重程度才能發揮作用［12］。

雖然近年來一些科研院所取得了部分技術成果，但鮮見實現機載的廣泛應用。由北京飛機維修工程公司、中國東方航空集團有限公司等聯合研制的發動機監測與診斷系統在40 多臺發動機上試用成功，可以實現氣路故障的粗略分析，但無法實現故障部件的精確定位［17］。清華大學研制了高速數據采集系統、信號處理系統及基于模糊聚類的故障診斷系統，通過地面實驗進行了監測和故障診斷方法的探索［18］。西北工業大學的張永峰［19］開發了適用于飛行試驗的發動機振動監測系統，能夠有效實現穩態和過渡態振動參數的趨勢分析和譜分析。北京航空工程技術研究所研制了一套發動機振動監測與分析系統，綜合振動總量評估與頻譜分析手段，對某型發動機開展多點振動監測分析，在試車臺、外場通過多次實驗驗證了其主要功能［20］。

振動監測診斷是航空發動機健康管理最重要的方面之一，本文將從振動監測振動系統研制及應用、典型故障特征及診斷方法研究現狀進行具體綜述，并對整機振動類故障診斷技術的發展方向進行分析。

1 整機振動監測診斷系統研制及應用

氣路、振動、滑油PHM 技術是航空發動機預測與健康管理系統的關鍵，這3 種技術可以基本涵蓋發動機的主要氣路、轉動和傳動部件監測分析需求［21］。

其中，振動類故障是航空發動機的主要故障模式。國外先進發動機EJ200、F119、F135 配裝的健康管理系統均包含振動診斷技術，并且隨著發動機健康管理系統的發展，振動診斷在整個系統中的比重隨之加大［12］。同時，根據中國某保障單位近3年的數據統計，振動超標、性能故障、滑油消耗量大、金屬含量超標、漏油、滑油壓力低等是某型現役發動機地面試車常出現的故障現象［12］，其中振動超標占70%以上。因此，提升振動PHM 技術是中國航空發動機健康監測發展的重中之重。

國外航空發動機振動健康監測能力和水平已達到成熟的應用狀態，在航空發動機振動監測與診斷技術及應用方面，具有代表性的是瑞士Vibro-Meter 公司的UEVM 系統［22］，羅羅（R-R）公司的QUICK 系統［23］，美國GE 公司的HUMS系統［24］，霍尼韋爾（HUNEYWELL）的Zing 系統［25］等，這些用于渦扇發動機、燃氣輪機等的狀態監測預警與故障診斷系統已相對成熟。

瑞士Vibro-Meter 公司研制的通用發動機振動監測儀（UEVM）已取得了大量應用，可實時監測整機振動狀況，包括振動強度、頻率等內容，同時實現遠程監測及平衡調整，其系統架構如圖3［22］所示。牛津大學與羅羅（R-R）公司聯合開發了QUICK 先進機載監測系統，能夠實時監測航空發動機在飛行過程中的各項關鍵參數，包括振動、溫度、壓力等，并將振動數據與瞬時性能測量值進行信息融合，針對航空發動機提供預測性維護方案。通用電氣（GE）航空部門使用自研的HUMS 振動監測系統，該系統在振動實時監測和振動故障診斷的基礎上，可進一步實現自適應學習，能夠根據設備的運行情況和環境變化進行動態調整，提高系統的故障識別準確性和效率。霍尼韋爾近年來推出了代號為Zing 的健康狀態與使用監控系統（HUMS），如圖4［26］所示，能夠對渦軸發動機實現振動監測與故障診斷，并幫助維護人員進行航空發動機風險管理和安全評估。

可以看出，國外已經應用的系統實現了對航空發動機的振動健康監測。而中國的整機振動監測診斷系統仍處于起步階段，機載主要功能為狀態監視、嚴重故障告警，虛警率、漏警率均較高，導致發動機故障難以實現及時、有效的分析診斷。同時，地面振動檢測設備也較為欠缺，主要依賴發動機地面檢驗操縱臺、綜合調節器地面檢查操縱臺、孔探儀、渦流檢測儀等，導致發動機排故能力仍有待提高。因此，近年來中國航空發動機振動故障監測診斷技術研究受到廣泛關注，但目前主要研究均集中在理論基礎層面，急需進一步開展技術落地應用。

中國現役三代機發動機沿用的是俄制磁電速度式振動傳感器和整機振動監控標準，實踐發現，原俄制振動傳感器存在頻響低、數量少兩大問題。頻響低，主要滿足轉子轉速跟蹤用，導致軸承、葉片、齒輪等高頻振動特征難以感知；數量少，現役發動機大多監測一個機載振動測點，導致測試信號難以直接、有效地監測主要旋轉部件［11］。

2 典型故障特征及診斷方法研究現狀

2.1 轉子不平衡故障

轉子不平衡故障是由于轉子部件質量偏心或轉子部件出現缺損造成的。在實際生產中，不平衡質量是不可避免的，因此轉子不平衡是航空發動機乃至旋轉機械中常見的故障之一。據某發動機維修廠統計，每年因不平衡振動故障而造成的提前返廠量占返廠發動機總數的60%以上，嚴重影響發動機出勤率。

航空發動機多采用雙轉子結構，如圖5所示。國內外學者通常將剛度、阻尼等線性化處理，以便分析雙轉子系統動力學特性。國外學者Gupta等［27］將傳遞矩陣法和試驗研究相結合，分析了雙轉子模型的不平衡響應，盡管該雙轉子模型與實際航空發動機轉子系統存在差異，但仍能說明內外轉子之間存在相互影響。Ferraris 等［28］采用動力學建模的方法，研究了雙轉子系統同轉以及對轉時的響應特征。國內學者同樣對轉子不平衡故障開展了深入研究。胡絢［29］、蔣云帆［30］等研究雙轉子系統不平衡振動響應特性時，采用傳遞矩陣法與試驗相結合的方式探究了雙轉子系統同轉以及對轉時，臨界轉速與不平衡響應的差異。韓軍等［31-32］利用傳遞矩陣法建立雙轉子模型，分析了雙轉子不同測點的不平衡響應與轉速、不平衡量之間的靈敏度關系，并且通過對雙轉子同轉或對轉的數值仿真分析，發現當轉速比較接近時發動機會出現拍振現象，引起振動強度過大。廖明夫等［33-34］通過理論公式推導，分析了中介軸承剛度以及阻尼對雙轉子模型中高、低壓轉子不平衡響應的影響，同時也指出當高、低壓轉速接近時，會出現明顯的拍振現象。馬平平等［35］針對某型航空發動機結構，建立了四盤五支點雙轉子模型，研究了在不平衡激勵下，轉速、不平衡位置、不平衡量大小、不平衡相位、中介支承剛度等因素對雙轉子系統振動響應的影響。

圖5 航空發動機復雜轉子系統Fig.5 Complex rotor system of the aero-engine

航空發動機轉子系統中，不同轉子間常采用中介軸承連接，受聯軸器、軸承、擠壓油膜阻尼器等非線性部件的影響，航空發動機轉子系統的動力特性更加復雜。國外學者Hibner［36］基于傳遞矩陣法分析對比了有/無非線性黏性阻尼時，多軸航空發動機轉子系統的不平衡振動響應特點。Gunter 等［37］、Bonello 和Hai［38］考慮在擠壓油膜阻尼器的非線性影響下航空發動機轉子的不平衡響應。國內學者同樣對此展開了研究，陳曦等［39］針對大涵道比渦扇發動機低壓轉子中套齒式剛性聯軸器結構，利用理論分析與試驗驗證，并通過改變軸向擰緊力矩來改變聯軸器的非線性連接剛度，發現對應的不平衡響應幅值會有不同程度地改變，且改變不平衡量的位置會導致不平衡響應幅值大小及其變化率有所不同。路振勇［40］、鄧四二［41］等考慮中介支承非線性影響，建立雙轉子系統動力學模型，研究了支承結構參數對雙轉子系統不平衡振動響應的影響。羅貴火等［42］考慮中介軸承非線性影響，建立了航空發動機雙轉子－滾動軸承－機匣耦合動力學模型，采用數值分析與試驗驗證相結合的方式，對同轉和對轉雙轉子系統的不平衡響應進行了分析，指出對于同轉和對轉的雙轉子系統，當高、低壓轉子的轉速差較小時，系統的拍振響應明顯，振動響應較大。陳果［43］針對典型雙轉子航空發動機結構，建立了雙轉子-滾動軸承-機匣耦合動力學模型，分析了擠壓油膜阻尼器的減振性能以及系統對不平衡故障的靈敏度。楊喜關等［44］綜合考慮了軸承與擠壓油膜阻尼器支承系統的非線性對雙轉子系統不平衡振動的影響。

國內外有關航空發動機轉子不平衡故障的研究成果十分豐富。針對航空發動機轉子不平衡的研究多集中在航空發動機復雜模型的建立、部件結構參數的影響、不同位置的響應特點、轉子同轉及對轉的影響等方面。多利用工頻幅值變化規律并結合航空發動機不平衡故障振動特性，綜合診斷轉子不平衡故障。目前，針對航空發動機轉子不平衡故障問題，仍需要對以下幾個方面進行進一步研究。

1） 考慮聯軸器、軸承、擠壓油膜阻尼器等多部件的耦合，建立起更加復雜全面的航空發動機模型。當前建立的模型對航空發動機各部件結構進行了不同程度的簡化，且多數文獻只考慮某一部件結構的影響，忽略了其他部件結構的影響，仍需進一步研究。

2） 結合航空發動機實測數據，研究航空發動機不同位置發生不平衡，以及各部件結構參數變化時的不平衡響應特征。目前國內外已有大量文獻研究了轉子不同位置發生不平衡故障以及部件結構參數變化時的響應特征，且多通過搭建轉子實驗臺進行實驗驗證，但轉子實驗臺實驗數據與航空發動機實測數據仍有很大差距。因此結合航空發動機實測數據進行分析及驗證的問題仍需進一步深入開展。

3） 研究航空發動機轉子不平衡的故障定位以及定量診斷技術。航空發動機的復雜結構、傳遞路徑、多部件耦合等多種因素，以及工作條件惡劣、傳感器安裝位置受限等問題，使得航空發動機轉子不平衡故障問題變得更加復雜。準確識別航空發動機轉子不平衡故障位置以及故障程度，對航空發動機的安全穩定運行具有重大意義。

2.2 支承不同心故障

由于現代航空發動機對高效率、高性能等需求的提升，其轉子系統多采用雙轉子結構設計。其中，低壓轉子系統作為大跨度柔性轉子系統，為防止撓曲變形過大，常采用多支承的結構設計。這種結構設計雖然能夠滿足航空發動機的設計需求，但是受制造、裝配和長時間工作的影響，轉子支承結構的中心往往存在一定程度的相對偏移，各支承的中心很難保持在同一條軸線上，從而出現“支承不同心”問題，如圖6所示。當轉子系統發生支承不同心故障后，將直接影響發動機的正常運行，輕則造成轉子振動加劇，軸承磨損，嚴重時甚至會發生動靜碰摩故障。

圖6 支承不同心故障示意圖Fig.6 Schematic diagram of misalignment fault

針對此類故障，目前主要研究集中在以下2大方面：一是通過動力學建模，研究支承不同心故障下轉子系統的振動響應特征，為航空發動機支承不同心故障的診斷提供理論依據。這一方面研究的關鍵在于動力學建模方法。常見的航空發動機動力學建模方法有質心集中質量法、傳遞矩陣法、有限元法等。目前針對航空發動機支承不同心故障的動力學建模主要集中于質心集中質量法和有限元法，傳遞矩陣法鮮有提及。在利用質心集中質量法建模方面，國內于2012年，由張振波和Li 等［45-46］利用Lagrange 能量法建立了適用于航空發動機轉子支承不同心的動力學模型，該模型以增加非線性剛度項的方式引入支承不同心故障。通過研究模型中不同心量和不平衡量對振動響應的影響，獲得了轉子支承不同心時的頻率響應特征。在此基礎上，張振波和Ren 等［47-48］建立了不同連接結構的運動微分方程，得出了不同連接結構出現支承不同心后，不同心激振力各不相同的結論。進一步地，劉永泉等［49］將當量剛度引入動力學建模，實現對航空發動機轉子支承不同心時附加非線性剛度的定量描述。

在利用有限元法建模方面，國內的吳英祥等［50］則利用支承軸承間隙模型描述轉子支承不同心問題，研究發現支承不同心需要軸承的間隙補償，同時過大的間隙會使轉子運動呈現混沌現象。馮國全等［51］將支承不同心看作軸承不對中問題，并將軸承不對中等效為不對中彎矩，基于此建立了轉子支承軸承不對中有限元模型，利用模型分析發現，振動響應中轉子轉頻的2 倍頻成分占據主導。王美令、張宏獻和肖森等［52-54］將支承不同心引起的附加載荷引入轉子系統有限元模型中，得出了出現支承不同心故障后振動頻率更加復雜以及振動響應特征的變化規律。柏長青等［55］基于多體動力學建立了轉子-軸承-支承系統的有限元模型，利用附加驅動轉速的方式模擬支承不同心，分析發現軸向振動工頻和倍頻成分是轉子支承不同心的典型特征。除此之外，Han 等［56-57］基于彈性鼠籠支承的剛性轉子系統建立了有限元模型，對支承不同心時模型的應力、應變能分布進行了分析，發現不同心故障后鼠籠的應力水平顯著增加，甚至具有損壞的風險。

以上是國內外研究學者針對航空發動機支承不同心故障的動力學建模方面的研究。通過比較國內外研究學者的研究現狀，發現相較于國外學者，國內針對航空發動機支承不同心故障的動力學建模研究更為深入、全面；而國外研究學者普遍將支承不同心故障視為轉子不對中故障的一部分，因此鮮少有國外學者將其單獨考慮。

目前航空發動機支承不同心故障的振動特性可以總結為：

1） 振動響應中轉子轉頻的2 倍頻響應占據主導地位。

2） 軸向和徑向2 倍頻幅值相對于工頻幅值的大小可以表征支承不同心故障的嚴重程度。

3） 軸心軌跡包含了軸承錯位的位置和方向信息，可用于支承不同心故障的診斷。

二是通過開展航空發動機轉子系統支承不同心故障模擬實驗，進行航空發動機支承不同心故障的診斷方法研究。在該方向，國內的王美令等［52，58］設計了具有不同程度支承不同心故障的實驗裝置，通過調整墊片的厚度實現故障程度的模擬，實驗分析發現支承不同心引起了明顯的軸向振動，頻譜圖中以工頻及其倍頻成分為主導。馬平平［59］基于低壓渦輪后支點不對中現象設計了相關模擬實驗，通過實驗分析發現故障后頻譜圖中出現顯著的轉頻2 倍頻成分，同時軸心軌跡為水滴形。

目前航空發動機支承不同心故障的診斷方法可以總結為：采用頻譜分析轉子轉頻及其倍頻成分（尤其是2 倍頻成分），同時結合軸心軌跡綜合診斷支承不同心故障。

現有研究工作中對具有支承不同心故障的航空發動機整體建模研究較少，對航空發動機支承不同心故障的診斷方法考慮較少，使得目前故障診斷方法無法滿足航空發動機支承不同心故障的診斷需求，未來的航空發動機支承不同心故障診斷的主要研究方向是：

2） 在故障診斷方法方面，現有支承不同心故障特征與轉子不對中故障特征相似，未來需要基于支承不同心故障理論研究建立針對航空發動機支承不同心故障的診斷方法。

3） 航空發動機支承不同心故障的定量診斷。對于航空發動機來說，支承不同心故障的定量分析是一個難題，現有相關研究較少。故障的定量診斷對提高故障診斷準確率和保障設備安全運行具有重要意義，未來仍需要對航空發動機支承不同心故障的定量診斷進行深入研究。

2.3 轉子不對中故障

轉子不對中同樣是航空發動機乃至旋轉機械中典型故障之一，通常是指由于聯軸器結構的制造誤差、裝配不當、熱變形等因素，導致應在同一軸線的相鄰轉子存在一定的偏移或傾斜量的現象。因此聯軸器不對中通常包括平行不對中、角度不對中以及綜合不對中，如圖7［60］所示。轉子不對中故障會引起轉子系統的軸向振動和徑向振動，嚴重時會影響整機穩定運行，導致發生嚴重事故。國外的統計表明，航空發動機整機振動與不對中相關的故障占到系統故障的50%～60%；據美國海軍飛機維護庫數據調查顯示，40%的固定翼飛機和70%旋轉翼飛機存在的附件花鍵連接損傷問題主要是與不對中故障有關［60-62］。

圖7 不對中故障形式［60］Fig.7 Form of Misalignment fault［60］

國內外學者一般通過3 種方法獲得聯軸器不對中的動力學模型［60，63］。第1 種是根據聯軸器結構特點，基于聯軸器的變形幾何關系和受力分析建模；第2 種是對于自由度較少的轉子系統，采用系統整體拉格朗日能量法建模；第3 種是采用有限元或集中參數法，將聯軸器看作轉子系統的一部分，用等效軸段建模。

國內外學者對航空發動機轉子不對中故障的研究取得了一定成果。國外學者Leen 等［64］通過模擬試飛條件并結合三維有限元模型分析，研究了航空發動機聯軸器的疲勞與微動磨損。航空發動機轉子不對中問題在中國也受到了越來越多的關注。國內學者李全坤等［65］根據幾何關系與受力分析，建立了考慮不對中故障的雙轉子動力學模型，通過解析求解、數值分析和試驗驗證，研究了雙轉子系統存在不對中故障時，高、低壓轉子的振動響應特性。結果表明低壓轉子發生不對中故障時，由于高、低壓轉子間的耦合作用，低壓轉子不對中故障會影響高壓轉子的振動響應。陳果和李興陽［66］主要以航空發動機高壓轉子及后機匣為研究對象，考慮套齒聯軸器綜合不對中，并根據幾何關系與受力分析，建立了轉子-滾動軸承-機匣耦合動力學模型，通過數值仿真分析，發現不對中故障將引起系統的超諧共振，其中基頻在臨界轉速下會引起共振，2 倍頻會在1/2 臨界轉速下引起共振。李俊慧等［67］利用有限元法對航空發動機常用的套齒聯軸器結構進行了動力學分析，并提出了套齒結構動力學設計方法。蔣玲莉等［68-69］以某型航空發動機雙轉子系統為研究對象，建立了航空發動機雙轉子系統有限元模型，對比了正常狀態與平行不對中故障對固有頻率的影響，并且考慮了聯軸器的影響，將聯軸器模化為一個當量軸段，之后通過數值仿真分析，研究了存在不平衡激勵與聯軸器發生角度不對中情況下不同支點處的振動響應與軸心軌跡規律，結果表明低壓轉子聯軸器不對中振動特性可通過中介軸承傳遞到高壓轉子，進而影響高壓轉子的振動。

國內外有關轉子不對中的成果十分豐富，但關于航空發動機轉子不對中的相關文獻仍舊較少。針對航空發動機轉子不對中的研究多集中在聯軸器的動力學建模、聯軸器不對中與轉子系統的耦合作用、轉子不對中傳遞規律等方面。多采用頻譜分析2 倍頻幅值變化，并結合航空發動機轉子不對中故障振動特性，綜合診斷轉子不對中故障。針對航空發動機轉子不對中問題，以下幾方面仍需進一步研究。

1） 建立航空發動機聯軸器動力學模型。國內外關于聯軸器動力學建模已取得大量成果，但航空發動機的復雜結構以及工作環境等因素，使得航空發動機聯軸器動力學建模問題更加復雜，仍需進一步研究。

2） 結合航空發動機實測數據以及動力學模型，研究航空發動機轉子不對中傳遞規律。中介軸承耦合作用以及其他復雜結構使得航空發動機的振動信號傳遞十分復雜，使得診斷分析變得困難，仍需要進一步研究。

黃河作為世界第五長河，世界含沙量最大的黃色河流，孕育了五千年華夏文明，而現今黃河的旅游開發狀況與其國際地位嚴重不符。山西黃河全域旅游建設應放眼國際，改變單一、保守的國內客源市場開拓為主的觀念，利用國內外強勢媒體進行宣傳推介，打造“黃河旅游”這一國家名片。

2.4 動靜碰摩故障

碰摩故障是旋轉機械中常見的故障類型，航空發動機作為一種高精度的氣動熱力旋轉機械，出現動靜碰摩故障的概率極大［70］。目前，在航空發動機設計時，為了增加喘振裕度和提高壓氣機的效率，普遍將航空發動機設計成雙轉子-軸承-機匣機構的復雜耦合系統，這使得發動機的動力學特性變得復雜多變。同時，為了提高發動機的推重比和結構效率，轉子與靜子之間間隙設計的越來越小。這也導致了發動機碰摩故障發生的風險急劇增加［71］。葉片與機匣碰摩示意圖，如圖8所示。當發動機發生碰摩故障時，會引起整機劇烈振動，嚴重時甚至會造成動靜葉片斷裂，轉軸永久性彎曲等事故，從而嚴重影響生命以及財產安全。因此，針對航空發動機碰摩故障振動特性以及故障預測的研究有著極其重要的意義。

圖8 葉片與機匣的碰摩示意圖Fig.8 Schematic diagram of rub-impact between blades and casing

針對航空發動機碰摩故障，國外學者也在進行不斷的研究。Prabith 和Praveen krishna［72］為代表的國外學者針對碰摩故障建立了多種碰摩模型，通過模型仿真研究了碰摩故障的復雜振動特性。針對不同碰摩類型、系統參數變化以及碰摩引發的不同耦合故障機理進行著不斷仿真和實驗分析。

在航空發動機碰摩故障類型模擬以及各參數變化對碰摩故障的影響方面，國內學者做出了巨大貢獻。林學森等［73］建立了帶柔性靜子部件的軸承共腔結構的渦軸發動機的碰摩動力學模型。結果表明該結構與傳統雙轉子結構中中介軸承具有相似的動力學特征。袁惠群等［74］建立了雙轉子-機匣簡化耦合系統的動力學模型，得出當碰摩剛度增加時，共振區范圍以及振動幅值明顯增加。張天程等［75］建立了航空發動機雙轉子系統含碰摩力的彎扭耦合動力學模型，得出扭轉振動信號頻譜特性更適用于碰摩故障診斷的結論。羅貴火等［76］提出了一種解決含局部非線性雙轉子動力特性的高效方法，并得出碰摩故障會嚴重影響內轉子系統同步響應頻率幅值。聶日敏等［77］通過模型得出高壓渦輪碰摩會導致系統發生反向渦動、低壓渦輪碰摩會抑制高壓碰摩以及高低壓渦輪同時碰摩相比于高壓渦輪碰摩呈現出轉速區間更窄、振動幅值更低的特點。丁小飛等［78］進行了高壓渦輪葉片和機匣的碰摩仿真分析，仿真結果表明碰摩故障導致發動機振動幅值明顯增大。秦海勤等［79］得出可由轉子和機匣頻譜圖判斷是否發生局部碰摩，并提出高壓轉子的碰摩幅值隨偏心量和碰摩剛度的增加愈加明顯的結論。陳松霆和吳志強［80］認為碰摩剛度和支承彈簧剛度的增大有利于保持系統的穩定性。張婭等［81］通過模型分析得出僅由不平衡量導致的軸向碰摩系統具有較好的穩定性的結論。

航空發動機碰摩故障信號的處理方法也在不斷的更新改進，以提高故障診斷的準確性。在碰摩信號處理方法方面。何田等［82］提出了基于奇異值分解（SVD）的故障特征提取方法以適用于碰摩特征提取，能夠在強干擾背景下診斷，并能夠精確的檢測不同位置碰摩發生先后。劉洋等［83］認為基于傅里葉分解方法（FDM）的轉子碰摩故障診斷方法，表現了出更高的可靠性和有效性。邊杰等［84］提出一種參數自適應的變分模態分解方法（APVMD）對雙轉子航空發動機振動狀態實測彈性支承應變信號進行分析。陳果等［85］提出了一種基于倒譜分析的碰摩部位識別方法，可準確識別碰摩部位樣本特征。左紅艷等［86］提出的小波變換和Hilbert-Huang 變換方法在密度分布不均勻的多類型混合數據表現為更高的精度。張志禹等［87］采用廣義S 變換方法檢測和提取故障特征，該方法相對于小波變換的結果具有更精確的碰摩位置檢測和良好的抗干擾能力。周海侖等［88］利用支持向量機從大量樣本中獲取碰摩知識并進行判斷，結果表明該方法針對碰摩故障具有很高的識別率。

現階段，國內外學者都通過碰摩故障模型的搭建與改進，來不斷完善理論碰摩故障模型。通過模型來不斷分析不同碰摩類型以及不同參數下的碰摩故障特征。并且在碰摩故障振動信號的處理方面也在不斷的更新，傅里葉變換、小波變換等處理方法的應用使得碰摩故障的診斷更加快速準確。但如今，國內外大多數學者關于碰摩故障的研究主要集中于對所建模型的數值仿真模擬進行計算，而缺乏真實的實際工程驗證。在航空發動機運轉過程中，復雜的運行機理可能會導致碰摩故障的振動特征難以凸顯，難以驗證所建模型及仿真分析結果的有效性。同時還應該進一步建立更靠近真實工況的碰摩模型進行碰摩分析并發展更為完善的碰摩損傷程度評估方法。

2.5 葉片斷裂故障

航空發動機是一種高速旋轉的動力機械，葉片作為航空發動機的關鍵部件，因為其工作環境惡劣，如高溫、高壓和高速，導致其成為故障頻發的部件［89］。據統計，葉片故障是航空發動機中常見的重大問題，約占整機故障的42%。葉片斷裂會導致轉子的平衡性被破壞，甚至可能導致災難性事故和發動機的徹底毀壞［90］，如圖9所示。目前國內外學者主要從以下幾個方面對葉片斷裂故障進行了研究。

圖9 葉片斷裂故障示意圖Fig.9 Schematic diagram of blade fracture fault

2.5.1 基于動力學模型的葉片斷裂故障

通過建立動力學模型來分析葉片斷裂引起的系統響應特性的變化，分析模型中不同部件的耦合特性，發展了基于轉軸振動、葉片振動和機匣振動跟蹤分析的葉片故障診斷方法。

2013年，Sinha［91］考慮風扇葉片斷裂后轉子的非對稱特征。推導了具有可變形葉片的非對稱轉子的轉子動力學方程。結果表明轉盤中心和機匣響應中呈現出了非線性現象。Hong 等［92］提出了葉片斷裂后轉子載荷傳遞系統的瞬時微分方程。得出葉片斷裂后突加的沖擊載荷在靜子傳遞過程中會嚴重衰減，阻尼會降低沖擊響應的極值。Hong 等［93-94］、Xie 等［95］研究了葉片丟失下航空發動機整機動力學響應，得到了葉片丟失使轉子轉速降低，并在復雜載荷激勵下呈現出非線性特性的結論。當葉片丟失導致碰摩發生時，在轉子系統響應中伴隨有轉子橫向固有振動，持續碰摩還會改變系統的臨界轉速，同時提出了平均頻率和帶寬指標作為葉片損傷監測指標的一種方法。Wang 等［96-97］建立了葉片斷裂下與機殼發生碰摩故障的雙轉子-葉片-機匣系統有限元模型。葉片斷裂會在機匣上產生沖擊頻率為葉片通過頻率的振動，并且在沖擊頻率附近激勵起雙轉子轉速差的倍頻成分；由于陀螺力矩的影響，也會在轉軸位移信號中激勵出前2 階轉子進動頻率。Wang 等［98］基于有限元方法和自由度減縮，建立了航空發動機含葉片脫落的轉子-葉片系統模型，通過采用分段擬合的方法對轉子和葉片結構進行建模，通過試驗臺驗證了模型的有效性，結果表明，葉片脫落的瞬間會產生較大的瞬態沖擊力以及較大的系統阻尼，同時葉片會激起轉子的低階固有振型。

基于葉片動力學模型的葉片故障診斷方法是通過建立動力學方程，分析葉片斷裂引起的響應變化，從而實現對葉片故障的診斷。在基于動力學模型分析葉片固有振動特性變化的研究中，尚需提高模型預測的準確性、增強葉片故障特征的解釋性以及解決方法在工程實際應用中的可行性與適用性問題。

2.5.2 基于信號處理的葉片斷裂故障

基于葉片斷裂故障的產生機理，分析葉片斷裂前后葉片振動信號、位移信號、轉軸振動信號、轉速信號、聲壓信號、溫度信號和機匣振動信號中的故障敏感特征，基于先進的信號處理算法形成不同的葉片斷裂故障診斷方法。

2013年，Forbes 和Randall［99］首次根據航空發動機機匣振動信號估計葉片固有頻率，并推導了旋轉葉片的壓力信號以及機匣振動響應模型（SDOF）。得出在機匣振動信號中包含以某個轉頻倍頻±葉片固有頻率間隔分布的窄帶峰值。Liska 等［100］采用FFT、濾波、加權平均等算法提取軸振信號中倒頻譜的葉片特征分量，可實時自動跟蹤葉片的固有頻率及其振幅，并在250 MV汽輪機中進行了商業驗證。胡明輝等［101-103］研究了基于機匣振動的航空發動機壓氣機動葉斷裂故障機理，建立了葉片斷裂下機匣振動響應的數學模型。分析了振動信號中葉片通過頻率幅值、工頻幅值、工頻相位等斷裂故障敏感特征，采用先進信號處理算法建立了基于機匣振動信號的葉片斷裂故障診斷方法，并在實際燃氣輪機葉片斷裂故障案例中得到有效應用。Feng 等［104］提出了一種基于稀疏諧波積譜（SHPS）的燃氣輪機葉片狀態監測模型。該模型可實現葉片相關振動分量與機匣振動分量的準確分離，比傳統的閾值法更早、更準確地挖掘潛在地葉片斷裂等故障類型。Shan 等［105］以時域跟蹤法和時頻轉換法計算了葉片的非線性響應，結果表明凸肩結構對于航空發動機風扇葉片的一階彎曲振動有很好的減振效果，并且可以降低葉片發生斷裂故障時的應力。Gubran 和Sinha［106］通過軸的瞬時角速度（IAS）信號來監測葉片的狀態。葉片故障會導致在葉片固有頻率附近出現2 個或多個峰值及高次諧波，可為葉片的健康監測提供基礎。Zhang等［107］提出了一種基于自適應噪聲完全集成經驗模態分解（CEEMADAN）和變步長歸一化最小均方（VSS-NLMS）算法的聲壓信號降噪算法，對含強噪聲干擾下不同轉速、不同狀態（正常葉片、斷裂葉片）產生的聲壓信號具有良好的降噪效果，并且在斷裂葉片頻譜中，葉片通過頻率及諧波頻率被完整保留，可用于葉片斷裂故障診斷。Abdelrhma 等［108］提出了2 種具有高頻分辨率和高時間分辨率的小波算法，用于識別多級轉子系統中微弱的葉片故障特征。

基于信號處理算法的葉片故障診斷主要通過對與葉片相關的多種振動信號進行分析和處理，提取出故障敏感特征，并基于這些特征形成葉片斷裂故障的診斷方法。主要的故障特征包括葉片固有頻率、振動幅值、相位、工頻幅值、工頻相位以及諧波頻率等。然而，基于信號處理的葉片斷裂故障診斷方法仍然面臨一些待解決的問題，主要體現在算法優化、特征解釋性和工程實際應用等方面。

2.5.3 基于葉間定時技術的葉片故障

轉子葉片振動測量技術分為接觸式測量和非接觸式測量2 種。其中，非接觸式測量相較而言具有很大的優勢。葉尖定時（BTT）是一種新興的葉片振動監測技術，用于檢測、測量和分析旋轉葉片組件中的葉片振動，通過分析BTT 信號中與葉片故障相關的特征信息，可實現葉片故障診斷。

國外對葉尖定時方法的研究始于20 世紀60～70年代，德國MTU（Motoren-und Turbine-Union）研究人員（2005）基于自主研發的BSSM 葉尖定時系統，MTU 的研究人員通過監測葉片二彎模態振動的最大應力，在共振狀態下識別了高階模態振動導致的高周裂紋［109］。NASA Glenn 研究中心和克利夫蘭州立大學合作，開展了葉尖定時系統在轉子輪盤裂紋故障檢測中的探索［110-111］，GE 公司則將葉尖定時系統和其他測量方法一起應用于TF41-A1B 發動機的振動故障檢測［112-113］。韓國學者針對BTT 信號欠采樣的問題，定義了一個稱為馬氏距離的統計指標，并將其用于具有裂紋的旋轉多葉片系統的故障診斷。并利用模擬模型獲得的BTT 信號，研究了裂紋存在和信噪比對所提出方法可靠性的影響［114］。

中國學者對葉尖定時技術的研究起步較晚，天津大學段發階團隊通過建立BTT 仿真模型，設計并搭建BTT 測量系統，實現葉片的狀態監測［115］。中國航發沈陽發動機研究所和湖南動力機械研究所引進了HOOD 公司的BTT 測量設備，并在相關的試車臺上進行了測試實驗，以獲取振動數據用于葉片的強度分析［116］。此外，西安交通大學、北京化工大學等對BTT 技術也有較多文獻報道，主要研究重點集中在高速數據采集、振動參數提取、優化探頭布局及測振系統集成開發等方面。利用BTT 信號實現葉片健康檢測的主要難點之一在于準確獲取葉片的振動參數，由于BTT 信號具有嚴重的欠采樣特性，近幾年學者從不同的角度開發了許多分析方法來研究如何從BTT 采樣信息中有效地表征葉片的真實振動。Chen 及其團隊提出了一種有效且高效的基于時延的頻譜重構方法，適用于大多數BTT方法的參數識別或頻譜重構，為BTT 測量提供了指導［117］。

綜上所述，基于BTT 技術的葉片故障診斷依賴于對BTT 信號特征信息的分析，以識別葉片振動參數和共振頻率等特征，從而實現葉片健康狀態的檢測和故障診斷。但是，應用BTT 技術實現葉片故障診斷仍需實現數據處理算法的優化、BTT 系統的穩定性與可靠性的提高、工程實際應用以及故障診斷準確性的提高等。

2.5.4 基于人工智能的葉片斷裂故障

基于人工智能的分類系統可有效識別航空發動機葉片故障，最大限度地減少人工干預。人工智能方法能從大量數據中提取故障敏感特征，并將其作為故障診斷分類器的輸入，對葉片故障進行分類診斷。

Kuo 等［118］利用非線性系統的特性將完整渦輪振動信號加載到統一的混沌系統中，開發了一種渦輪葉片的故障診斷儀，根據可拓學理論對信號進行人工智能故障診斷。Li 等［119］提出一種結合歷史監測數據的相似性傳播聚類的故障診斷方法，并在航空發動機轉子故障試驗臺上模擬葉片斷裂故障并驗證了方法的有效性。Shapiai 等［120-121］提出了基于小波變換的人工神經網絡模型來識別航空發動機振動信號中的葉片故障特征，根據小波系數統計參數特征作為（ANN）的輸入，結果表明，該模型對葉片故障分類的準確率為88.43%。Wang 等［122］將多通道卷積神經網絡（MCNN）算法應用于風力渦輪機葉片角度異常、葉片表面損傷、葉片斷裂等故障診斷中，開發了一種葉片狀態監測的故障診斷系統。Tan 等［123］提出了一種基于本征模態函數的經驗模態分解 和平均統計參數特征提取的葉片故障診斷方法。

綜合來看，針對航空發動機中的葉片斷裂故障，未來研究的重點將集中在深入挖掘實測數據，進一步完善葉片動力學模型、發展葉片的振動監測技術、結合信號處理算法和人工智能技術，實現對葉片斷裂故障的精準診斷和預測，以提高葉片的安全性和可靠性。

2.6 結構共振類故障

振動問題一直是航空發動機設計、制造和使用中無法避開的議題，但引起航空發動機振動超標的原因很復雜［124］。其中結構共振導致的振動超標雖不經常發生，但一有發生便易引起嚴重故障，因此針對航空發動機結構共振類故障的研究十分必要。航空發動機作為振動系統，擁有多子系統、多階固有頻率。當其出現某些振動故障后將在系統內引入激勵，此時如果高、低壓轉頻等激振頻率接近某一階固有頻率，系統會出現結構共振，振幅急劇增大［125］。這種由某些振動故障引起的故障共振稱為結構共振類故障。

針對此類故障，目前主要研究集中在以下2大方面：一是通過動力學建模，研究結構共振故障下轉子系統的振動響應特征，為航空發動機結構共振類故障的診斷提供理論依據。這一方面研究的關鍵在于故障轉子系統的建立。常見的故障轉子系統有裂紋故障轉子系統、碰摩故障轉子系統等。首先，對于裂紋故障轉子系統，國外的Spagnol 等［126］將呼吸裂紋模型中重力主導的假設去除，并引入不平衡研究兩者的耦合效應，研究結果發現較大的不平衡量和180°的偏角會導致超諧共振頻率分量的消失。國內的Hou［127-130］在呼吸裂紋模型的基礎上，引入了機動載荷［127-128］、慣性激勵［129］和不平衡激勵［130］，通過分析系統的非線性響應，發現轉子系統超諧共振的產生受到呼吸裂紋、慣性激勵、機動載荷和不平衡激勵的顯著影響。牛和強［131］建立了含斜裂紋、直裂紋和半拋物線斜裂紋的轉子系統有限元模型，研究發現半拋物線斜裂紋和斜裂紋在扭轉方向會有明顯的共振響應而直裂紋沒有。

對于碰摩故障轉子系統，國內的聶日敏［132］建立了帶有高、低壓渦輪碰摩的航空發動機雙轉子模型，分析雙轉子的振動響應，研究結果發現轉子碰摩會產生激勵頻率，引發組合共振。侯磊［133］建立了水平盤旋飛行環境下的轉子系統模型，對系統的全局分叉進行分析，發現當系統接近2 倍臨界轉速時，機動載荷會誘發系統的亞諧共振，進而導致動靜碰摩。Hou 等［134］在碰摩轉子系統的基礎上引入了機動載荷，通過模型分析發現，由于機動載荷作用，系統會發生次諧波共振，從而導致碰摩。

第二方面是通過實驗分析，進行航空發動機結構共振類故障的診斷方法研究。在該方向，國內的馬會防等［135］基于某風扇增壓級振動故障，研究發現動靜碰摩造成了行波共振，使得振動突增。王海霞等［136］基于航空發動機附件機匣振動超標問題，分析了具體的超標原因為固有頻率共振，通過改變固有頻率的措施，降低了振動。鄭旭東和張連祥［124］介紹了因甩油孔位置不當引發的自激振動故障，說明了共振故障對發動機的危害之大，在此基礎上提出了改進方案，證明了有效性。

目前針對航空發動機結構共振類故障的研究多集中在故障轉子系統的動力學建模、結構共振類故障的振動特性、結構共振類故障診斷方法研究等方面。有關航空發動機結構共振類故障的診斷方法可以總結為：利用臨界轉速狀態的振動趨勢圖，結合頻譜分析綜合診斷結構共振類故障。

現有研究工作中對航空發動機結構共振類故障的診斷方法考慮較少，使得目前故障診斷方法無法滿足航空發動機結構共振類故障的診斷需求，未來的航空發動機結構共振類故障診斷的主要研究方向是：

1） 目前，針對航空發動機結構共振類故障建立的動力學模型多以轉子系統為研究對象，但真實情況下，信號多采集自航空發動機機匣測點。而轉子系統響應信號與機匣采集信號間存在明顯差異。未來可在現有轉子系統響應信號的基礎上，研究響應信號與機匣采集信號間的傳遞關系，為后續故障診斷研究奠定基礎。

2） 鑒于轉子系統響應信號與機匣采集信號間的差異，未來需要建立考慮薄壁機匣結構特性的航空發動機動力學模型，為后續故障特征研究奠定基礎。

3） 現有結構共振類故障案例積累較少，因此為實現對該故障的診斷，未來可將結構共振類故障案例與小樣本學習相結合，通過小樣本訓練模型，實現對航空發動機結構共振類故障的分析和故障診斷。

2.7 主軸承損傷

航空發動機主軸承是發動機的關鍵部件，主軸承運行在極端苛刻工況及復雜環境條件下，承受著高溫、高速、重載、貧油、斷油等極端工況，失效形式十分復雜且可能出現多種失效并存，主要失效模式包括疲勞、磨損、熱損傷、打滑蹭傷、保持架失效等。如圖10［137］所示。在振動信號檢測方面，由于航空發動機結構限制，振動傳感器布置嚴重受限，通常只能安裝在外機匣表面。軸承振動信號的傳遞路徑長且傳遞部件多為薄壁復雜結構，導致其頻率成分復雜且信噪比極低。在相關研究中，陳果等［138］通過對比分析機匣測點信號與軸承座測點信號，揭示了在機匣與軸承連接剛度較小時，機匣信號在傳遞路徑中會發生較大的衰減。但通過選擇合適的方法依舊可以進行較為準確的診斷。

圖10 主軸承主要失效模式［137］Fig.10 Main failure modes of bearings［137］

目前，主軸承故障診斷的主要方法有4 類：面向故障特征頻率提取的振動信號分析、多傳感器協同分析診斷、基于人工智能的故障辨識以及軸承剩余壽命預測。

通過提取振動信號的故障特征頻率，計算時域特征、頻域特征以及時頻域特征可以對軸承狀態進行診斷。2015年在法國羅安理工學院舉辦的賽峰競賽提供了民用飛機發動機的2 個損壞軸承振動和轉速信號［139］。為準確診斷軸承故障，普遍采用的方法是首先在角域對信號進行重采樣，然后采用不同濾波技術削弱背景噪聲對軸承故障特征信號的影響。圍繞航空發動機主軸承中的中介軸承，廖明夫等［140］提出了轉差域頻譜和轉差域包絡譜的概念，并以此分析了中介軸承外圈故障的信號特征。北京化工大學診斷與自愈工程研究中心（DSE 中心）也建立了相應的雙轉子故障模擬實驗臺，并基于主軸承（含中介軸承）信號傳遞特性，建立了一系列主軸承故障診斷方法，包括預白化、共振解調、轉差域階次跟蹤等預處理［2］，變分模態分解［141］、沖擊脈沖法［142］等特征分析，卷積神經網絡［143］、支持向量機［144］等智能診斷方法。

此外，Zhang 等［145］提出了一種軸承故障診斷方法，在保持相似性以及特征結構完整性的同時，提高了高轉速下主軸承故障的診斷精度。Rzadkowski等［146］通過葉尖計時和葉尖間隙技術分析了渦噴發動機中介軸承故障，為渦噴發動機軸承故障分析提供了新的思路。西安交通大學的陳雪峰等［147］提出了匹配同步壓縮變換、匹配解調變換［148］、瞬時頻帶與同步壓縮方法［149］方法，顯著提升了時頻分析方法的聚集性與航空發動機振動監測的有效性，并經過某型航空發動機整機試車驗證，驗證了方法在振動監測與振動突跳溯源排故中具有不可替代的作用。沙云東等［150］提出了一種基于閾值參數篩選的航空發動機主軸承故障特征提取方法。西安交通大學Wang 等［151］提出了非凸正則化稀疏診斷、脊加權稀疏診斷方法［152］，顯著提升了航空發動機軸承剝落故障特征提取與診斷能力。

由于振動信號采集方便，國內外學者也提出了許多基于振動信號的航空發動機故障診斷方法，并且通過實驗證實了這些方法的可靠性。目前該方法對于機械系統進行故障診斷的理論已較為成熟，然而面對航空發動機高溫、高應力、油霧環境、工況復雜、高背景噪聲等條件，EMD、FFT、沖擊脈沖法等單一方法不能有效提取故障特征，需要根據應用環境進行改進。

多傳感器信息融合在主軸承故障診斷中亦受到了廣泛關注。主軸承故障特征弱、背景噪聲強，常規監測手段僅通過單個傳感器收集狀態，而多傳感器系統可將不同特征進行合理支配，將冗余互補信息進行融合，最終輸出更有用的信息。鑒于上述思路，林桐等［153］提出了基于標準化歐氏距離的多特征融合評估方法，該方法對于航空發動機軸承故障的不同類型、不同程度診斷有較高靈敏度。Ma 等［154］提出了一種基于弱磁檢測的發動機軸承故障檢測方法，可通過無損非接觸方式實現振動信號和內圈、保持架、滾動元件旋轉頻率的同步采集，進而實現多傳感器協同的軸承故障檢測。目前多傳感器信息融合的方法已經成為設備狀態檢測的一種趨勢，主要的融合方式有數據融合、特征融合、決策融合3 種方式。但是在其增強了振動信號有效性的同時，也帶來了運算量較大，原始數據信息損失等問題。

基于人工智能的航空發動機主軸承故障辨識也正在一個主要的研究方向，該類方法主要包括神經網絡、遺傳算法、支持向量機等。Wang等［155］提出了一種基于支持矢量機（SVM）的智能診斷方法，用于定量診斷高速航空發動機軸承的早期微弱故障。張向陽等［156］提出了基于卷積神經網絡（CNN）的故障診斷方法，利用峭度圖等方法將原始信號轉變為圖像信號，通過卷積神經網絡對故障類型進行識別。為了滿足航空發動機滾動軸承在線監測的要求，Lin 等［157］提出了一種新的超球面距離判別方法（HDD），將振動加速度信號中提取的原始多維特征轉換為分布在超球面的同維重構特征，利用距離判別分析模型實現軸承故障檢測和退化評估。人工智能的監測方法主要依賴于觀測數據，與系統的復雜程度無關，但其診斷精度卻依賴于樣本數據的完整性，需要對各種狀態下的監測數據進行學習。

對軸承進行剩余壽命預測估計軸承狀態亦是航空發動機主軸承故障狀態識別的未來發展方向。西安交通大學李乃鵬等［158］為了對軸承非線性隨機退化行為進行表征，對傳統的指數隨機退化模型進行改進，引入貝葉斯更新和粒子濾波方法對退化模型參數和軸承損傷狀態進行聯合更新，降低了退化數據的隨機波動對壽命預測的干擾；之后，進一步考慮了運行工況時變對軸承退化速率和監測數據幅值的影響，構建了雙尺度工況轉換的壽命預測方法，解決了時變工況下的滾動軸承壽命預測問題［159］；同時針對工程實際中很難獲取完整的全壽命數據的問題，提出了一種自數據驅動的壽命預測方法框架，基于軸承自身部分退化數據從多樣化模型庫中自適應優選最佳模型用于退化過程的描述和預測［160］。

綜上，總結第2 節內容，目前研究進展匯總如表2所示。

表2 故障特征及診斷方法研究現狀匯總Table 2 Summary of current research status on fault characteristics and diagnostic methods

3 整機振動故障診斷技術的發展方向

航空發動機這一復雜對象的實際特點，決定了常規的轉子系統振動故障診斷方法并不適用。雖然針對上述常見故障的振動機理、診斷方法研究較多，但大多通過嚴重簡化的實驗器進行驗證，鮮見于成果在實際數據中驗證及應用的公開報道，因此，航空發動機的振動故障診斷還面臨寬頻高精度振動采集、振動機理與傳遞路徑分析、機理與案例數據深度融合、機載智能診斷與地面大數據挖掘協同等諸多挑戰。在總結上述工程應用、理論研究現狀的基礎上，借鑒國外發展經驗，梳理航空發動機整機振動故障診斷技術的發展方向及已取得典型進展如下。

3.1 寬頻高精度振動采集是技術發展的根基

以主軸承損傷、葉片斷裂為代表的故障特征主要集中在數千甚至上萬赫茲的高頻帶，而不平衡、不同心等轉子類故障特征信號主要集中在幾十至數百赫茲的中低頻，因此需采集寬頻振動信號，分析特定故障特征分量的變化，以實現航空發動機典型振動故障診斷。

同時，由于航空發動機振動測點多布置在外機匣上，轉子系統及支承發生故障時，通過復雜路徑（如圖11［161］所示）傳遞到測點位置時已極其微弱；并且，由于航空發動機的頻繁、大幅變工況特點，其振動信號通常為具有強時變非平穩特性的快變信號，需要對快變過程每個瞬態的振動信號進行精準采集分析。

圖11 某型雙轉子航空發動機支承結構示意圖［161］Fig.11 Schematic diagram of support structure for a certain type of the aero-engine［161］

綜上，發展航空發動機振動故障診斷技術以實現寬頻高精度振動感知、快變條件下微弱特征分量的精準提取為根基。國內相關單位亦開展了相關探索研究，但機載的推廣應用還需進一步加強：如針對C919客機自主研發的PHM 系統［162］、廣州航新科技公司針對直升機開發的HUMS 系統［163］等。北京化工大學DSE 中心亦致力于整機振動監測診斷技術的研究和應用工作，目前已取得豐碩的成果。PHM 系統要求有足夠的傳感器才能獲得實現預測與健康管理所需的底層信息［164-166］，DSE 中心與某發動機保障單位合作，綜合考慮振動敏感性與工程可行性［167-168］，實現了某型航空發動機前機匣、中介機匣、后機匣共7 個測點的寬頻高精度振動狀態監測，已積累航空發動機寬頻高質量數據2 000 余臺次。

3.2 整機試驗及案例是技術發展的前提

航空發動機是試驗科學的產物，故障診斷更需要實踐和試驗來指導。整機振動故障診斷技術研究主要涵蓋4 個方面：模型、專家知識、信號處理和數據，如圖12［168］所示。

圖12 故障診斷的主要方法［168］Fig.12 Main methods of fault diagnosis［168］

基于模型的故障診斷，即通過建立發動機模型用以描述系統或部件的力學、數學特性，輸入動態激勵后求解系統故障響應，以此指導故障診斷［169-170］，而發動機的故障案例即是驗證模型仿真結果準確性的重要依據。

基于專家知識的故障診斷，即以發動機故障診斷和維修保障等領域專家學者多年積累的系統性知識和經驗為基礎，構建典型故障診斷規則庫，進而指導故障診斷［171-172］，發動機的故障案例是專家知識形成的主要依據。

基于信號處理的故障診斷，即對振動信號進行時域、頻域、時頻特征分析，對各個振動分量進行有效分離和特征提取，結合診斷知識對提取出的特征進行物理解釋，用于故障診斷［173-174］，發動機故障案例是信號處理的主要對象。

基于數據的診斷方法，即通過學習算法挖掘隱藏在案例數據中的規律和特征，利用人工智能實現發動機狀態評估與故障識別［175-176］，發動機的故障案例是機器學習的基礎。

綜上所述，發動機的故障案例在這4 方面中均發揮著重要作用，是航空發動機整機振動故障診斷技術發展的前提。然而，發動機的故障案例存在樣本少且分布極其不均的問題。因此，需要開展航空發動機整機試驗，在最大程度還原發動機故障狀態的情況下，補充故障案例，支撐振動診斷技術發展。

為彌補整機試驗及案例高質量數據的缺失，相關單位已初步開展了2 方面工作：① 整機故障模擬。北京化工大學DSE 中心、某研究所分別以某型渦扇發動機為原型，建設了電驅真機故障模擬試驗裝置，主要用于在整機狀態下開展軸承損傷、轉子不平衡、動靜碰摩、葉片損傷等典型振動故障模擬［177］；② 真機案例的高質量數據積累。北京化工大學DSE 中心與某保障單位、中國航發沈陽發動機研究所、中國航發株洲動力機械研究所、中國航發沈陽黎明航空發動機公司等單位合作，成功捕獲了500 余起典型振動故障案例；西安交通大學陳雪峰等［147］通過與中國燃氣渦輪研究院、中國航發西安航空發動機有限公司等單位合作，亦積累了航空發動機試車故障案例。上述數據的積累，可為診斷技術研究奠定良好的數據基礎。

3.3 振動機理與傳遞路徑分析是技術發展的基礎

發動機整機振動機理研究是航空領域的重大課題［178］。發動機轉子-支承-機匣系統高度耦合，且受發動機結構和工作條件的制約，振動傳感器大多分布于外機匣，因此分析典型故障振動機理、信號傳遞機理格外重要［179］。以某型雙轉子航空發動機低壓壓氣機工作葉片和盤產生的不平衡、不同心、葉片斷裂等故障激勵為例，該振動載荷通過鼓筒傳遞至前、后軸頸，再分別通過1 號軸承和2 號軸承傳遞到低壓壓氣機靜子機匣、中介機匣，信號經復雜薄壁結構、彈性支承等部件傳遞，振動響應必然會發生顯著改變。因此，若想實現航空發動機整機振動監測與故障診斷，首先必須以整機振動的激振源為出發點，結合發動機整機結構動力學，分析故障的發生發展機理、振動響應的傳遞規律。

關于振動機理相關研究，本文第2 節已進行總結，此處不再贅述。在傳遞路徑分析方面，天津大學［180］、哈爾濱工業大學［181］等都已形成了部分成果，但鮮見在實際航空發動機上應用的公開報道。故障機理及傳遞路徑的研究，還需結合實際發動機結構及運行特點，通過整機試驗、測試數據來繼續深入。

3.4 機理與案例數據深度融合是技術發展的主要途徑

航空發動機的復雜結構與多變工況，使得其與傳統旋轉機械差異顯著，傳統診斷理論與方法難以直接應用。數據驅動的診斷模型需要大量高質量的帶標簽故障樣本作為訓練條件，而積累了高質量數據的發動機故障案例樣本匱乏，且人為標記的案例標簽未必精確，導致其難以在航空發動機振動故障診斷中直接應用；同時，僅基于數據訓練得到的模型由于其處于“黑箱”狀態，其結果難以令人信服，也不利于進行故障源分析及方法優化改進。因此，結合機理知識的可解釋性與實際案例數據的真實性，構建機理與數據深度融合模型，可實現準確、可靠的發動機整機振動故障診斷。

該深度融合方式可被大致概括為2 個方向：基于機理信息的嵌入算法與數字孿生。基于機理信息的嵌入算法是將物理知識融入機器學習過程中，利用機理知識對數據驅動的隨機性起到限制作用［182］，西安交通大學Wang 等［183-185］提出了模型驅動的算法展開深度網絡構造方法，不僅網絡設計具有事前可解釋性，網絡學習結果亦具有事后可解釋性，學習出了與故障機理相對應的網絡卷積參數以及故障特征。而數字孿生則是一個更為廣闊的方向，不止包含有效物理信息的輸入，也包括實際案例數據對模型的參數識別，通過數字孿生模型將能為故障辨識提供與物理對象相同、甚至更多的信息，輔助數據驅動模型得到更好的學習結果。

為建立適用于航空發動機的故障診斷技術，依托國家重大項目支持，北京化工大學、西安交通大學、西北工業大學、中國航發等單位均開展了大量研究，但鮮見應用于真機試車、飛行中的實時分析［19］。

3.5 機載智能診斷與地面大數據挖掘協同是技術發展的目標

隨著現代振動信號處理、特征提取工程、人工智能技術的不斷發展，航空發動機振動故障診斷技術也不斷拓展、繁榮。傳統事后維修、定期檢修方式，費時費力，耗資居高不下，難以保障發動機長期有效工作，已無法滿足現代飛機發動機故障診斷和維護需求，自動化、信息化、智能化已成為一種剛需，不只是地面檢修維護，更亟需在空中飛行過程便對發動機振動故障進行智能告警與診斷。然而，受限于機載計算資源有限、難以實現多臺次發動機的綜合對比分析等條件，航空發動機的PHM 體系通常還包括地面站的大數據分析平臺。

針對于此，綜合利用各項信號分析處理、機理模型構建及診斷技術，機載端實現典型故障的智能告警與快速智能診斷，地面站實現機群間對比分析、大數據挖掘及溯源診斷，兩者協同，實現航空發動機飛行過程中實時監測與快準診斷，及時準確地檢測故障發生并提供相關告警，以輔助進行飛行決策，降低重大事故發生概率，保障飛行人員生命安全。同時，地面站可進行故障溯源與定位，指導后續靶向保障，轉被動、事后維修為狀態維修，縮短航空發動機維護時間，減少定期維修，提高發動機出勤率。

因此，機載智能診斷與地面大數據挖掘協同是航空發動機整機振動故障監測診斷的發展目標，也是未來智能發動機的迫切需求。針對這一難題，中國航發沈陽發動機研究所、中國航發株洲動力機械研究所、中國航發貴陽發動機設計研究所等工業部門正在聯合高校開展相關理論研究與應用探索。

3.6 故障隔離與整機抑制是振動故障的快準解決策略

故障隔離是指當航空發動機某部分（或某臺）發生故障時，采取停機/降速運行等技術手段，將故障隔離起來，使其對其他部分（或雙發的另一臺發動機）盡可能不產生/少產生影響，進而降低故障的危害性。

整機抑制包括微創抑振與自愈調控。微創抑振指發動機在地面保障過程中，采取整機動平衡、局部分解更換部件等方式，在不對發動機進行大范圍拆解的條件下治愈振動故障；自愈調控指發動機在實際運行中，采取自動平衡、損傷自修復等技術，在運行中“自行”抑制或消除故障。

顯然，上述技術是振動故障得到精準診斷后的快準解決策略，可極大保障發動機及飛機的安全，并顯著提高維修效率。針對這一重大難題，北京化工大學聯合中國航發沈陽發動機研究所、中國航發株洲動力機械研究所形成了2 項成果：整機動平衡技術，真機試車驗證了其有效性；積極探索了自動平衡方法，在部件試驗器上驗證了其抑振效果。