面向核心單元體的航空發(fā)動機性能評估研究

黃燕曉，李書明，王凌云，張 瑩

HUANG Yan-xiao1, LI Shu-ming2, WANG Ling-yun2, ZHANG Ying2

（1.中國民航大學(xué) 職業(yè)技術(shù)學(xué)院，天津 300300；2.中國民航大學(xué) 航空工程學(xué)院，天津 300300）

0 引言

單元體結(jié)構(gòu)設(shè)計[1,2]已成為現(xiàn)代航空發(fā)動機的重要設(shè)計原則和特色，但當(dāng)前航空發(fā)動機主要從整機角度對性能進行監(jiān)控和評估，通常選取氣路參數(shù)來建立評估模型：Allan J. Volponi等在發(fā)動機健康管理綜述中提出氣路分析方法，以排氣溫度（Exhaust Gas Temperature，EGT）、燃油流量（Fuel Flow，F(xiàn)F）、N1和N2的信息為輸入，構(gòu)建性能趨勢評估模型[3]；呂永樂等以起飛排氣溫度裕度（Exhaust Gas Temperature Margin，EGTM）作為表征發(fā)動機運行狀態(tài)的性能參數(shù)之一，預(yù)測發(fā)動機工作狀態(tài)[4]；左洪福等提出以EGT、FF、N1和N2氣路參數(shù)進行性能狀態(tài)評估，著重分析排氣溫度偏差（Delta Exhaust Gas Temperature，DEGT）和燃油流量偏差（Delta Fuel Flow，DFF）的相關(guān)性[5]。故存在這樣的問題：以整機性能狀態(tài)作為評判發(fā)動機換發(fā)、維修依據(jù)，不能將先進的單元體結(jié)構(gòu)設(shè)計特點應(yīng)用在發(fā)動機性能評估管理中，使發(fā)動機性能評估的“安全關(guān)口前移”要求成為空談。

為從單元體角度來評估發(fā)動機性能，國內(nèi)外學(xué)者開展了重要工作：Takahisa Kobayas等基于單元體的模型參數(shù)[6]，即穩(wěn)態(tài)參數(shù)、性能參數(shù)、作動筒活門位置參數(shù)及環(huán)境參數(shù)等，替代氣路參數(shù)，但是沒深入分析基于單元體參數(shù)相關(guān)性及與氣路參數(shù)的非線性關(guān)系；左洪福等分析渦軸發(fā)動機尾氣靜電監(jiān)測信號的影響因素[7]，并探索渦噴發(fā)動機尾氣靜電信號中的氣路故障特征[8]，但民航常用的渦扇發(fā)動機在尾噴管位置并沒有加裝尾氣靜電傳感器，因此尾氣靜電信號當(dāng)前不能應(yīng)用于渦扇發(fā)動機性能評估管理。故針對民航常用渦扇發(fā)動機，從單元體層面，尤其是核心單元體，分析表征發(fā)動機性能的參數(shù)，探索從單元體層面，以單元體性能變化預(yù)警整機性能狀態(tài)，使性能評估前移至單元體，實現(xiàn)發(fā)動機健康管理目標(biāo)前移要求。

1 航空發(fā)動機核心單元體參數(shù)選取

1.1 選取核心單元體性能參數(shù)和可測參數(shù)

以民航常用的渦扇發(fā)動機PW4077D為例：該機型為Boeing777系列飛機提供動力，單元體包括風(fēng)扇主單元體、核心發(fā)動機主單元體（高壓壓氣機（High Pressure Compressor，HPC）11級、高壓渦輪（High Pressure Turbine，HPT）2級和燃燒室）、低壓渦輪主單元體（低壓壓氣機（Low Pressure Compressor，LPC）4級、低壓渦輪（Low Pressure Turbine，LPT）4級）和附件齒輪箱主單元體。占位劃分為：1—進氣道進口；2—風(fēng)扇進口；25—低壓壓氣機出口（高壓壓氣機進口）；14—風(fēng)扇出口；3—高壓壓氣機出口（燃燒室進口）；4—燃燒室出口（高壓渦輪進口）；45—高壓渦輪出口（低壓渦輪進口）；495—低壓渦輪出口；5—發(fā)動機排氣口。

在發(fā)動機無故障運行時，引起性能變化的主要影響因素為部件老化[9]，表現(xiàn)為工作葉片葉尖徑向間隙變大、葉片表面變臟和葉片表面腐蝕等。在高溫、高壓和高轉(zhuǎn)速條件下，核心發(fā)動機主單元體和低壓渦輪主單元體易受到影響而老化，但是由于燃燒室處于高溫燃?xì)獍鼑?，傳感器不能夠承受這樣的高溫，基于信息可獲得性的現(xiàn)實，選取核心發(fā)動機主單元體中的高壓壓氣機和高壓渦輪、低壓渦輪主單元體中的低壓壓氣機和低壓渦輪等4個單元體作為核心單元體深入分析。

依據(jù)氣流在壓氣機葉柵通道中增壓機理，分析壓氣機性能參數(shù)，如增壓比效率和功率Nc等，表1第2、3行示出性能參數(shù)與可測參數(shù)的關(guān)系式，其中，壓氣機分成LPC和HPC兩部分；依據(jù)燃?xì)庠跍u輪中的膨脹機理，分析渦輪性能參數(shù)，如落壓比效率和功率NT等，表1第4、5行示出性能參數(shù)與可測參數(shù)關(guān)系式，其中，渦輪也被分成LPT和HPT兩部分；參數(shù)下標(biāo)數(shù)字代表站位，*代表各參數(shù)為氣流流過單元體時的滯止?fàn)顟B(tài)參數(shù)。

同時，由于高壓渦輪進口與燃燒室出口直接相連，4站位燃?xì)鉁囟冗^高，且溫度場分布不均勻，目前仍無法可靠安裝傳感器，因此參數(shù)無法測量。由于燃燒室的燃燒放熱過程可以近似為工質(zhì)定壓吸熱過程，故近似表征，而燃?xì)庠跍u輪中的落壓膨脹過程為絕熱膨脹，因此可以表征而為發(fā)動機氣路參數(shù)EGT；其次，由于高壓渦輪出口處沒有安裝總壓和總溫傳感器，因此兩參數(shù)也是不可測量的。故從單元體層面，PW4077D發(fā)動機可獲得的溫度和壓力可測參數(shù)，如表2第2、3列所示。

表1 PW4077D核心單元體性能參數(shù)與可測參數(shù)關(guān)系

表2 表征PW4077D發(fā)動機單元體性能可測參數(shù)或參數(shù)組合

1.2 核心單元體可測參數(shù)選取

另外，PW4077D發(fā)動機在25站位設(shè)置總壓和總溫傳感器，使該站位的可測量。從發(fā)動機工作原理可知，LPC、HPC單元體性能變化會引起參數(shù)的變化，而LPC、HPC由LPT、HPT驅(qū)動，因此，LPT、HPT單元體性能變化必將帶來變化。

基于以上對PW4077D單元體性能參數(shù)和可測參數(shù)的分析得出如表2第4列所示的各核心單元體的可測參數(shù)或參數(shù)組合。

1.3 核心單元體可測參數(shù)有效性驗證

1.3.1 構(gòu)建有效性驗證模型

驗證核心單元體可測參數(shù)有效性主要是驗證所選的可測參數(shù)與單元體性能是否存在相關(guān)映射關(guān)系。BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)作為非線性影射在函數(shù)逼近與信息識別等方面被證明有效[10]，故通過BP神經(jīng)網(wǎng)絡(luò)構(gòu)建核心單元體可測參數(shù)有效性驗證模型。

BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層組成，利用BP神經(jīng)網(wǎng)絡(luò)誤差反向傳播方法，即用輸出層的誤差推算該輸出層相鄰前導(dǎo)層的誤差，再用推算出來的誤差估算相鄰層的前導(dǎo)層的誤差，層層反向傳播得到其他各層的估算誤差，核心單元體可測參數(shù)與Cycles、DEGT的仿真輸出誤差如果在±10%之內(nèi)，則核心單元體可測參數(shù)有效。

1.3.2 確定BP神經(jīng)網(wǎng)絡(luò)隱層節(jié)點個數(shù)

隱層節(jié)點個數(shù)很難直接確定，隱層節(jié)點數(shù)目過少會導(dǎo)致樣本訓(xùn)練過程不能收斂，而隱層節(jié)點個數(shù)過多，則會導(dǎo)致擬合的網(wǎng)絡(luò)的容錯能力下降。隱層節(jié)點數(shù)的試湊方法有：

其中，n2為隱層節(jié)點數(shù)，n1為輸入層節(jié)點數(shù)，n3為輸出層節(jié)點數(shù)，c為[1,10]區(qū)間的任意常數(shù)。不同的算法計算出的隱層節(jié)點數(shù)是不同的，依經(jīng)驗試湊，得到合適的隱層節(jié)點數(shù)。

1.3.3 核心單元體可測參數(shù)有效性分析

顯著表征發(fā)動機性能變化的參數(shù)有EGT、DEGT和Cycles等，而如表2所示，EGT是核心單元體可測參數(shù)，故選Cycles和DEG為因變量，核心單元體各可測參數(shù)為自變量，驗證二者相關(guān)的有效性。

1）LPC單元體可測參數(shù)有效性驗證

巡航狀態(tài)下發(fā)動機性能最穩(wěn)定，故為驗證選取的LPC單元體可測參數(shù)有效性，選取PW4077D巡航狀態(tài)下1441-1751 Cycles的LPC10組樣本為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本和3033—3163 Cycles內(nèi)的LPC 5組樣本作為測試樣本，將樣本數(shù)據(jù)修正到標(biāo)準(zhǔn)日下后訓(xùn)練測試。

基于訓(xùn)練樣本，輸入向量共有5個參數(shù)，設(shè)置輸入向量為5維列向量，而輸出為相對于DEGT和Cycles的各參數(shù)值，共2維列向量，故該神經(jīng)網(wǎng)絡(luò)的輸入層和輸出層的節(jié)點數(shù)為5和2，利用公式(1)進行試湊，取隱層節(jié)點數(shù)為11，建立5×11×2BP網(wǎng)絡(luò)結(jié)構(gòu)。采用動量梯度下降法Traindm訓(xùn)練，最大訓(xùn)練步數(shù)為1000，誤差平方和指標(biāo)控制為0.001，學(xué)習(xí)率為0.01，隱層函數(shù)采用Tansig函數(shù)，輸出層采用Purelin函數(shù)。BP網(wǎng)絡(luò)訓(xùn)練460步停止，誤差達到要求。將測試樣本送入網(wǎng)絡(luò)，測試結(jié)果如圖1(a)所示。

圖1 相對于DEGT和Cycles的各核心單元體可測參數(shù)的實測值和仿真輸出值

圖1 (a)中，橫坐標(biāo)1、2、3、4和5分別代表LPC單元體的可測參數(shù)EGT、。從仿真輸出值與實測值的誤差分析：相對于DEGT，LPC可測參數(shù)得到的仿真輸出值和實測值誤差分別為2.87%、-1.76%、-0.92%、-2.32%和-2.63%，實際誤差絕對值控制在3%以內(nèi)，遠低于誤差上限10%；相對于Cycles，LPC可測參數(shù)得到的仿真輸出值和實測值誤差分別為2.18%、0.56%、-0.32%、0.38%和-0.19%，實際誤差絕對值控制在3%，且后4個參數(shù)的誤差絕對值均在1%以內(nèi)，也遠低于誤差上限10%。表明選取的LPC單元體可測參數(shù)能有效表征LPC單元體性能。

2）HPC、HPT和LPT可測參數(shù)有效性驗證

同理對HPC、HPT和LPT單元體可測參數(shù)有效性驗證：選取PW4077D巡航狀態(tài)下的1441-1775 Cycles內(nèi)HPC、HPT和LPT單元體10組樣本作為訓(xùn)練樣本和3033—3163 Cycles的5組樣本為測試樣本進行訓(xùn)練和測試，結(jié)果如圖1(b)、(c)和(d)所示。

圖1(b)中，橫坐標(biāo)1、2、3、4和5分別代表HPC單元體的可測參數(shù)EGT、從仿真輸出值與實測值的誤差分析可知：相對于DEGT，HPC可測參數(shù)得到的仿真輸出值和實測值誤差分別為-1.06%、0.17%、0.19%、-1.49%和-1.89%，誤差絕對值控制在2%以內(nèi)，也遠低于誤差上限10%；相對于Cycles，HPC可測參數(shù)送得到的仿真輸出值和實測值誤差分別為-2.96%、-1.54%、1.94%、0.70%和0.13%，其中EGT的誤差絕對值比其他參數(shù)大得多，表示與其他可測參數(shù)比較，EGT相對于Cycles的輸出值與實測值誤差較大，但誤差絕對值也控制在3%以內(nèi)，遠低于誤差上限10%。表明HPC的可測參數(shù)能有效表征HPC單元體性能。

圖1(c)中，橫坐標(biāo)1、2、3、4和5分別代表HPT單元體的性能參數(shù)EGT、從仿真輸出值與實測值的誤差分析可知：相對于DEGT，HPT可測參數(shù)得到的仿真輸出值和實測值誤差分別為-8.65%、-1.76%、2.04%、-2.62%和-1.07%，后4個參數(shù)誤差均控制在3%以內(nèi)，而EGT相對于DEGT的輸出值誤差比其他參數(shù)大得多，表明與其他可測參數(shù)比較，EGT相對于DEGT的輸出值與實測值誤差較大，但誤差絕對值也還在10%以內(nèi)；相對于Cycles，HPT可測參數(shù)得到的仿真輸出值和實測值誤差分別為-1.98%、3.00%、2.55%、-1.41%和-0.51%，誤差均控制在3%以內(nèi)，遠低于誤差上限10%。表明HPT可測參數(shù)能有效表征HPT單元體性能。

圖1(d)中，橫坐標(biāo)1、2、3、4和5分別代表LPT單元體的性能參數(shù)EGT、從仿真輸出值與實測值的誤差分析可知：相對于DEGT，LPT性能參數(shù)得到的仿真輸出值和實測值誤差分別為-7.89%、-2.68%、-1.26%、-3.47%和-0.78%，后4個參數(shù)誤差均控制在3%以內(nèi)，但是EGT相對于DEGT的輸出值與實測值誤差較大，但誤差絕對值也還在10%以內(nèi)，是有效的；相對于Cycles，LPT性能參數(shù)得到的仿真輸出值和實測值誤差分別為-5.14%、-3.53%、1.58%、0.19%和1.07%，后3個參數(shù)誤差均控制在3%以內(nèi)，但是EGT、相對于DEGT的輸出值與實測值誤差較大，但誤差絕對值也還在10%以內(nèi)。表明LPT可測參數(shù)能有效表征LPT單元體的性能。

2 面向核心單元體的發(fā)動機性能評估模型

因為選取的5個參數(shù)或參數(shù)組合表征核心單元體性能權(quán)重不同，構(gòu)建多參數(shù)核心單元體性能評估模型。由于信息熵能夠?qū)⒋罅啃畔⒈碚鞯陌l(fā)動機核心單元體進行有序性度量，挖掘出各參數(shù)影響核心單元體性能的程度，即得到各參數(shù)信息熵權(quán)值；而逼近理想解法（Technique for Order Preference by Similarity to Ideal Solution，TOPSIS）解決不同循環(huán)下各參數(shù)性能基線難以獲取的問題[11]，將不同循環(huán)核心單元體參數(shù)最大值和最小值修正后作為正、負(fù)理想解，計算核心單元體到正、負(fù)理想解的距離，確定核心單元體各循環(huán)性能貼近度，實現(xiàn)對核心單元體的性能評估。

2.1 以信息熵構(gòu)建核心單元體信息熵權(quán)值計算模型

1）確定核心單元體性能評估矩陣

以發(fā)動機巡航狀態(tài)下各循環(huán)可測參數(shù)值確定各核心單元體性能評估矩陣表示評估矩陣中的第i個循環(huán)的第j個參數(shù)值，該評估矩陣設(shè)置為n行m列，表示評估發(fā)動機n個循環(huán)的單元體性能，每個循環(huán)可測參數(shù)為m個。

2）各可測參數(shù)值得歸一化處理

由于各核心單元體可測參數(shù)類型不同，以LPC單元體為例，其中EGT、為成本型，表示參數(shù)值越大，單元體性能下降程度越大；而N1-N2為轉(zhuǎn)速偏差 NΔ ，為計算方便 NΔ 常取N1-N2絕對值，值越大，越利于軸流式壓氣機防喘，因此該參數(shù)為效益型，表示參數(shù)值越大，性能下降越小。

同時由于各參數(shù)值量級不相同，為保證計算準(zhǔn)確，依據(jù)文獻[12]方法對成本型、效益型可測參數(shù)值歸一化處理，得到歸一化矩陣

式(2)中，α為平衡因子，解決參數(shù)值歸一化處理后最大值或最小值可能為0導(dǎo)致計算出現(xiàn)偏差的問題。一般α取0.9，確保歸一化后參數(shù)值范圍在[0.1，1]之間。

3）計算核心單元體可測參數(shù)權(quán)值

矩陣X每行代表核心單元體的某種性能狀態(tài)，該循環(huán)參數(shù)值大小代表該參數(shù)在該循環(huán)的性能表征顯著程度。依據(jù)信息熵，按式(3)計算第j個參數(shù)第i個循環(huán)的參數(shù)值比重：

依據(jù)式(4)計算第j個參數(shù)的輸出熵值，式中k=1/(1n n)為n個循環(huán)單元體性能的信息定位，確保輸出熵值

2.2 以TOPSIS構(gòu)建核心單元體性能評估模型

1）核心單元體性能評估矩陣加權(quán)

核心單元體性能評估矩陣加權(quán)，即是將性能評估矩陣X與參數(shù)權(quán)值相乘，得到性能評估加權(quán)矩陣R。

2）確定各核心單元體可測參數(shù)正、負(fù)理想解

為確保核心單元體性能值在正、負(fù)理想解之間區(qū)域，要求計算得到的R中的信息小于確定的正理想解，大于確定的負(fù)理想解，故取性能評估加權(quán)矩陣R中每列值的最大值加0.0001為正理想解R+，每列值的最小值減0.0001為負(fù)理想解R-，如式(6)所示。

3）計算核心單元體各循環(huán)下性能相似貼近度

計算評估矩陣中各循環(huán)的單元體性能與正、負(fù)理想解的距離S+i和S-

i，如式(7)所示，并依式(8)計算各循環(huán)狀態(tài)的相似貼近度Ci。Ci表示單元體性能到負(fù)理想解的距離與正、負(fù)理想解的比值，值越大表示性能越接近正理想解，在該評估矩陣中性能越好。

3 核心單元體性能評估模型驗證

3.1 計算LPC單元體可測參數(shù)權(quán)值

選取PW4077D發(fā)動機巡航狀態(tài)下1441-1751 內(nèi)10 組樣本的LPC 5個可測參數(shù)EGT、值，組成LPC單元體性能評估矩陣依據(jù)式(2)對LPC不同類型可測參數(shù)歸一化處理，得到性能評估歸一化矩陣X。

依據(jù)式(3)和式(4)計算LPC單元體可測參數(shù)比重和信息熵值，再根據(jù)式(5)計算出LPC可測參數(shù)權(quán)值，如表3所示。

表3 LPC單元體可測參數(shù)熵值和權(quán)值

3.2 計算LPC單元體不同循環(huán)的性能貼近度

加權(quán)處理LPC單元體性能評估矩陣，即LPC單元體歸一化矩陣與各可測參數(shù)權(quán)值相乘，得到性能評估加權(quán)矩陣R。

根據(jù)矩陣中各列數(shù)值，并依據(jù)式(6)確定LPC單元體性能正、負(fù)理想解R+和R-：

依據(jù)式(7)，計算評估矩陣中各循環(huán)下單元體性能與正、負(fù)理想解距離再依據(jù)式(8)計算各循環(huán)LPC單元體性能相似貼近度Ci，并結(jié)合發(fā)動機循環(huán)數(shù)，列出LPC單元體性能隨循環(huán)數(shù)變化趨勢，如圖2(a)所示。

3.3 計算HPC、HPT和LPT單元體性能貼近度

同理計算HPC、HPT和LPT的性能相似貼近度，并列出各單元體性能隨循環(huán)數(shù)變化趨勢，如圖2(b)、(c)和(d)所示。

圖2 以TOPSIS和PCA計算的LPC、HPC、HPT和LPT單元體性能變化趨勢

分析圖2可知：首先，在1441～1751工作循環(huán)下，LPC、HPC、HPT和LPT單元體性能隨著循環(huán)數(shù)的增加，性能都逐步下降，而整機性能也是隨著工作循環(huán)數(shù)增加而下降的，表明核心單元體性能與整機性能存在某種相關(guān)性，即單元體性能變化會影響整機性能變化。

其次，各單元體性能下降情況不同：在1441～1751循環(huán)下LPC性能變化為（0.8894，0.0005），HPC、HPT和LPT性能變化分別為（0.9197，0.2456）、（0.9126，0.1605）和（0.8961，0.0003）；LPC和LPT性能單調(diào)下降，但是HPC和HPT性能下降卻相當(dāng)復(fù)雜，如HPC單元體，在1441～1447循環(huán)性能直線下降，到1509循環(huán)又有所恢復(fù)，而在1668循環(huán)性能又出現(xiàn)突變，同時在最后的1697～1757循環(huán)性能卻緩慢上升，說明HPC工作中性能穩(wěn)定性很差，而HPT單元體也是如此，在1441～1447循環(huán)性能直線下降，到1509循環(huán)又有所恢復(fù)，在1668循環(huán)性能突變，但在最后1697～1757循環(huán)性能下降卻平穩(wěn)。

依據(jù)發(fā)動機工作原理可知，LPC受到轉(zhuǎn)子葉片葉尖間隙變大、葉片翼型表面變臟和氣流高溫引起的腐蝕的影響，性能隨時間序列增加而下降，但是與HPC相比，LPC轉(zhuǎn)子轉(zhuǎn)速、氣流溫度等小得多，而且LPC葉片翼型表面積比HPC大得多，故同樣工作循環(huán)下，HPC性能變化比LPC復(fù)雜；而HPT是發(fā)動機中承受熱負(fù)荷最大的轉(zhuǎn)動件，受到高熱負(fù)荷、高機械負(fù)荷的影響，同時還承受轉(zhuǎn)子振動影響工作葉片葉尖間隙變大、氣流臟污使葉片翼型表面粗糙度增加和氣流溫度增加使翼型表面腐蝕面積增加使性能變化復(fù)雜，而燃?xì)饬鬟^LPT時，燃?xì)鉁囟纫呀?jīng)降低、轉(zhuǎn)速也下降較多，故與性能變化幅度很大的HPT相比，LPT的性能變化就單調(diào)的多。故從確保運行安全角度出發(fā)，須重點評估管理發(fā)動機HPC和HPT單元體，使發(fā)動機性能異常之前即能通過評估HPC和HPT單元體給出狀態(tài)預(yù)警，利于及時決策。

4 各單元體性能計算結(jié)果比較分析

利用主成份分析方法（Principal Components Analysis，PCA）評估LPC、HPC、HPT和LPT單元體性能，將計算結(jié)果與通過TOPSIS信息熵模型得到的結(jié)果進行比較。

PCA是把給定的多個相關(guān)參數(shù)通過線性變換轉(zhuǎn)換為少數(shù)不相關(guān)的、能表征性能的綜合因子評估方法，得出各單元體的性能指數(shù)由于得到的性能指數(shù)隨著單元體性能降低而增加，與以TOPSIS法計算的相似貼近度在表征單元體性能上相反，為便于對比，提出求的負(fù)值加1，使性能指數(shù)Z隨單元體性能增加而下降，各單元體性能指數(shù)如下：

將PW4077D發(fā)動機巡航狀態(tài)下各單元體可測參數(shù)值代入到性能指數(shù)公式中，并結(jié)合發(fā)動機工作循環(huán)數(shù)，得到單元體性能指數(shù)隨循環(huán)數(shù)的變化趨勢，如圖2 所示。

分析圖2可知：PCA模型得到的LPC、HPC、HPT和LPT隨著工作循環(huán)數(shù)增加性能也是下降的，同以TOPSIS信息熵模型得到的結(jié)果一致；各單元體性能下降幅度也是不同步的，圖2(a)和(c)所示的LPC和HPT性能下降單調(diào)，但是HPT性能變化受高溫、高壓和高轉(zhuǎn)速影響，性能變化不可能單調(diào)，顯然圖2(c)所示的HPT性能變化趨勢的精確度不夠，而圖2(b)所示的HPC性能變化比較復(fù)雜，1441、1697循環(huán)性能分別出現(xiàn)異常點，而2(d)所示的LPT性能則是上升、下降的不斷變化，這與LPT性能實際情況差異較大。

故得出：TOPSIS信息熵單元體性能評估模型得到的核心單元體性能隨著工作循環(huán)增加性能逐步下降的結(jié)果是可靠的；同時，TOPSIS信息熵性能評估模型準(zhǔn)確得出HPC和HPT性能變化復(fù)雜，可以作為選取重點管理和監(jiān)控單元體的依據(jù)。

5 結(jié)論

1）針對發(fā)動機性能變化問題，提出以LPC、HPC、HPT和LPT單元體為目標(biāo)進行分析，實現(xiàn)“安全關(guān)口前移”要求，依據(jù)PW4077D發(fā)動機工作原理，析出表征該發(fā)動機各單元體性能的5個可測參數(shù)或參數(shù)組合；

2）以發(fā)動機Cycles、DEGT為輸出，各單元體可測參數(shù)為輸入，構(gòu)建單元體多個可測參數(shù)和Cycles、DEGT的BP神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練與測試，結(jié)果顯示：各單元體可測參數(shù)相對于Cycles和DEGT的輸出值與實測值在誤差范圍內(nèi)，各可測參數(shù)有效表征單元體性能；

3）以TOPSIS信息熵構(gòu)建單元體性能評估模型，得到1441-1751 Cycles的各單元體性能變化趨勢：隨著循環(huán)數(shù)增加，各單元體性能都下降，但是HPC和HPT單元體性能變化復(fù)雜，必須重點管理與監(jiān)控；

4）將TOPSIS信息熵模型與PCA模型結(jié)果進行比較，結(jié)果顯示：兩種方法得到的單元體性能變化趨勢一致，表示構(gòu)建的TOPSIS信息熵評估模型可靠，同時TOPSIS信息熵模型能準(zhǔn)確選擇重點管理與監(jiān)控的單 元體；

5）不足之處：核心單元體可測參數(shù)選取、驗證是以PW4077D發(fā)動機為例的，但不同的發(fā)動機傳感器類型、數(shù)量與安裝位置是不同的，得到的核心單元體可測參數(shù)或參數(shù)組合及選取的重點管理的核心單元體普適性不足。

[1] Joo S J. Scheduling preventive maintenance for modular designed components: a dynamic approach [J]. European Journal of Operational Research,2009,192(2):512-520.

[2] 趙威,張德志.單元體結(jié)構(gòu)發(fā)動機總體結(jié)構(gòu)尺寸控制與分析[J].航空發(fā)動機,2014,40(5):45-49.

[3] Allan J. Volponi. Gas Turbine Engine Health Management: Past, Present, and Future Trends[J].the Journal of Engineering for GAS turbines and Power,2014,136(5):051201-1-051201-20.

[4] 呂永樂,郎榮玲,路輝,談?wù)怪?航空發(fā)動機性能參數(shù)聯(lián)合RBFPN和FAR預(yù)測[J].北京航空航天大學(xué)學(xué)報,2010,36(2):131-134,149.

[5] 孫見忠,左洪福,劉鵬鵬,朱磊,袁風(fēng).基于動態(tài)線性模型的民航發(fā)動機性能監(jiān)控模型與在翼壽命預(yù)測[J].系統(tǒng)工程理論與實踐,2013,33(2):3243-3250.

[6] Takahisa Kobayasi, Donald L. Simon. Integration of On-Line and Off-Line Diagnostic Algorithms for Aircraft Engine Health Management [J]. the Journal of Engineering for GAS turbines and Power, 2007, 129(4):986-993.

[7] 孫見忠,左洪福,詹志娟,劉鵬鵬.渦軸發(fā)動機尾氣靜電監(jiān)測信號影響因素分析[J].航空學(xué)報,2012,33(3):412-420.

[8] 劉鵬鵬,左洪福,付宇,孫見忠.渦噴發(fā)動機尾氣靜電監(jiān)測及氣路故障特征[J].航空動力學(xué)報,2013,28(2):473-480.

[9] 王占學(xué),劉增文,葉新農(nóng).某型渦扇發(fā)動機部件老化對性能影響的分析與計算[J].航空動力學(xué)報,2007,22(5):792-796

[10] 袁春飛,姚華.傳感器測量偏差下的航空發(fā)動機智能性能診斷[J].航空動力學(xué)報,2007,22(1):126-131.

[11] 黃燕曉.基于改進TOPSIS法的航空發(fā)動機性能評估方法[J].制造業(yè)自動化,2014,36(4):73-77.

[12] 張海軍,左洪福,梁劍.航空發(fā)動機多指標(biāo)模糊信息熵的性能排序研究[J].應(yīng)用科學(xué)學(xué)報,2006,24(3):288-292.