航空發(fā)動(dòng)機(jī)氣路故障診斷不確定性因素表征方法研究

張瑞 廖增步 耿佳 宋志平 王凈巍

【摘 ?要】航空發(fā)動(dòng)機(jī)作為一種工業(yè)產(chǎn)品，面臨著大量的不確定性。傳感器噪聲和偏差、個(gè)體差異、性能衰退等不確定性因素相互耦合，極大地提高了發(fā)動(dòng)機(jī)系統(tǒng)的復(fù)雜度，對故障診斷方法的泛化能力提出了挑戰(zhàn)。然而，至今尚無對上述不確定性因素的系統(tǒng)表征方法，以提供統(tǒng)一且接近真實(shí)情況的故障診斷方法比較基準(zhǔn)。本文給出了發(fā)動(dòng)機(jī)氣路故障診斷不確定性因素的完備表征方案，通過一系列參數(shù)表征了上述各種不確定性因素以接近實(shí)際工況。

【關(guān)鍵詞】渦輪發(fā)動(dòng)機(jī);氣路故障診斷;不確定性因素

1.引言

發(fā)動(dòng)機(jī)平均無故障工作時(shí)間從一百小時(shí)到數(shù)百小時(shí)不等，民機(jī)甚至可達(dá)數(shù)千小時(shí)[1]。據(jù)外場統(tǒng)計(jì)，氣路部件故障發(fā)生概率不到10%，但卻占用了30%～50%的維修時(shí)間。在傳統(tǒng)的基于時(shí)間和循環(huán)數(shù)的計(jì)劃性維護(hù)中，大量的維修資源被浪費(fèi)在了尋找很可能不存在的故障上。如果能通過運(yùn)行狀態(tài)判斷故障所在，那么維護(hù)策略就可以根據(jù)發(fā)動(dòng)機(jī)狀態(tài)輕松制定。這種模式被稱為視情維護(hù)[2]。其關(guān)鍵環(huán)節(jié)是故障診斷，尤其是氣路故障診斷。為此，一系列傳感器測量參數(shù)被用于故障診斷以判斷發(fā)動(dòng)機(jī)的健康狀況。然而，隨著研究的深入開展，傳感器噪聲和偏差、性能衰退、制造引起的發(fā)動(dòng)機(jī)個(gè)體差異等不確定性因素，極大地提升了發(fā)動(dòng)機(jī)系統(tǒng)的復(fù)雜度，給基于傳感器信號(hào)的故障診斷帶來了困難。

為了解決上述問題，廣大學(xué)者致力于研究發(fā)動(dòng)機(jī)不確定性因素的表征方法。對于傳感器噪聲和偏差，早在20世紀(jì)70年代，Abernethy[3]就設(shè)計(jì)了一種發(fā)動(dòng)機(jī)測量噪聲的表征方法，其中假定傳感器噪聲服從高斯分布。在性能衰退方面，Sallee[4]根據(jù)JT9D發(fā)動(dòng)機(jī)歷史數(shù)據(jù)，發(fā)表了關(guān)于氣路部件性能衰退的原因和衰退趨勢的評估報(bào)告，研究了各個(gè)部件在發(fā)動(dòng)機(jī)整體性能衰退中所起的作用。對于個(gè)體差異，最近Chen[5]提出了一個(gè)氣路部件個(gè)體性能差異的標(biāo)準(zhǔn)。然而，盡管上述研究者都對不確定性因素開展了研究，但目前還沒有能夠真實(shí)地表征發(fā)動(dòng)機(jī)氣路故障診斷中的所有主要不確定性因素的方法。

本文對氣路故障診斷中的主要不確定性因素進(jìn)行了介紹和表征。其中，傳感器噪聲和偏差又包含了固有偏差、增量漂移、正弦擾動(dòng)和高斯白噪聲四個(gè)分量，并通過自行設(shè)計(jì)的“谷高斯”函數(shù)來體現(xiàn)傳感器的個(gè)體差異分布情況。此外，采用一組拉偏參數(shù)來表征發(fā)動(dòng)機(jī)個(gè)體差異和性能衰退，并給出了參數(shù)的范圍和確定依據(jù)。

2.氣路故障診斷中不確定性因素的表征方法

2.1傳感器噪聲與偏差

發(fā)動(dòng)機(jī)氣路上布置了大量傳感器，用于監(jiān)測發(fā)動(dòng)機(jī)狀態(tài)和控制。圖1所示為一個(gè)雙轉(zhuǎn)子加力渦扇發(fā)動(dòng)機(jī)與氣路有關(guān)的主要傳感器測點(diǎn)，其中包含4類傳感器，分別測量溫度、壓力、轉(zhuǎn)子轉(zhuǎn)速和線位移。

由于標(biāo)定方法和測量原理上的差異，4類傳感器的特性和不確定性程度互不相同。溫度傳感器在標(biāo)定過程中采用模擬的溫度場，標(biāo)定時(shí)測量的溫度是滯止溫度。而在使用過程中很難將引氣氣流完全滯止，從而產(chǎn)生了誤差。此外，還有氣流密度和機(jī)匣熱輻射為主的其它不確定因素同樣引起了誤差的增大。一般而言，鉑電阻傳感器用于測量較低的溫度（低于風(fēng)扇內(nèi)涵處出口總溫T*25），精度為±0.15%FS;而熱電偶傳感器用于測量較高的溫度，其精度大約為±0.50%FS。與此同時(shí)，溫度傳感器測量值會(huì)發(fā)生緩慢漂移。對于一批熱電偶傳感器，工作1000小時(shí)后平均精度將從±0.50%FS下降到±0.60%FS，但對于某一傳感器個(gè)體而言，緩慢漂移后精度可能反而提高了0.1%FS。

壓力傳感器標(biāo)定誤差相對于熱電偶溫度傳感器要低一些，其精度在±0.3%FS左右，這歸功于壓力場比溫度場更易模擬。但該類傳感器的漂移誤差更大，1000工作小時(shí)后其精度大約會(huì)下降至±0.45%FS。此外，由于壓力傳感器測量值一般被用于監(jiān)測喘振[6]（頻率10～30Hz）和旋轉(zhuǎn)失速[7]（頻率大于100Hz），該類傳感器測量值不進(jìn)行濾波，以保留其中包含的高頻信息，但周期擾動(dòng)和高斯白噪聲也因此被保留。

面積、角度、燃油流量等參數(shù)由線性可變差動(dòng)變壓器（LVDT）間接測量獲得。這類測量參數(shù)的不確定性因素源于兩個(gè)方面。一方面，在發(fā)動(dòng)機(jī)運(yùn)行過程中，LVDT快速移動(dòng)容易導(dǎo)致磨損，最終造成較大的誤差。一般而言，全新的LVDT精度為±0.5%FS，發(fā)生磨損后精度降至±0.75%FS。另一方面，從LVDT的位移轉(zhuǎn)換成目標(biāo)測量參數(shù)值時(shí)存在誤差，該誤差來源于傳動(dòng)間隙、測量原理固有缺陷和人工標(biāo)定環(huán)節(jié)。以主燃油流量Wf為例，其測量值是通過計(jì)量活門開度轉(zhuǎn)換得到的，其測量公式為：

2.2發(fā)動(dòng)機(jī)個(gè)體差異

發(fā)動(dòng)機(jī)制造過程中產(chǎn)生的個(gè)體差異是不可避免的，如果不加以考慮，勢必會(huì)影響故障診斷的結(jié)果。表2列出了一組參數(shù)，用于表征發(fā)動(dòng)機(jī)個(gè)體間性能差異。對于真實(shí)發(fā)動(dòng)機(jī)，這些參數(shù)服從正態(tài)分布。表中具體數(shù)值是專門為某示例發(fā)動(dòng)機(jī)而制定的，對于其它型號(hào)的發(fā)動(dòng)機(jī)，數(shù)值需要修改。隨機(jī)數(shù)范圍確定的規(guī)則是，在地面起飛狀態(tài)和在高度11公里、馬赫0.9的巡航狀態(tài)下，差異最大的發(fā)動(dòng)機(jī)個(gè)體之間的中間推力偏差不超過2.5%。

2.3性能衰退

發(fā)動(dòng)機(jī)性能衰退總是不可避免的，可以通過低壓渦輪出口總溫T*6的漲幅來衡量。發(fā)動(dòng)機(jī)大修時(shí)，渦輪后溫度相比出廠時(shí)升高20～30K;大修后，渦輪后溫度可以恢復(fù)。為了通過氣路部件的效率和流量特性變化來表征性能衰退，Sallee[4]通過分析JT9D發(fā)動(dòng)機(jī)歷史數(shù)據(jù)，量化了性能衰退程度與循環(huán)數(shù)之間的關(guān)系，如表3所示。本文整合了渦輪后溫升標(biāo)準(zhǔn)與Sallee的量化關(guān)系，針對某示例發(fā)動(dòng)機(jī)，給出了參數(shù)值范圍，列于表3最后一列，其數(shù)值等于3000循環(huán)數(shù)下性能衰退程度表征值的0.4倍。仿真結(jié)果表明，在該組數(shù)值下，發(fā)動(dòng)機(jī)在相同推力條件下渦輪后總溫升高了19.7K。

如圖5所示為考慮了上述所有不確定性因素后傳感器測量值與發(fā)動(dòng)機(jī)機(jī)載模型輸出值的對比圖。由圖可知，在考慮了非高斯的不確定性因素后，二者的誤差呈現(xiàn)出明顯的偏置，即誤差均值不為0。這符合外場真實(shí)情況下的不確定性表現(xiàn)，且對于測試氣路故障診斷方法至關(guān)重要。只有故障診斷算法能克服本文所提的符合實(shí)際的非高斯分布誤差，診斷算法的測試結(jié)果才具有可信度，診斷方法才能在真實(shí)工況下具有良好的可靠性。

4.結(jié)論

本文提出了一個(gè)發(fā)動(dòng)機(jī)氣路診斷中不確定性因素的表征方案，涵蓋了傳感器噪聲和偏差、制造引起的個(gè)體差異、性能衰退三方面，并系統(tǒng)地闡述了上述不確定因素的特點(diǎn)和范圍。最終測試表明該方案相比于高斯分布噪聲更貼近真實(shí)工況，為發(fā)動(dòng)機(jī)氣路故障診斷方法測試提供了一個(gè)更符合實(shí)際的數(shù)據(jù)平臺(tái)。

References

[1] K. K.，H.D. K.，M.S. S.，A Design of Experiments Approach to Readiness Risk Analysis，Proceedings of the 2006 Winter Simulation Conference，2006，pp. 1332-1339.

[2] M. Tahan，E. Tsoutsanis，M. Muhammad，Z.A. Karim，Performance-based health monitoring，diagnostics and prognostics for condition-based maintenance of gas turbines：A review，Appl Energ，198（2017）122-144.

[3] R. Abernethy，J.J. THOMPSON，Uncertainty in gas turbine measurements，1973，pp. 1230.

[4] G.P. Sallee，Performance deterioration based on existing（historical）data;JT9D jet engine diagnostics program，（1978）.

[5] M. Chen，J. Zhang，H. Tang，Interval analysis of the standard of adaptive cycle engine component performance deviation，Aerosp Sci Technol，81（2018）179-191.

[6] M. Wang，H. Sun，Z. Wang，Y. Wang，F(xiàn). Magagnato，Y. Luan，Numerical investigation of the effects of system volume and average mass flow on the surge characteristics of an axial compressor，Aerosp Sci Technol，106（2020）106172.

[7] N. Gourdain，S. Burguburu，F(xiàn). Leboeuf，H. Miton，Numerical simulation of rotating stall in a subsonic compressor，Aerosp Sci Technol，10（1）（2006）9-18.

（作者單位：1.中國航發(fā)沈陽發(fā)動(dòng)機(jī)研究所;2.西安交通大學(xué)）