基于聲紋特征識別的進氣支板裂紋故障原位檢測技術

■ 許瑋健 楊明綏 王萌/中國航發(fā)動力所

基于聲紋特征識別的航空發(fā)動機進氣支板裂紋故障檢測方法，與外場常規(guī)的目視或孔探檢測方法相比，具有可量化和效率高等優(yōu)點。

航空發(fā)動機是工作環(huán)境最極端、最苛刻的系統(tǒng)之一。進氣機匣作為航空發(fā)動機前端主要承力和進氣部件，一方面是用來承接低壓轉子前支點載荷、振動及氣動載荷；另一方面是對發(fā)動機進氣來流進行整流，保證氣流能夠滿足壓氣機使用需求。為滿足現代武器裝備超高性能、超高負荷的使用需求，進氣機匣面臨著負荷大、質量輕的考驗，導致進氣支板極易出現裂紋故障。進氣支板裂紋故障的危害極大，早期往往出現于支板內部，常規(guī)的目視或孔探檢測手段無法察覺，如圖1所示。出現裂紋后僅幾個飛行架次就可能發(fā)生掉塊、脫落，打傷發(fā)動機轉子，引發(fā)事故。針對上述問題，創(chuàng)新團隊基于聲紋特征識別技術給出了解決方案。

圖1 進氣支板在飛機上的位置示意

檢測原理及技術路線

聲紋特征識別檢測的基本原理是因為不同的人、物、機械都有其特定的聲紋（包括頻率、波長和強度等特征參數），對聲紋參數信號進行提取和分析，能夠反映出聲源本身的狀態(tài)。應用到航空發(fā)動機進氣支板裂紋故障檢測中，可以通過敲擊支板，獲得聲紋信號進行測試分析，找出反映支板裂紋狀態(tài)的聲紋參數，就可以實現支板裂紋故障的有效檢測與識別。該方法不僅可實現對有無裂紋的診斷，還能對裂紋狀態(tài)進行量化檢測，是發(fā)動機進氣支板裂紋診斷的數字化“聽診器”，大大改善了常規(guī)檢測方法存在的缺少量化、易誤診/漏診、檢測效率低等諸多問題。

為實現該技術在航空發(fā)動機進氣支板裂紋故障的原位檢測上的應用，創(chuàng)新團隊主要從故障機理研究、特征信號提取、全場景試驗驗證、早期故障識別和裝置及軟件研發(fā)等方面開展研究。

裂紋支板的聲紋特征機理及規(guī)律

要實現對支板裂紋故障的診斷，需對聲紋特征的機理及規(guī)律進行研究，如圖2所示。創(chuàng)新團隊首先通過發(fā)展高精度有限元動力學模型，提煉不同裂紋形式、不同裂紋位置和不同裂紋長度支板的結構動力學響應特征；之后，通過發(fā)展結構有限元與聲學邊界元耦合分析方法，對裂紋支板的聲紋特征規(guī)律進行提取；最后，通過加工預制裂紋的支板對仿真方法的有效性及精度完成校驗。

圖2 裂紋支板的聲紋特征機理及規(guī)律

聲紋特征信號辨識與提取

完成機理研究后，需要考慮的是如何通過聲紋對故障進行有效的辨識。深度學習是故障識別中常用的手段，通過自學習功能，對支板聲紋特征不斷訓練，來實現對支板裂紋故障的識別。創(chuàng)新團隊通過將全卷積網絡（FCN）和長短期記憶網絡（LSTM）算法相結合，建立包含聲紋預處理、網絡模型、分類器及深度學習網絡的支板裂紋故障識別模型，以不同裂紋形式、不同裂紋位置、不同裂紋長度支板的模型試驗結果為基礎，建立涵蓋完好和裂紋支板的數據庫；通過機器學習算法對聲紋進行訓練和辨識，實現對支板裂紋故障的智能化識別，初步完成支板裂紋故障識別模型的建立。

全場景試驗驗證

試驗驗證是檢測方法有效性的關鍵環(huán)節(jié)。為實現檢測方法的快速迭代，創(chuàng)新團隊分別從構件、整機和外場等3 個級別開展試驗驗證，如圖3所示。

圖3 全場景試驗驗證

構件級試驗驗證

構件級試驗驗證的目的是基于已出現故障的數據樣本，對故障識別模型參數開展優(yōu)化。支板模型試驗結果可以實現對仿真結果和故障模型精度的校驗，但無法真實反映支板實際使用時的裂紋狀態(tài)信息，通過真實的數據樣本可以對模型精度進一步開展優(yōu)化。

整機級試驗驗證

進氣機匣在整機狀態(tài)下，安裝狀態(tài)、工作環(huán)境都會發(fā)生變化。通過整機級試驗驗證，可對方法的精度和有效性進一步驗證。

外場級試驗驗證

外場條件下，嘈雜的環(huán)境噪聲、多變的環(huán)境會對聲紋檢測方法提出更高的精度要求。外場級試驗驗證的目的則是針對外場使用時存在的因素（如強背景噪聲干擾、溫度差異）對特征聲紋識別的影響、檢測信號精度/有效性等問題，進行驗證和解決，有針對性地開發(fā)修正模塊。

早期裂紋識別技術

由于支板出現早期裂紋后往往發(fā)展較快，僅幾個飛行架次就可能出現掉塊、脫落，打傷發(fā)動機葉片，從而引發(fā)事故癥候，因此對支板早期裂紋故障的有效識別是用戶單位高度關注的問題。

針對用戶需求，創(chuàng)新團隊從機理研究出發(fā)，基于對裂紋支板聲紋特征規(guī)律的研究，結合大量外場支板聲紋信號特征隨飛機/發(fā)動機工作時間、工作狀態(tài)的演化規(guī)律，提煉出可以反映支板早期裂紋的聲紋參數；之后將參數輸入到故障樣本中進行驗證和迭代，最終提煉出可以反映支板早期裂紋的聲紋參數及閾值，實現對支板早期裂紋故障的識別，如圖4所示。

圖4 早期裂紋識別技術

檢測裝置及軟件研發(fā)

除了有效、高精度的檢測方法外，面向用戶單位非專業(yè)人員的使用需求，如何在外場高效、智能地完成檢測也是項目急需解決的問題。針對用戶需求，項目團隊分別從檢測軟件智能化和檢測裝置便攜性兩方面開展研究工作，如圖5所示。

圖5 智能化檢測軟件及便攜性檢測裝置

智能化檢測軟件開發(fā)

軟件中除了將已經完成的檢測模型寫入外，還需要輸入、輸出、數據管理等其他內容，充分考慮用戶的操作性，如依據發(fā)動機/機匣的命名對檢測數據進行自動存儲、檢測信號無效性判斷、通過紅/綠燈實現對檢測結果好/壞的輸出等。

除了故障識別模型外，軟件還需針對用戶“非專業(yè)人員”的使用需求，完善軟件輸入信號有效性判據、檢測數據自動命名及分類存儲、檢測結果有效判斷等功能，使檢測軟件實現對信號全自動地處理、判斷和輸出。

便攜式檢測裝置設計

裝置設計一方面需要考慮外場多變的環(huán)境，增加防雨/防水設計；同時需要考慮用戶高效的檢測需求，要求檢測裝置質量輕、易攜帶、硬件高度集成，盡可能減少現場的工作量。

結束語

項目研發(fā)的基于聲紋特征識別的支板裂紋故障檢測方法及裝置，有效地解決了現有檢測手段無量化、效率低和易誤診/漏診等問題，能有效避免外場發(fā)動機損傷的惡性事故。目前，該檢測方法及裝置已在多個用戶單位開展應用，提前預警及有效識別支板裂紋故障多起，有效地支撐了用戶單位的作訓任務。同時該方法也可推廣應用于其他軍、民用領域的生產過程控制、出廠一致性檢測和結構裂紋檢測。