应用神经网络诊断航空发动机气路故障的前景
叶志锋，孙健国
(南京航空航天大学能源与动力学院江苏南京210016)
摘要:介绍了近几年来国内外应用神经网络对航空发动机气路故障进行诊断的基本方法和研究进展。对单
一故障进行定性的诊断己经取得了试验验证.结果表明神经网络具有较高的诊断准确率。对反映发动机气路部件
健康状况的气流量、效率等参数的多故障、定量的诊断则取得了一些仿真研究成果。相对于基于发动机气动热力学
数学模型的方法而言.神经网络方法具有史大的工程应用潜力。
关键词:航空发动机;故障诊断;人工神经元网络;发展趋势
中图分类号:V231文献标识码:A文章编号:1001-4055 (2002) 01-OG01-04
Prospect for neural networks used
aeroengme
fault diagnosis technology
YE 7Jri-feng，SLJN Jian-guo
(Cbll. of Energy and Rawer .Nanjing Univ. of Aeronautics and Astronautics .Nanjing 210016 .Chi nil
Abstract:Introduced several methodologiesfor usage of neural networks in fault diag}sisfor aeraengines. First .qualitative
diagnosis for a si叼e-fault was discussed. The methodology was verified by experiments on the test cell and dermnstrated a relatively
high success rate. Followed by a discussion of a measurement preprocesror that can perform senror data validation and reduce the e,
feet of data deviation. A quantitative diagnosis for multtfault was discussed. In the simulation investigation.all major component per
formance parameters that reflect deterioration of engine·such as airflow capacities and efficiencies·can be accurately calculated by
neural networks. Comparing approaches based on a mathematical thermal-即namics engine rmdel .neural networks as a potential tool
can be applied to engine condition monitoring and modular fault isolation.
Key words:Ai rcr}t engine;Fault diagnosis; Artificial neural network; Development trent
1引言
早期典型的气路分析系统是基于一个发动机气
动热力学数学模型而展开的t’一3」，它能够辨识各部件
的性能损耗，探测多故障及对部件性能退化进行量
化。它充分利用了发动机的模块化(单元体)结构，具
有一定的应用效果，但在工程上仍存在较大的局限
性，当测量信号中存在噪声和偏置时，诊断的精度将
大大降低甚至无法使用。尽管应用了现代控制理论
(如卡尔曼滤波器)来处理测量噪声和偏置问题，在实
际使用中的有效性仍然较低。另外，这种诊断方法通
常需要众多的测量信号，例如在Urban的方法中就要
求测量参数的数量多于或至少等于诊断对象中可能
出现的各种故障总数，这常’常不能得到满足。
进入20世纪90年代以来，由于对人工智能的研
究日趋活跃，人们开始应用神经网络开展发动机故障
诊断技术研究。神经网络强大的非线性映射能力和
并行处理能力，非常适合于解决发动机的故障诊断问
题。目前，应用神经网络对涡扇发动机和火箭发动机
进行状态监控、故障诊断的研究已经取得了试验验作者: bocome 时间: 2011-7-30 22:44:50