[发明专利]一种基于工况识别和谷本距离的变工况下航空发动机整机健康评估方法

说明书

技术领域

本发明涉及航空发动机健康管理的技术领域，具体涉及一种基于工况识别和谷本距离的变工况下航空发动机整机健康评估方法。

背景技术

航空发动机对飞机来说至关重要，其性能的好坏直接决定飞机的飞行安全。由于航空发动机造价昂贵，当发动机出现问题时，航空公司并不是频繁地更换发动机，而是通过维护和维修来解决问题。从20世纪80年代开始，全球航空事业迅速发展，但随之而来的飞行安全问题也越来越突出。统计资料表明，在所有飞机飞行事故中，航空发动机故障引发的事故约占60％左右。因此，如何有效地预防航空发动机故障成为保障飞行安全的重中之重。

航空发动机构造非常复杂，工作环境也极端恶劣，在不经过检修的情况下很容易出现故障。但维修航空发动机的费用很高，出于成本预算方面的考虑，航空公司不可能在每个航班起飞前都要对其进行全面检修，常常采取“视情维修”的策略。“视情维修”也称“基于状态的维修”，就是对航空发动机现阶段的健康状态进行评判，若其健康状态良好，则不对其进行维修；若评估的发动机健康状态较差，则立即对其进行检修。实际中常以航空发动机的性能参数，如发动机排气温度、燃油流量、涡轮转速等为依据对航空发动机的健康状态进行评估。当所监控的性能参数发生异常时，工程人员即可判定该发动机是有问题的。因此，监测航空发动机的性能参数，评估其健康状态对指导“视情维修”至关重要。绝大多数航空发动机的故障是通过时间的积累而日益暴露出来的，可以通过研究性能参数的变化规律，评价系统当前的健康状态。当健康度低于预警值时，可以判断航空发动机在不久的未来以很大可能会发生故障，应迅速对其采取维护维修措施。从以上陈述可知，航空发动机健康评估对辅助“视情维修”具有重要的意义。

然而，航空发动机工作在复杂多变的工况环境下，变化的工况掩盖了性能参数真实的退化规律，由于工况变动的干扰，单纯的性能参数并不能反映系统的健康状态。

发明内容

本发明的目的在于：为了克服现有技术的上述缺陷，本发明提出一种基于工况识别和谷本距离的变工况下航空发动机整机健康评估方法，首先识别出当前状态的工况，然后选择特定工况下的评估模型进行健康状态的评估，可以免受工况干扰，给出发动机真实的健康状态。

本发明采用的技术方案为：一种基于工况识别和谷本距离的变工况下航空发动机整机健康评估方法，包含如下步骤：

第一步，识别发动机的运行工况。首先使用训练集数据的所有工况参数进行聚类分析，得到各工况的聚类中心和聚类半径；然后计算各状态工况参数与各聚类中心的距离，辨识系统所处的工况；

第二步，基于谷本距离测度进行单工况健康评估。首先，得到航空发动机正常运行状态的正常状态空间；然后，计算当前状态与正常状态之间的谷本距离；最后，将距离转化为健康指数，量化系统的健康状态。

第三步，整合不同健康评估模型评估结果。将不同工况下的健康评估结果按原始的时间顺序整合为新的时间序列，得到系统健康指数序列。

本发明与现有技术相比的优点在于：

(1)、在工况辨识的基础上，使用多个评估模型分别评估不同工况下的系统状态，评估结果不受工况干扰，更为准确客观；

(2)、谷本距离既可以表征两个向量间的长度差异，也能表征它们的夹角差异，与欧氏距离和夹角余弦相比，其对两向量差异的度量更加全面。

附图说明

图1为航空发动机整机健康评估流程示意图；

图2为K均值聚类流程图；

图3为工况识别流程图；

图4为基于谷本距离的健康评估原理图；

图5为涡轮风扇发动机仿真模型结构图；

图6为训练集1#发动机传感器监测数据示意图；

图7为训练集2#发动机传感器监测数据示意图；

图8为工况聚类结果图；

图9为发动机实时工况示意图，其中，图9(a)为训练集1#发动机，图9(b)为训练集2#发动机；

图10为健康评估结果示意图，其中，图10(a)为训练集1#发动机，图10(b)为训练集2#发动机。

具体实施方式

下面结合附图以及具体实施方式进一步说明本发明。

本发明一种基于工况识别和谷本距离的变工况下航空发动机整机健康评估方法，具体步骤如下：

1.基于K均值聚类的工况识别