[发明专利]航空发动机气路参数偏差值的预处理方法

说明书

本发明涉及航空发动机气路参数处理技术领域，具体的说是一种航空发动机气路参数偏差值的预处理方法，首先，利用指印图修正气路参数偏差值中因非部件性能衰退引起的气路参数偏差值偏移；然后，采用格拉布斯准则对经等长有重叠滑动窗口划分短期内符合独立同分布要求的气路参数偏差值进行粗大误差去除；接着，针对一般降噪方法采用的EMD分解可能遇到的模态耦合和基于相关系数选取的IMF信号不足等问题，引入EEMD分解，并利用单样本T检验判别高、低频IMF信号，通过只对高频IMF采用SG滤波降噪的方法，避免了因数据滤波降噪而对长期趋势信号造成破坏的问题；最后，通过对比实验验证了本发明提出的数据预处理方法在气路参数偏差值预处理中的优越性。

技术领域：

本发明涉及航空发动机气路参数处理技术领域，具体的说是一种能够降低数据噪声，减小后续数据处理误差的航空发动机气路参数偏差值的预处理方法。

背景技术：

据统计，88％的航空飞行事故是由飞机的子系统或推进系统故障造成，这导致在航空装备的全寿命服役周期中，使用保障费用占到其全寿命周期费用的50％，其中，发动机的维修成本又占到了使用保障费用的39％，这对重资产投入的中国航空业造成了巨大困扰。

作为发动机健康管理的核心研究内容之一，发动机气路性能评估是开展发动机运维管理的基础，其对发动机服役状态监控、维修工作范围制定和长期寿命预测都有积极意义。气路性能分析主要通过机理、数据或多元信息融合模型对发动机气路运行监控参数进行分析，进而判定发动机整机或单元体的健康状态。基于机理模型的分析方法主要包括线性模型和非线性模型两类，例如基于线性卡尔曼滤波器估计状态参数与模型参数偏差量的航空发动机机载自适应模型和基于非线性扩展卡尔曼滤波的气路故障诊断系统；基于数据的气路性能分析方法主要以专家系统、深度学习和机器学习为主，例如基于知识与规则的模糊逻辑专家推理系统、基于BP神经网络的故障分类系统和小样本支持向量机的性能诊断系统；多元信息融合模型则依靠多学科知识与数据相融合的方法进行性能分析，例如基于贝叶斯网络或DS证据理论的发动机健康状态评估。

机械故障诊断主要通过对发动机轴承、齿轮、转子及附件的震动信号和滑油金属碎屑的分析从而了解发动机部件的劣化与损伤状态。震动信号分析主要有基于Hilbert变换、小波分解或经验模态分解的轴承信号分析，基于健康指示信号(Health Indicator,HI)的齿轮信号分析和基于高阶谱法的转子信号分析；滑油分析主要有离线滑油监测和在线金属检测。

气路参数偏差值作为航空发动机气路性能特征参数，其受到耦合交变工作状态下的发动机气路部件性能和外界工作环境的影响，而气路部件性能又受到发动机控制系统调节与自身性能衰退的影响，故其具有短期离散程度高、变异系数大和长期波动缓慢的特点。因此，若欲利用气路参数偏差值作为数据基础进行发动机气路多部件性能评估，则需在评估之前进行数据清洗，修正数据受非部件性能衰退引起的数据偏移，去除因机载传感器工作不稳定等非工况因素干扰导致的粗大误差和降低数据噪声。

发明内容：

本发明针对现有技术中存在的缺点和不足，提出了一种能够降低数据噪声，减小后续数据处理误差的航空发动机气路参数偏差值的预处理方法。

本发明通过以下措施达到：

一种航空发动机气路参数偏差值的预处理方法，其特征在于，包括以下步骤：

步骤1：对于气路参数偏差值基于指印图的修正公式如下：

式中——i时刻未修正的原始气路参数偏差值；

x_ij——i时刻VSV、VBV的单位开合角度或单位引气泄露量；

w_j——指印图中x_j对气路参数偏差值造成的偏移量；

步骤2：采用格拉布斯准则对分组后的气路参数偏差值进行粗大误差去除；