[发明专利]用于航空发动机振动排故的数字孪生方法

说明书

本发明具体涉及用于航空发动机振动排故的数字孪生方法，该方法主要通过收集发动机的振动测试数据集，采用发动机振动数字孪生模型对每台发动机的试验数据进行训练，得到每台发动机的振动权重模型；判断动机的地面试车实验数据代入到振动权重模型中的振动状态，最终找出振动超标的发动机；并比较振动超标发动机的装配参数和转子平衡参数的极值，判定问题零件的所在位置。目的在于通过引入环境参数、状态参数、控制参数以及振动参数，并基于发动机振动机理，构建振动数字孪生模型，得到装配参数与整机振动之间的关联关系，从而缩短发动机整机的研制和制造周期。

技术领域

本发明属于航空发动机故障诊断技术领域，具体涉及用于航空发动机振动排故的数字孪生方法。

背景技术

航空发动机作为现代工业的“明珠”，是一个国家科技、工业和国防实力的重要体现，也是国家安全和大国地位的重要战略保障。目前，制造技术的差距是我国与发达国家航空发动机技术差距的主要因素。装配作为制造过程中的最终环节，决定了发动机的质量、性能以及振动水平，而在实际工程中，由于制造装配公差的存在，且发动机零部件众多，给装配公差与振动之间的影响关系研究带来了困难，实际过程中因装配不当造成振动超差的现象时有发生，且超差原因很难定位到具体公差参数，因而会造成多次装配返工，从而增加人工成本和制造周期，影响工厂生产效率。

航空发动机振动产生因素众多，其中最主要的是原因在于转子部件的不平衡，除了转子自身的不平衡量外，各零部件装配相对位置的变化也会导致转子部件的不平衡。研究表明，公差的配合不当即装配不当会引入振源，进而影响整机振动，在工厂试车检验环节进行振动量检查时便会出现振动超标现象，此时需要经验丰富的工程技术人员对振动故障进行排故检查，在排故过程中往往需要将发动机进行重新拆解，从可能引起振动超标的相关装配环节和零部件中进行逐一排查，这项工作耗时耗力，且并不能百分百找到故障原因，导致多次返工甚至最终都无法使产品达到合格要求。

在传统的试车过程中，对于振动量(主要为进气机匣、中介机匣及涡轮后机匣等的水平方向和垂直方向的振动)的评估主要采用设定限定值来进行振动超标的判定，当振动异常时，依据经验丰富的工程技术人员对试验数据、装配参数、转子平衡参数进行排故，随后根据参数分析结果进行重新零部件的更换与重新装配，并进行再次试车检验超标振动量是否下降到正常水平，若达到要求则可进行交付，若不满足要求则需要再次进行零部件更换、装配与试车的操作，直至振动达标；然而这种方法的主要缺陷在于不能适用于复杂问题的分析，例如其无法对发动机的振动水平进行定量分析，也无法进行不同发动机间的振动水平进行对比分析，且该方法受限于人为因素影响，过程中需要付出的时间、成本较大，且往往难以得到准确的分析结果。还有采用数学统计方法定型分析装配参数与整机振动量之间的关系，如通过主成分分析、蒙特卡罗方法以及多元统计方法分析直接分析计算出装配参数与整机振动量之间的关联度，或者通过BP神经网络的方法搭建装配参数与振动量之间的神经网络模型，进而实现振动量的预测与故障异常监控；但是对于这种数学统计分析方法，需要大量装配数据和振动数据的分布状态进而搭建适用于同型号内所有发动机的装配参数与振动参数的数学关系式，因而其对于特定问题并不能得到很好的结果，且该方法需要的装配数据较多，因而在数据量少尤其是在产品研制初期的情况下无法进行分析。

发明内容

本发明为了解决上述技术问题，通过应用人工智能技术，提出了一种航空发动机振动排故的数字孪生方法，该方法通过引入环境参数、状态参数、控制参数以及振动参数，并基于发动机振动机理，构建振动数字孪生模型，得到装配参数与整机振动之间的关联关系，从而缩短发动机整机的研制和制造周期。

为实现上述发明目的，本发明所采用的技术方案是：用于航空发动机振动排故的智能化数字化分析，包括以下步骤：

S1：收集发动机的振动测试数据集，振动测试数据集为数台发动机试验数据的集合，并对振动测试数据集中的数据进行筛选、分析和处理；

S2：采用发动机振动数字孪生模型对每台发动机的试验数据进行训练，得到每台发动机的振动权重模型；