[发明专利]一种基于数字孪生的航空发动机气路故障预测方法

说明书

本发明属于数字孪生技术及航空发动机故障预测领域，提供了一种基于数字孪生的航空发动机气路故障预测方法。本发明提出的Wiener‑BP误差修正模型根据发动机数字孪生体与真实发动机传感器测量值的误差建立一个非线性动态误差补偿模型，克服了现有数字孪生体存在时间累积误差的弊端。同时，根据误差数据训练得到的Wiener‑BP误差修正模型具有较强的泛化能力，可适用于多种类型的发动机数字孪生体，具有良好的普适性。本发明的方法通过参数预测算法得到发动机气路参数的预测值，将气路参数预测值传入经过误差修正的数字孪生体进行仿真，得到发动机在未来时刻的预计工作状态，从而实现气路故障预测。

技术领域

本发明属于数字孪生技术及航空发动机故障预测领域，具体为一种基于数字孪生的航空发动机气路故障预测方法。

背景技术

数字孪生技术是一种建立在虚实映射基础上的仿真过程，能够在数字孪生空间内动态反映对应实物的实时状态。数字孪生技术具有广泛的应用场景，如产品设计、工业制造、工程试验等。但在实际应用中，由于建模精度、测量误差、无法观测的动态因素等影响，数字孪生体与对应实物间存在一定的跟踪误差，影响了数字孪生在高精确度场景下的应用。

航空发动机数字孪生模型是数字孪生技术在航空领域的应用，能够详细反映当前发动机的工作状态，详见王乐等人的数字孪生在航空发动机领域的应用分析。作为飞机的动力来源，航空发动机的可靠性直接关系到飞行器的安全。在发动机的所有故障中，气路故障是最主要的故障类型。通过数字孪生模型进行发动机工作状态仿真和预测，便可提前发现可能出现的故障，提高飞行安全，详见刘魁等人的数字孪生在航空发动机可靠性领域的应用探索。因此，航空发动机气路故障预测对数字孪生精确度提出了更高的要求，现有的部件级模型很难对建模误差、未知动态等干扰进行补偿，从而难以适应航空发动机气路故障预测的需求。

发明内容

本发明的目的在于提供一种基于数字孪生的航空发动机气路故障预测方法。所述方法包含航空发动机数字孪生体和参数预测算法，能够根据历史和当前时刻的气路参数值预测未来一段时间内的参数变化趋势，通过将预测得到的参数值输入数字孪生体来判断未来是否会出现故障，从而实现航空发动机气路故障的提前预测。

为实现上述目的，本发明采用如下技术方案：

一种基于数字孪生的航空发动机气路故障预测方法，步骤如下：

S1：构建航空发动机部件级数字孪生体；

进一步的，S1中所述的航空发动机部件级数字孪生体包括进气道、压气机、燃烧室、涡轮、尾喷管、转子，输入参数为燃油流量Wf、高度H、马赫数Ma。

S2：利用S1中的航空发动机部件级数字孪生体计算当前发动机气路参数仿真数据；

进一步的，S2中所述的发动机气路参数信号包括转子相对换算转速、进口空气总温、风扇可调叶片角度、压气机可调叶片角度、涡轮前温度、涡轮后排气温度、涡轮后排气压力、压气机进/出口温度、压气机进/出口压力。

S3：在航空发动机的运行过程中，实时采集气路传感器参数信号；

S4：对S3中采集得到的传感器信号进行去噪处理；

进一步的，S4中所述的发动机传感器参数信号使用小波阈值法进行去噪。对航空发动机传感器而言，其参数测量值为特定频率的离散数据，需要使用离散小波变换：

其中，(W_ψf)为经过小波分解后的信号，a₀为伸缩步长，b₀为基函数因子，m和n分别为尺度系数和平移系数。小波去噪阈值由下式确定：

其中，σ为噪声的标准差估计，N为信号的长度。阈值函数由下式确定：