《航空發動機故障機理及預測診斷方法研究》是依託清華大學，由蔣東翔擔任項目負責人的聯合基金項目。
基本介紹
- 中文名：航空發動機故障機理及預測診斷方法研究
- 外文名：Research on aeroengine fault mechanism and prediction and diagnosis method
- 依託單位：清華大學
- 項目負責人：蔣東翔
- 項目類別：聯合基金項目
項目摘要,結題摘要,
項目摘要
針對航空發動機安全性與可靠性問題，提出航空發動機故障機理及預測診斷方法研究，該項研究對於提高飛機運行安全性、可靠性、降低運營成本十分重要。首先，從民航發動機故障機理出發，研究其退化機理與建模；其次，針對民航發動機可測參數少使得故障區分困難的特點，提出基於熱力模型和數據融合的混合故障診斷方法，將模型求解結果和可測參數數據融入診斷模型，增加診斷依據，同時考慮轉子振動，分析常見故障頻譜特徵，進一步補充診斷依據；第三，針對航空發動機故障發生、發展過程的特點，研究趨勢演化預測診斷的理論和方法，研究適用於航空發動機的趨勢預測診斷算法；最後，研究預測診斷過程的不確定性，分析預測診斷結果可靠性，提出預測診斷性能評估方法，建立民航發動機故障預測診斷可靠性評價體系，預測診斷與可靠性評估方法構成完整的預測診斷模型。該項研究將為航空發動機預知維修奠定理論基礎。
結題摘要
針對航空發動機安全性與可靠性問題，掌握典型部件的故障發生和發展機理、尋找有效的失效預防方法是提高航空發動機運行安全性、可靠性以及降低運營成本的重要手段。本項目研究了航空發動機故障機理及預測診斷方法，實施過程中嚴格按照項目計畫書展開研究工作，目前已完成既定研究計畫，取得的研究成果分為五個方面：（1）分析了航空發動機故障機理，建立了典型氣路故障的熱力學模型，通過引入部件故障因子建立了氣路故障模型，建立了基於線性模型和非線性模型的性能退化模型，分析了轉子系統典型振動故障機理，建立了航空發動機振動故障與徵兆關係表，獲得了振動故障與徵兆的定量關係；（2）研究了基於模型和基於數據的混合診斷方法，建立了基於熱力學模型和振動徵兆的故障診斷方法，套用模式識別、神經網路、決策樹等建立了基於數據的故障診斷方法；（3）發展了趨勢演化預測診斷理論與方法，套用ARIMA模型、神經網路、灰色理論等方法形成了基於退化過程的參數預測方法，通過特徵提取、參數降維、趨勢演化過程預測等實現了預測診斷；（4）評估了診斷與預測診斷的不確定性與可靠性，利用模糊數學、粗糙集等分析了管理診斷和預測診斷過程中不確定性的方法，通過更新貝葉斯估計評價診斷和預測診斷不確定性；（5）設計了雙轉子試驗台，在實驗室條件下完成了雙轉子實驗系統的建設。本項目在航空發動機退化建模、趨勢預測診斷方法、診斷和預測診斷不確定性分析等方面取得了進展，研究成果對於明晰航空發動機退化機理、形成有效的預測診斷方法、管理預測診斷不確定性、提高預測診斷可靠性等方面具有重要意義。
