航空燃?xì)鉁u輪發(fā)動(dòng)機(jī)技術(shù)是一個(gè)國(guó)家工業(yè)水平和科技實(shí)力的綜合體現(xiàn)，故障診斷技術(shù)是航空發(fā)動(dòng)機(jī)安全、經(jīng)濟(jì)運(yùn)行的重要保障，也是衡量其先進(jìn)性的重要指標(biāo)之一。由于航空發(fā)動(dòng)機(jī)結(jié)構(gòu)復(fù)雜、系統(tǒng)集成度高、服役環(huán)境惡劣、工作狀態(tài)多變，同時(shí)存在在線測(cè)試條件有限、診斷信息量不易保障等制約，故障診斷面臨較多挑戰(zhàn)。本文從氣路分析與性能評(píng)價(jià)、機(jī)械系統(tǒng)故障診斷和多參量信息融合3個(gè)方面對(duì)國(guó)內(nèi)外航空發(fā)動(dòng)機(jī)故障診斷技術(shù)進(jìn)行梳理，剖析存在的主要問題和挑戰(zhàn)，并對(duì)未來發(fā)展趨勢(shì)進(jìn)行展望。

航空燃?xì)鉁u輪發(fā)動(dòng)機(jī)(簡(jiǎn)稱航空發(fā)動(dòng)機(jī))是飛行器的首選動(dòng)力裝置，也是中國(guó)“十四五”規(guī)劃和2035年遠(yuǎn)景目標(biāo)的核心關(guān)注對(duì)象之一，其發(fā)展水平是一個(gè)國(guó)家科技水平、工業(yè)實(shí)力的綜合體現(xiàn)。隨各種新技術(shù)在航空發(fā)動(dòng)機(jī)中廣泛應(yīng)用，發(fā)動(dòng)機(jī)信息化和智能化水平不斷提高。由于長(zhǎng)期在高溫、高壓、高轉(zhuǎn)速、變工況等復(fù)雜條件下工作，發(fā)動(dòng)機(jī)在使用過程中不可避免地會(huì)產(chǎn)生性能衰退、整機(jī)振動(dòng)異?；蛉加汀⒒透郊到y(tǒng)工作失常等故障，嚴(yán)重時(shí)甚至?xí)?dǎo)致重大事故。為保證安全飛行，傳統(tǒng)航空發(fā)動(dòng)機(jī)在設(shè)計(jì)、使用、維修等方面留有很大裕度，且飛行中發(fā)動(dòng)機(jī)僅可按預(yù)定程序操作，不可對(duì)外部環(huán)境及自身性能變化做出自主響應(yīng)，同時(shí)會(huì)導(dǎo)致其經(jīng)濟(jì)可承受性降低。在發(fā)動(dòng)機(jī)全壽命周期內(nèi)實(shí)現(xiàn)在線狀態(tài)監(jiān)測(cè)、故障診斷與壽命預(yù)測(cè)是先進(jìn)航空發(fā)動(dòng)機(jī)飛行安全和經(jīng)濟(jì)可承受性的關(guān)鍵支撐，也是提升其智能化水平的關(guān)鍵步驟。

從20世紀(jì)50年代發(fā)展至今，航空發(fā)動(dòng)機(jī)狀態(tài)監(jiān)測(cè)和故障診斷技術(shù)經(jīng)歷了由簡(jiǎn)單向復(fù)雜、由低級(jí)向高級(jí)、由離線診斷向?qū)崟r(shí)監(jiān)視、由單一向綜合化、智能化的發(fā)展過程，從原始的目視檢查到功能強(qiáng)大的故障預(yù)測(cè)與健康管理系統(tǒng)(Prognostic and Health Management，PHM)，對(duì)提升航空發(fā)動(dòng)機(jī)安全性、可靠性、經(jīng)濟(jì)性發(fā)揮著越來越重要的作用。然而隨航空發(fā)動(dòng)機(jī)技術(shù)的進(jìn)步、機(jī)群規(guī)模的增加、運(yùn)行成本的控制，航空發(fā)動(dòng)機(jī)故障診斷技術(shù)同時(shí)也面臨著越來越大的挑戰(zhàn)。

據(jù)國(guó)際航空運(yùn)輸協(xié)會(huì)統(tǒng)計(jì)，僅2019年全球民航飛機(jī)的維護(hù)、維修與大修(Maintenance, Repair and Overhaul，MRO)市場(chǎng)規(guī)?？蛇_(dá)819億美元，其中發(fā)動(dòng)機(jī)維修費(fèi)用為336億美元，占比高達(dá)41%，如圖 1所示。為減少航空發(fā)動(dòng)機(jī)維修保障費(fèi)用，美國(guó)于1988年和2006年先后實(shí)施了綜合高性能渦輪發(fā)動(dòng)機(jī)技術(shù)計(jì)劃(Integrated High Performance Turbine Engine Technology，IHPTET)，通用、經(jīng)濟(jì)可承受先進(jìn)渦輪發(fā)動(dòng)機(jī)計(jì)劃(Versatile Affordable Advanced Turbine Engines，VAATE)，旨在改善發(fā)動(dòng)機(jī)性能的同時(shí)減少60%的維修費(fèi)用。

2011年，美國(guó)國(guó)家航空航天局聯(lián)合美國(guó)空軍研究實(shí)驗(yàn)室、聯(lián)邦航空管理局、波音、普惠、通用電氣等單位啟動(dòng)了飛行器綜合推進(jìn)研究(Vehicle Integrated Propulsion Research，VIPR)項(xiàng)目，以發(fā)展全新的傳感器識(shí)別發(fā)動(dòng)機(jī)振動(dòng)、速度和排氣的變化情況，通過發(fā)現(xiàn)潛在故障提高飛行安全性、降低維護(hù)成本并評(píng)估最新的發(fā)動(dòng)機(jī)診斷技術(shù)，分別于2011、2013、2018年在F117軍用渦扇發(fā)動(dòng)機(jī)上展開了3次測(cè)試。

圖 1 全球民航維護(hù)、維修與大修費(fèi)用情況(2019)

Fig. 1 World maintenance, repair and overhaul spend in civil aviation (2019)

本文從航空發(fā)動(dòng)機(jī)故障診斷的特點(diǎn)與難點(diǎn)入手，對(duì)航空發(fā)動(dòng)機(jī)狀態(tài)監(jiān)測(cè)與故障診斷的國(guó)內(nèi)外研究進(jìn)展進(jìn)行綜述和分析，并對(duì)其發(fā)展趨勢(shì)進(jìn)行展望。

1 航空發(fā)動(dòng)機(jī)故障診斷的特點(diǎn)與難點(diǎn)

與一般旋轉(zhuǎn)機(jī)械相比，航空發(fā)動(dòng)機(jī)工況多變，特別是軍用航空發(fā)動(dòng)機(jī)過渡態(tài)頻發(fā)，任務(wù)剖面極其復(fù)雜，其故障診斷面臨的難點(diǎn)主要包括：氣動(dòng)、熱力、機(jī)械、噪聲的綜合負(fù)荷大，服役中氣-熱-固-聲多物理場(chǎng)耦合問題突出；比剛度小，整機(jī)耦合振動(dòng)的影響因素多，振動(dòng)傳遞特性復(fù)雜；總重量受苛刻限制，傳感器測(cè)點(diǎn)位置和數(shù)目受重量約束和安裝空間約束的苛刻限制。具體表現(xiàn)在以下4個(gè)方面：

1) 設(shè)備結(jié)構(gòu)復(fù)雜，系統(tǒng)集成度高

航空發(fā)動(dòng)機(jī)由進(jìn)氣道、風(fēng)扇、壓氣機(jī)、燃燒室、渦輪、附件機(jī)匣等多個(gè)部件組成，是集機(jī)械、氣動(dòng)、熱力、電氣、控制等學(xué)科為一體的復(fù)雜結(jié)構(gòu)系統(tǒng)，發(fā)動(dòng)機(jī)各個(gè)部件、各個(gè)子系統(tǒng)之間關(guān)聯(lián)耦合突出，非線性動(dòng)力學(xué)特性明顯。

2) 服役環(huán)境惡劣，工作狀態(tài)多變

航空發(fā)動(dòng)機(jī)長(zhǎng)期工作于高溫、高壓、高轉(zhuǎn)速、變工況的工作條件下，即使在穩(wěn)態(tài)工況油門角度不變的情況下，當(dāng)飛行姿態(tài)、高度或速度出現(xiàn)變化時(shí)，發(fā)動(dòng)機(jī)物理轉(zhuǎn)速和載荷都會(huì)有所不同，表現(xiàn)出一定的過渡態(tài)特征，對(duì)于殲擊機(jī)等的動(dòng)力裝置，還會(huì)反復(fù)經(jīng)歷加減速等過渡態(tài)工況。過渡態(tài)的信息提取與解釋是一個(gè)公認(rèn)難題。

3) 測(cè)試條件苛刻，信號(hào)信噪比低

由于工作環(huán)境的特殊性，航空發(fā)動(dòng)機(jī)對(duì)傳感器等附件的安裝位置和重量有嚴(yán)格限制，因此發(fā)動(dòng)機(jī)機(jī)載測(cè)點(diǎn)數(shù)量有限、位置固定，診斷信息的獲取受影響。同時(shí)傳感器接收到的測(cè)試信號(hào)往往歷經(jīng)多途傳遞，并受振動(dòng)、氣動(dòng)、燃燒等方面干擾，信號(hào)信噪比低，給診斷信息的提取帶來困難。

4) 數(shù)據(jù)類型豐富但分散度大

一方面，在設(shè)計(jì)、試飛、定型、改裝、服役等過程中都需對(duì)發(fā)動(dòng)機(jī)的多種參數(shù)進(jìn)行不間斷監(jiān)測(cè)，數(shù)據(jù)采樣頻率高，使監(jiān)測(cè)數(shù)據(jù)類型豐富、規(guī)模龐大，“大數(shù)據(jù)”在給監(jiān)測(cè)診斷帶來機(jī)遇的同時(shí)，也為故障特征的提取帶來挑戰(zhàn)；另一方面，測(cè)試數(shù)據(jù)散度大，不僅發(fā)生在同一批次相同工作狀態(tài)的發(fā)動(dòng)機(jī)上，即使是同一臺(tái)發(fā)動(dòng)機(jī)，在試飛前后仍會(huì)出現(xiàn)散度大的現(xiàn)象，但根源尚不明晰，危害程度也難以判斷。

可見，航空發(fā)動(dòng)機(jī)的結(jié)構(gòu)和工況與一般旋轉(zhuǎn)機(jī)械差異顯著，傳統(tǒng)的旋轉(zhuǎn)機(jī)械診斷技術(shù)很難直接應(yīng)用。

2 國(guó)內(nèi)外研究現(xiàn)狀

多年來，航空發(fā)動(dòng)機(jī)狀態(tài)監(jiān)測(cè)、故障診斷與預(yù)測(cè)一直是國(guó)內(nèi)外相關(guān)企業(yè)、院所和高校關(guān)注的焦點(diǎn)與熱點(diǎn)之一，相關(guān)論文、報(bào)告和專利數(shù)量巨大。從研究工作的發(fā)展情況來看，大致經(jīng)歷了狀態(tài)監(jiān)視與預(yù)警、性能評(píng)價(jià)與分析、故障診斷與預(yù)測(cè)、數(shù)字孿生等幾個(gè)主要階段。如圖 2所示，這一研究工作起初僅是對(duì)發(fā)動(dòng)機(jī)排氣溫度、轉(zhuǎn)速和總振動(dòng)量等測(cè)量參數(shù)的異常、超限進(jìn)行監(jiān)測(cè)和報(bào)警。隨發(fā)動(dòng)機(jī)控制要求的不斷提高，越來越多的氣路傳感器被安裝在發(fā)動(dòng)機(jī)內(nèi)，為提升故障診斷水平提供了信息支撐。20世紀(jì)70年代，電子硬件模塊開始用于發(fā)動(dòng)機(jī)的在線監(jiān)測(cè)，能自動(dòng)記錄飛行過程的發(fā)動(dòng)機(jī)狀態(tài)參數(shù)并進(jìn)行監(jiān)測(cè)，可視作現(xiàn)今發(fā)動(dòng)機(jī)健康管理系統(tǒng)(Engine Health Monitoring，EHM)的雛形。至80年代，通過集成計(jì)算機(jī)模塊和更為先進(jìn)的電子技術(shù)，全權(quán)限數(shù)字電子控制系統(tǒng)(Full Authority Digital Engine Controls，F(xiàn)ADEC)實(shí)現(xiàn)了數(shù)字化控制和信息處理，具備了在線診斷的能力，促進(jìn)了飛行器狀態(tài)監(jiān)測(cè)功能飛行報(bào)告的生成，亦為EHM的實(shí)現(xiàn)奠定了硬件基礎(chǔ)。90年代末，在成功應(yīng)用PHM技術(shù)后，普惠公司為美國(guó)空軍F-35聯(lián)合攻擊機(jī)研制的F135五代發(fā)動(dòng)機(jī)排故時(shí)間明顯下降，進(jìn)一步為PHM技術(shù)的發(fā)展帶來了契機(jī)。

21世紀(jì)，基于運(yùn)行狀態(tài)數(shù)據(jù)連續(xù)采集與智能分析的數(shù)字孿生(Digital Twin，DT)為航空航天飛行器的健康維護(hù)與保障提供了重要的技術(shù)支撐，受到國(guó)內(nèi)外的廣泛關(guān)注與應(yīng)用探索。其中，美國(guó)國(guó)家航空航天局結(jié)合物理實(shí)體及等效虛擬模型研究了基于數(shù)字孿生的復(fù)雜系統(tǒng)故障預(yù)測(cè)與消除方法，成功應(yīng)用于飛機(jī)、火箭等飛行系統(tǒng)的健康管理中，并聯(lián)合美國(guó)空軍提出面向未來飛行器的數(shù)字孿生范例。美國(guó)發(fā)動(dòng)機(jī)廠商通用電氣基于Predix平臺(tái)實(shí)現(xiàn)了零件級(jí)、系統(tǒng)級(jí)、集群級(jí)數(shù)字孿生，生產(chǎn)商和運(yùn)營(yíng)商可利用數(shù)字孿生了解、預(yù)測(cè)和優(yōu)化全壽命周期中每個(gè)監(jiān)測(cè)對(duì)象的性能。然而發(fā)動(dòng)機(jī)自身結(jié)構(gòu)復(fù)雜、工作環(huán)境惡劣、測(cè)試條件不完善等因素給其狀態(tài)監(jiān)測(cè)與故障診斷帶來了很大困難。為此航空發(fā)動(dòng)機(jī)故障診斷與預(yù)測(cè)理論和方法廣受關(guān)注，產(chǎn)生了諸多分析、診斷、預(yù)測(cè)模型和方法。主要從氣路分析與性能評(píng)價(jià)、機(jī)械系統(tǒng)故障診斷和多參量融合的診斷與預(yù)測(cè)3個(gè)方面對(duì)當(dāng)前的研究方法進(jìn)行梳理。

圖 2 航空發(fā)動(dòng)機(jī)狀態(tài)監(jiān)測(cè)發(fā)展歷史

Fig. 2 History of condition monitoring for aeroengine

2.1 氣路分析與性能評(píng)價(jià)

氣路分析(Gas Path Analysis，GPA)是指對(duì)與發(fā)動(dòng)機(jī)氣路各部件健康狀態(tài)緊密相關(guān)的溫度、壓力、燃油流量、空氣流量及轉(zhuǎn)速實(shí)施監(jiān)測(cè)，根據(jù)監(jiān)測(cè)數(shù)據(jù)通過參數(shù)辨識(shí)等技術(shù)預(yù)測(cè)發(fā)動(dòng)機(jī)氣路部件的性能變化，由此判斷發(fā)動(dòng)機(jī)及相關(guān)部件的健康狀態(tài)及故障情況，其基本原理如圖 3所示。如果把發(fā)動(dòng)機(jī)物理故障引起發(fā)動(dòng)機(jī)部件性能衰減的實(shí)際物理過程看作是正過程，那么故障診斷過程就是它的逆過程，即根據(jù)發(fā)動(dòng)機(jī)可測(cè)量參數(shù)的變化確定發(fā)動(dòng)機(jī)的部件性能，從而實(shí)現(xiàn)物理故障定位。在不需要加裝額外傳感器的情況下，氣路分析可給出發(fā)動(dòng)機(jī)單元體的性能評(píng)價(jià)，多年來已成為發(fā)動(dòng)機(jī)性能評(píng)價(jià)和氣路故障診斷的基礎(chǔ)。

圖 3 氣路分析與性能評(píng)價(jià)原理

Fig. 3 Principle of gas path analysis and performance evaluation

自20世紀(jì)70年代Urban提出故障影響系數(shù)矩陣法以來，各種修正算法和模型不斷涌現(xiàn)，以提升模型的預(yù)測(cè)精度和適用范圍。傳統(tǒng)氣路分析方法的突出問題之一是在測(cè)量參數(shù)數(shù)目受限、測(cè)量偏差較大、故障程度較高(異物損傷、結(jié)構(gòu)破損等)等情況下不易收斂。針對(duì)這一問題，研究人員通過結(jié)合不同優(yōu)化模型和算法提出了大量改進(jìn)方法。雅典國(guó)家技術(shù)大學(xué)Aretakis等通過選取多個(gè)穩(wěn)態(tài)點(diǎn)的故障方程數(shù)量解決這一問題，但要求分析的各個(gè)穩(wěn)態(tài)點(diǎn)有一定的獨(dú)立性。北京航空航天大學(xué)陳大光等、張津基于線性模型的小偏差法開展了相關(guān)研究，提出了多狀態(tài)氣路分析法和主因子模型法，有效改善了測(cè)量參數(shù)不足時(shí)氣路故障診斷系統(tǒng)的有效性，并針對(duì)JT9D、CF6等民航型號(hào)發(fā)動(dòng)機(jī)進(jìn)行了方法驗(yàn)證，發(fā)展了一種新的發(fā)動(dòng)機(jī)狀態(tài)監(jiān)視和故障診斷(Engine Monitoring and Diagnosis，EMD)系統(tǒng)。朱之麗和孟凡濤結(jié)合最小二乘法和多狀態(tài)數(shù)學(xué)模型將模型辨識(shí)法應(yīng)用于某型渦扇發(fā)動(dòng)機(jī)的氣路故障診斷，實(shí)現(xiàn)了考慮發(fā)動(dòng)機(jī)非線性特征的準(zhǔn)確定量診斷。中國(guó)民航大學(xué)范作民、西北工業(yè)大學(xué)孫祥逢等采用故障主因子的概念以減少考慮的故障個(gè)數(shù)，但其診斷結(jié)果的可靠性有所降低。美國(guó)加利福尼亞州的Brotherton、比利時(shí)列日大學(xué)Borguet、加拿大康考迪亞大學(xué)Khorasani、南京航空航天大學(xué)黃金泉等采用卡爾曼濾波實(shí)現(xiàn)了發(fā)動(dòng)機(jī)氣路部件性能參數(shù)的估計(jì)與分析，并結(jié)合發(fā)動(dòng)機(jī)性能模型實(shí)現(xiàn)了發(fā)動(dòng)機(jī)的故障診斷。除此之外，神經(jīng)網(wǎng)絡(luò)法、貝葉斯網(wǎng)絡(luò)法等也被引入氣路分析方法中，分別從不同角度對(duì)氣路分析算法的性能進(jìn)行了提升。

現(xiàn)有的氣路分析方法基本上針對(duì)穩(wěn)態(tài)過程。然而發(fā)動(dòng)機(jī)的過渡態(tài)(非穩(wěn)態(tài))在飛行過程中是頻繁出現(xiàn)的。所謂過渡態(tài)，就是指發(fā)動(dòng)機(jī)在不同穩(wěn)態(tài)工況之間切換的瞬態(tài)過程，其特征是發(fā)動(dòng)機(jī)轉(zhuǎn)速、功率、氣動(dòng)熱力參數(shù)均隨時(shí)間劇烈變化。航空發(fā)動(dòng)機(jī)，尤其是軍用發(fā)動(dòng)機(jī)飛行任務(wù)剖面復(fù)雜，過渡態(tài)在實(shí)際服役過程中占比極高，如圖 4所示。近幾年，一些學(xué)者也開始嘗試對(duì)過渡態(tài)下的性能評(píng)價(jià)方法開展研究，如采用最小二乘法、神經(jīng)網(wǎng)絡(luò)、遺傳算法等方法對(duì)過渡態(tài)信號(hào)進(jìn)行處理。2011年，Borguet等依據(jù)系統(tǒng)辨識(shí)原理提出了在頻域中對(duì)過渡態(tài)參數(shù)進(jìn)行分析的方法，成功應(yīng)用于商用發(fā)動(dòng)機(jī)的在線分析。2017年，德國(guó)斯圖加特大學(xué)Putz等提出了一種對(duì)起飛過渡態(tài)數(shù)據(jù)的校正模型，使已有的發(fā)動(dòng)機(jī)監(jiān)測(cè)系統(tǒng)突破了僅適用于穩(wěn)態(tài)數(shù)據(jù)的局限，對(duì)過渡態(tài)數(shù)據(jù)進(jìn)行一定程度的分析。同年，英國(guó)克蘭菲爾德大學(xué)Wang C等提出了一種針對(duì)發(fā)動(dòng)機(jī)燃油系統(tǒng)的過渡態(tài)模擬方法，可以在發(fā)動(dòng)機(jī)過渡態(tài)階段提供更為詳細(xì)的燃油系統(tǒng)性能信息。

圖 4 航空發(fā)動(dòng)機(jī)任務(wù)剖面示意圖

Fig. 4 Sketch of mission profile for aeroengine

盡管氣路分析方法已有50余年的發(fā)展歷史，依然存在諸多挑戰(zhàn)性難題，主要表現(xiàn)在3個(gè)方面：①氣路傳感器的選取取決于發(fā)動(dòng)機(jī)控制需求，傳感器數(shù)量少于氣路健康狀態(tài)評(píng)價(jià)所需個(gè)數(shù)，先天信息不足；②傳感器測(cè)量的偏差和噪聲往往會(huì)嚴(yán)重影響氣路分析結(jié)果的質(zhì)量，已有改進(jìn)方法依然難以保證測(cè)試信號(hào)的質(zhì)量；③過渡態(tài)下的氣路分析依舊是一個(gè)難題，至今未得到根本解決。

2.2 機(jī)械系統(tǒng)故障診斷

氣路分析主要用于評(píng)價(jià)發(fā)動(dòng)機(jī)的整體性能，當(dāng)需對(duì)機(jī)械系統(tǒng)或部件(軸承、齒輪箱、葉片、滑油系統(tǒng)等)進(jìn)行故障診斷時(shí)，往往采用滑油分析、振動(dòng)監(jiān)測(cè)等方法。其中，滑油分析主要是通過分析油液的性能變化、理化參數(shù)、磨粒參數(shù)等獲得發(fā)動(dòng)機(jī)摩擦副的潤(rùn)滑和磨損狀態(tài)信息，實(shí)現(xiàn)故障的定性與定位。滑油分析一般在實(shí)驗(yàn)室進(jìn)行固體成分、黏度和酸度試驗(yàn)確定滑油的使用性能，對(duì)設(shè)備、人員技能要求較高。不同的是振動(dòng)信號(hào)信息量較大，且對(duì)軸承、齒輪等零件的狀態(tài)信息比較敏感，因此一直作為軸承、齒輪診斷的重要信息來源。振動(dòng)監(jiān)測(cè)是通過安裝在機(jī)匣外側(cè)的速度或加速度傳感器實(shí)現(xiàn)的，但信號(hào)傳遞環(huán)節(jié)多、傳感器數(shù)目少、工作狀態(tài)非平穩(wěn)等因素使振動(dòng)分析往往具有很大難度，至今仍是業(yè)內(nèi)學(xué)者關(guān)注的焦點(diǎn)之一。

在利用振動(dòng)分析對(duì)航空發(fā)動(dòng)機(jī)進(jìn)行故障診斷方面，澳大利亞國(guó)防部研究機(jī)構(gòu)(Defence Science and Technology Organization，DSTO)的Wang W Y等針對(duì)航空發(fā)動(dòng)機(jī)變速箱振動(dòng)信號(hào)復(fù)雜多變、故障特征不易獲取的問題提出了一種“聯(lián)合信號(hào)處理”的方法(Unified Signal Processing Approach)，能對(duì)復(fù)雜的齒輪箱信號(hào)進(jìn)行降噪處理，以便進(jìn)一步地診斷決策。比利時(shí)魯汶大學(xué)Gryllias等針對(duì)航空發(fā)動(dòng)機(jī)工作的非平穩(wěn)特點(diǎn)，引入循環(huán)平穩(wěn)分析理論用于發(fā)動(dòng)機(jī)變速箱升速過程的振動(dòng)信號(hào)分析和故障診斷。烏克蘭國(guó)家科學(xué)院Onishchenko等研究了葉片彎曲振動(dòng)與疲勞裂紋的關(guān)聯(lián)機(jī)制，通過振動(dòng)信號(hào)的諧波幅值比指示裂紋的出現(xiàn)和發(fā)展情況。英國(guó)巴斯大學(xué)Barbini等提出了一種相位編輯方法，用于滾動(dòng)軸承故障特征的自動(dòng)提取，法國(guó)學(xué)者Eltabach等將這一方法應(yīng)用于航空發(fā)動(dòng)機(jī)的軸承診斷中。波蘭波茲南工業(yè)大學(xué)Waligórski等分別采用聲學(xué)和振動(dòng)信號(hào)對(duì)F-16渦輪風(fēng)扇發(fā)動(dòng)機(jī)進(jìn)行狀態(tài)評(píng)估，發(fā)現(xiàn)了混合氣形成及燃燒過程中的不正?，F(xiàn)象，保證了發(fā)動(dòng)機(jī)較高的總體效率和航空任務(wù)的安全性。加拿大滑鐵盧大學(xué)Fong等利用均值漂移聚類結(jié)合短時(shí)傅里葉變換的方法，將時(shí)變諧波與頻譜中的背景噪聲分離開，同時(shí)對(duì)非平穩(wěn)振動(dòng)信號(hào)進(jìn)行降噪并提取諧波含量，成功應(yīng)用于民航發(fā)動(dòng)機(jī)軸承故障數(shù)據(jù)中。

國(guó)內(nèi)學(xué)者近年來也取得了可喜的進(jìn)展。陳予恕院士團(tuán)隊(duì)在機(jī)匣振動(dòng)分析、雙轉(zhuǎn)子系統(tǒng)的模型建立和振動(dòng)特性分析等方面為發(fā)動(dòng)機(jī)動(dòng)力學(xué)分析奠定了基礎(chǔ)。清華大學(xué)蔣東翔等建立了帶有不平衡-不對(duì)中耦合故障的雙轉(zhuǎn)子動(dòng)力學(xué)模型，并研究了動(dòng)靜碰摩故障響應(yīng)的特點(diǎn)。河南科技大學(xué)鄧四二等采用有限元研究了軸承參數(shù)變化對(duì)轉(zhuǎn)子系統(tǒng)穩(wěn)定性及動(dòng)態(tài)響應(yīng)的影響規(guī)律。西安交通大學(xué)陳雪峰團(tuán)隊(duì)在航空發(fā)動(dòng)機(jī)運(yùn)行安全基礎(chǔ)研究項(xiàng)目的支持下，采用建模、機(jī)制分析、數(shù)值分析等方式分析了存在橫向裂紋時(shí)軸-盤-葉片的耦合動(dòng)態(tài)響應(yīng)，并針對(duì)基于應(yīng)變監(jiān)測(cè)葉片振動(dòng)信息傳輸困難的問題，對(duì)葉端定時(shí)信號(hào)進(jìn)行分析實(shí)現(xiàn)葉片的健康監(jiān)測(cè)。東北大學(xué)馬輝、北京航空航天大學(xué)洪杰等圍繞葉片-機(jī)匣碰摩引發(fā)的振動(dòng)響應(yīng)問題進(jìn)行了理論分析和數(shù)值仿真模擬。此外，洪杰等針對(duì)航空發(fā)動(dòng)機(jī)的葉片飛失、突加不平衡、支承不同心等故障模式下的整機(jī)動(dòng)力學(xué)行為及外傳響應(yīng)特性進(jìn)行了系統(tǒng)分析，并在相應(yīng)試驗(yàn)臺(tái)上進(jìn)行了驗(yàn)證。同時(shí)，針對(duì)航空發(fā)動(dòng)機(jī)轉(zhuǎn)子動(dòng)平衡和故障自愈的研究，北京化工大學(xué)高金吉院士團(tuán)隊(duì)整合了國(guó)內(nèi)外自動(dòng)平衡技術(shù)和自愈化技術(shù)，并成功應(yīng)用在航空發(fā)動(dòng)機(jī)上，為中國(guó)今后的航空發(fā)動(dòng)機(jī)自愈化設(shè)計(jì)提供了基礎(chǔ)。另外，在航空發(fā)動(dòng)機(jī)機(jī)械系統(tǒng)或部件微弱故障特征提取的問題上，北京科技大學(xué)馮志鵬等針對(duì)航空發(fā)動(dòng)機(jī)軸承故障診斷中復(fù)雜非平穩(wěn)信號(hào)的頻譜混疊問題提出了一種廣義自適應(yīng)模態(tài)分解方法。陳雪峰等采用壓縮變換分析航空發(fā)動(dòng)機(jī)過渡態(tài)快變信號(hào)，并將其應(yīng)用于裂紋擴(kuò)展檢測(cè)與轉(zhuǎn)子碰磨診斷。重慶大學(xué)湯寶平等采用改進(jìn)的非線性模態(tài)分解方法，無需先驗(yàn)知識(shí)就可自適應(yīng)、高計(jì)算效率地估計(jì)發(fā)動(dòng)機(jī)瞬時(shí)角速度。也有一些學(xué)者采用解卷積、低秩稀疏等算法解決航空發(fā)動(dòng)機(jī)復(fù)雜傳遞路徑下滾動(dòng)軸承的故障識(shí)別問題及高轉(zhuǎn)速下軸承故障信號(hào)中出現(xiàn)的重疊失真、沖擊波形畸變等問題，實(shí)現(xiàn)了多源干擾下航空發(fā)動(dòng)機(jī)微弱故障的識(shí)別和健康狀況的評(píng)價(jià)。

事實(shí)上，機(jī)械故障診斷領(lǐng)域的國(guó)際同行也正聚焦航空發(fā)動(dòng)機(jī)軸承、齒輪等零部件的振動(dòng)診斷方法。2015年在法國(guó)羅阿納理工學(xué)院舉辦的國(guó)際監(jiān)測(cè)大會(huì)上，以法國(guó)賽峰集團(tuán)(Safran)提供實(shí)測(cè)的民航發(fā)動(dòng)機(jī)軸承故障數(shù)據(jù)組織了一場(chǎng)科學(xué)挑戰(zhàn)競(jìng)賽。針對(duì)各參賽團(tuán)隊(duì)的分析結(jié)果，機(jī)械故障診斷領(lǐng)域權(quán)威期刊Mechanical Systems and Signal Processing的編委及相關(guān)專家共十余人在該雜志發(fā)表專題學(xué)術(shù)評(píng)論，強(qiáng)調(diào)變轉(zhuǎn)速下信號(hào)處理水平對(duì)軸承故障檢測(cè)的重要性，并指出這些方法對(duì)專業(yè)人員的依賴性?？傮w上看，單純依靠振動(dòng)信號(hào)實(shí)現(xiàn)航空發(fā)動(dòng)機(jī)整機(jī)故障診斷的案例較少，主要原因在于：①航空發(fā)動(dòng)機(jī)工作條件多變，振動(dòng)信號(hào)往往異常復(fù)雜且信噪比低，對(duì)信號(hào)處理技術(shù)要求極高；②發(fā)動(dòng)機(jī)典型故障實(shí)測(cè)數(shù)據(jù)獲取困難，難以得到有力的實(shí)驗(yàn)支撐；③發(fā)動(dòng)機(jī)振動(dòng)激勵(lì)源多、多場(chǎng)耦合嚴(yán)重、振動(dòng)傳遞特性復(fù)雜，難以建立內(nèi)在故障與外傳振動(dòng)信號(hào)之間的準(zhǔn)確定量映射關(guān)系，僅依靠振動(dòng)解決航空發(fā)動(dòng)機(jī)的故障診斷問題難度大。

2.3 多參量融合的診斷與預(yù)測(cè)

簡(jiǎn)而言之，故障診斷和預(yù)測(cè)可分為基于模型的方法(Model-Based)、基于經(jīng)驗(yàn)的方法(Experience-Based)和基于數(shù)據(jù)的方法(Data-Driven)?；谀Ｐ偷姆椒ɡ脭?shù)學(xué)解析模型監(jiān)測(cè)系統(tǒng)，如氣路故障與振動(dòng)分析中的許多方法。但對(duì)于航空發(fā)動(dòng)機(jī)這類極復(fù)雜的系統(tǒng)，基于模型的方法難以實(shí)現(xiàn)準(zhǔn)確求解?；诮?jīng)驗(yàn)的方法是將概率或隨機(jī)模型與經(jīng)驗(yàn)數(shù)據(jù)結(jié)合進(jìn)行診斷和預(yù)測(cè)，該方法對(duì)先驗(yàn)知識(shí)的依賴性較強(qiáng)?；跀?shù)據(jù)的方法則是通過信號(hào)處理中的各種變換、分析、特征提取或人工智能等方法對(duì)傳感器數(shù)據(jù)進(jìn)行處理，實(shí)現(xiàn)診斷和預(yù)測(cè)，其不足之處在于對(duì)故障及失效機(jī)制缺少解釋。

與上述3種方法不同，信息融合方法是在傳感器層面、數(shù)據(jù)層面或決策層面對(duì)所有已知信息進(jìn)行融合，可集成更多的信息和知識(shí)，理論上可給出更為準(zhǔn)確和可靠的結(jié)果。以下從3個(gè)層面對(duì)信息融合的最新進(jìn)展進(jìn)行介紹。

2.3.1 傳感器層融合

傳感器是信息的基本來源，其信息質(zhì)量是后續(xù)分析的基礎(chǔ)。美國(guó)賓州州立大學(xué)Sarkar等利用符號(hào)動(dòng)力學(xué)理論建立了一種在傳感器特征層信息融合的方法，并在美國(guó)國(guó)家航空航天局提供的C-MAPSS模擬器上得到驗(yàn)證。美國(guó)佐治亞理工學(xué)院Fang等利用傳感器間信息的相關(guān)性提出了多傳感器的優(yōu)化選擇方案。瑞典馬拉達(dá)倫大學(xué)Zaccaria等將概率貝葉斯網(wǎng)絡(luò)應(yīng)用于發(fā)動(dòng)機(jī)機(jī)群，由于制造限制或傳感器故障導(dǎo)致的傳感器失效降低了基于物理方法的準(zhǔn)確性，而這些因素對(duì)貝葉斯模型的影響較小，因此混合貝葉斯網(wǎng)絡(luò)模型的準(zhǔn)確度提高達(dá)50%。北京航空航天大學(xué)陳敏等為提高發(fā)動(dòng)機(jī)氣路相似故障的診斷成功率，提出了測(cè)量參數(shù)四步一體優(yōu)化選擇方法，該方法包括測(cè)量參數(shù)敏感性分析、部件性能參數(shù)相關(guān)性分析、影響系數(shù)J值分析和基于遺傳算法的故障辨識(shí)效果檢驗(yàn)，并成功應(yīng)用于某型航空發(fā)動(dòng)機(jī)地面臺(tái)架試車臺(tái)的氣路故障診斷。哈爾濱工業(yè)大學(xué)劉大同等從確保信息量且減少安裝規(guī)模的角度提出了一種基于信息熵優(yōu)化的傳感器布設(shè)方案，通過定量評(píng)價(jià)傳感器間的相關(guān)性，建立了傳感器狀態(tài)異常的檢測(cè)方法，并基于相關(guān)向量機(jī)實(shí)現(xiàn)了傳感器稀疏條件下異常數(shù)據(jù)源恢復(fù)。重慶郵電大學(xué)羅久飛等提出了多傳感條件下的傳感器優(yōu)度評(píng)估方法，并據(jù)此構(gòu)建了融合的健康狀態(tài)指標(biāo)。

2.3.2 數(shù)據(jù)層融合

數(shù)據(jù)融合方面的研究報(bào)道大多是通過多傳感器信息的融合得到量化評(píng)價(jià)指標(biāo)。俄羅斯烏法國(guó)立航空技術(shù)大學(xué)Krivosheev等通過路系統(tǒng)的多參數(shù)融合得到一個(gè)綜合診斷因子。美國(guó)威斯康星大學(xué)Liu等通過數(shù)據(jù)融合建立了發(fā)動(dòng)機(jī)的健康指數(shù)，并成功應(yīng)用于剩余壽命預(yù)測(cè)?；鸺姽こ檀髮W(xué)司小勝等構(gòu)建了基于線性維納過程的多傳感數(shù)據(jù)融合健康因子，并基于此預(yù)測(cè)發(fā)動(dòng)機(jī)剩余使用壽命。英國(guó)謝菲爾德大學(xué)Zaidan等利用貝葉斯網(wǎng)絡(luò)對(duì)機(jī)群歷史數(shù)據(jù)和在線測(cè)試數(shù)據(jù)進(jìn)行融合，給出了民航發(fā)動(dòng)機(jī)剩余壽命的概率估計(jì)。伊朗伊斯蘭阿扎德大學(xué)Ghorbani和Salahshoor將基于物理的模型和具有正漂移的維納過程結(jié)合，提出了用于發(fā)動(dòng)機(jī)壽命預(yù)測(cè)的退化模型。清華大學(xué)王學(xué)謙等設(shè)計(jì)了一種改進(jìn)的BP(Back-Propagation)神經(jīng)網(wǎng)絡(luò)，對(duì)具有相似機(jī)制的漸進(jìn)失效模式進(jìn)行學(xué)習(xí)并實(shí)現(xiàn)了發(fā)動(dòng)機(jī)剩余壽命預(yù)測(cè)。電子科技大學(xué)黃洪鐘等用貝葉斯網(wǎng)絡(luò)融合多源傳感信息，對(duì)航空發(fā)動(dòng)機(jī)輪盤的疲勞壽命進(jìn)行預(yù)測(cè)。西安交通大學(xué)李兵等設(shè)計(jì)并建立了雙任務(wù)深長(zhǎng)期短期記憶網(wǎng)絡(luò)，對(duì)航空發(fā)動(dòng)機(jī)的退化狀態(tài)信息進(jìn)行挖掘并實(shí)現(xiàn)剩余壽命預(yù)測(cè)。北京航空航天大學(xué)唐海龍等基于遷移學(xué)習(xí)理論預(yù)測(cè)發(fā)動(dòng)機(jī)部件性能隨時(shí)間變化的衰退規(guī)律。西北工業(yè)大學(xué)黃登山等基于貝葉斯網(wǎng)絡(luò)，通過突變點(diǎn)識(shí)別確定了航空發(fā)動(dòng)機(jī)的退化起點(diǎn)，提出了一種基于參數(shù)相關(guān)性和粒子濾波的多退化指標(biāo)壽命預(yù)測(cè)方法并在C-MAPSS數(shù)據(jù)集上進(jìn)行了驗(yàn)證。

2.3.3 決策層融合

決策層融合的目的在于故障識(shí)別，通過合適的評(píng)估手段給出最接近實(shí)際故障的結(jié)論。西北工業(yè)大學(xué)王仲生和趙鵬以振動(dòng)信號(hào)頻譜中不同頻段的譜峰能量為特征量，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識(shí)別，并在決策層采用基于證據(jù)理論的融合方法得出最終結(jié)果。西北工業(yè)大學(xué)廖明夫等構(gòu)建了故障融合診斷三級(jí)體系(故障特征級(jí)、故障模式級(jí)與故障決策級(jí)融合)，實(shí)現(xiàn)了基于性能參數(shù)和振動(dòng)參數(shù)的綜合評(píng)價(jià)方法并獲得相應(yīng)的故障診斷決策。海軍航空大學(xué)李洪偉等研究了基于油液和振動(dòng)信息融合的集成神經(jīng)網(wǎng)絡(luò)故障診斷方法，油液分析上依靠光譜信息，振動(dòng)信號(hào)上采用時(shí)域統(tǒng)計(jì)分析的峰值和均方根值兩個(gè)指標(biāo)，在決策級(jí)利用模糊綜合決策方法進(jìn)行信息融合，并在某型航空發(fā)動(dòng)機(jī)上得到了應(yīng)用。南京航空航天大學(xué)王華偉等提出了基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)故障融合診斷模型，對(duì)多次深度學(xué)習(xí)故障分類結(jié)果進(jìn)行決策融合，并在普惠JT9D發(fā)動(dòng)機(jī)的數(shù)值仿真數(shù)據(jù)上驗(yàn)證了算法有效性。目前航空發(fā)動(dòng)機(jī)智能運(yùn)維的商用管理系統(tǒng)大都具有決策層方面的信息融合能力，如美國(guó)通用電氣公司的Predix系統(tǒng)，對(duì)機(jī)群的數(shù)據(jù)云信息進(jìn)行融合與決策并提出最優(yōu)運(yùn)維策略。

總體上看，多源傳感信息融合方面的研究工作很多，有相當(dāng)一部分圍繞故障預(yù)測(cè)開展，但大多偏重理論研究，實(shí)效偏弱，主要原因在于：①對(duì)測(cè)試數(shù)據(jù)的處理較多，而對(duì)故障機(jī)制方面的融合較少；②氣路數(shù)據(jù)和振動(dòng)數(shù)據(jù)的多源數(shù)據(jù)融合工作較少，未能充分發(fā)揮各參量對(duì)未知故障的診斷優(yōu)勢(shì)，難以從整體上把握故障的演化規(guī)律；③機(jī)群歷史數(shù)據(jù)和維修數(shù)據(jù)結(jié)合欠缺，數(shù)據(jù)信息量覆蓋較窄。

航空發(fā)動(dòng)機(jī)的狀態(tài)監(jiān)測(cè)、故障診斷已取得了一定進(jìn)展，從氣路分析與性能評(píng)價(jià)、機(jī)械系統(tǒng)故障診斷和多參量融合的診斷與預(yù)測(cè)3個(gè)方面對(duì)當(dāng)前的研究方法進(jìn)行分析，并將上述3個(gè)方面相關(guān)文獻(xiàn)及當(dāng)前研究存在的不足歸納于表 1中。

3 當(dāng)前研究存在的關(guān)鍵問題及解決途徑

3.1.1 故障機(jī)制與響應(yīng)特征的映射機(jī)制建立

有果必有因，一切外在故障信號(hào)的表征均可視為果，而載荷環(huán)境或結(jié)構(gòu)力學(xué)參數(shù)變化是因，研究機(jī)制模型就是建立因果關(guān)系。已有方法對(duì)測(cè)試數(shù)據(jù)方面的處理較多，而對(duì)故障機(jī)制方面的研究深度不足，難以揭示航空發(fā)動(dòng)機(jī)故障與氣路、振動(dòng)響應(yīng)的邏輯關(guān)聯(lián)，無法從物理本質(zhì)上明晰全壽命周期內(nèi)發(fā)動(dòng)機(jī)氣路性能退化機(jī)制與振動(dòng)響應(yīng)突增根源。

3.1.2 過渡態(tài)的瞬態(tài)信息提取與解釋

航空發(fā)動(dòng)機(jī)，尤其是軍用渦扇發(fā)動(dòng)機(jī)，工況之間切換頻繁，其外在響應(yīng)表現(xiàn)出強(qiáng)烈的過渡態(tài)特征。然而現(xiàn)有的研究工作大多針對(duì)發(fā)動(dòng)機(jī)穩(wěn)態(tài)過程，未能系統(tǒng)揭示測(cè)試信號(hào)與變轉(zhuǎn)速、變載荷環(huán)境下發(fā)動(dòng)機(jī)性能和故障模式的關(guān)聯(lián)機(jī)制，也缺乏過渡態(tài)下發(fā)動(dòng)機(jī)狀態(tài)信息提取與解釋等系統(tǒng)性的研究工作。

3.1.3 基于多源微弱信息的故障診斷模型

一方面，航空發(fā)動(dòng)機(jī)機(jī)載傳感器測(cè)點(diǎn)十分有限，且測(cè)試信號(hào)的傳遞路徑復(fù)雜，信號(hào)信噪比低，診斷信息的獲取嚴(yán)重受限，當(dāng)前研究基于微弱信息甚至“貧信息”的診斷理論與方法在發(fā)動(dòng)機(jī)故障診斷的應(yīng)用研究甚少；另一方面，發(fā)動(dòng)機(jī)全壽命周期過程中積累了大量的歷史飛參數(shù)據(jù)、大修試車數(shù)據(jù)等，具有數(shù)據(jù)來源多的特點(diǎn)，但這些數(shù)據(jù)存在不完整、不連續(xù)、分散度大的情況，未能被有效修復(fù)和充分利用；同時(shí)，發(fā)動(dòng)機(jī)測(cè)試數(shù)據(jù)包括氣路、振動(dòng)、滑油等多種物理量信息，尚缺乏有效的各類物理量綜合的故障診斷方法。

3.2 解決途徑

為解決航空發(fā)動(dòng)機(jī)的故障診斷難點(diǎn)及當(dāng)前研究面臨的關(guān)鍵問題，筆者認(rèn)為應(yīng)從以下3個(gè)方面深入開展航空發(fā)動(dòng)機(jī)診斷監(jiān)測(cè)的研究，為航空發(fā)動(dòng)機(jī)的診斷、監(jiān)測(cè)與維護(hù)提供可靠的理論依據(jù)和有效的技術(shù)手段，進(jìn)一步推動(dòng)航空發(fā)動(dòng)機(jī)健康管理技術(shù)的發(fā)展及航空智能航空發(fā)動(dòng)機(jī)的應(yīng)用。

3.2.1 物理與數(shù)據(jù)協(xié)同的發(fā)動(dòng)機(jī)數(shù)字孿生子建模技術(shù)及響應(yīng)特征模擬

1) 研究工質(zhì)熱物性、發(fā)動(dòng)機(jī)各部件特性及共同工作約束、發(fā)動(dòng)機(jī)裝機(jī)使用條件、真實(shí)環(huán)境特性及控制規(guī)律對(duì)發(fā)動(dòng)機(jī)整機(jī)氣動(dòng)參數(shù)、熱力性能和振動(dòng)響應(yīng)的影響，建立反映各部件物理特性及匹配約束的發(fā)動(dòng)機(jī)模型。

2) 充分考慮同型號(hào)、不同發(fā)動(dòng)機(jī)個(gè)體之間存在的制造、裝配不確定性，研究其對(duì)發(fā)動(dòng)機(jī)全壽命周期中工作狀態(tài)的影響，并利用傳感器實(shí)時(shí)反饋的測(cè)量信息對(duì)使用過程中的模型進(jìn)行動(dòng)態(tài)修正及辨識(shí)，建立準(zhǔn)確反映發(fā)動(dòng)機(jī)實(shí)際工作狀態(tài)的數(shù)字“孿生子”模型。

3) 采用“虛擬發(fā)動(dòng)機(jī)”模擬氣路、轉(zhuǎn)子等各類故障模式，對(duì)各種使用條件下外在氣路、熱力參數(shù)及加速度信號(hào)仿真分析，為發(fā)動(dòng)機(jī)整機(jī)故障診斷和隔離提供更豐富的診斷依據(jù)。

3.2.2 過渡態(tài)下氣路、振動(dòng)信號(hào)瞬變特征及信息挖掘方法

1) 研究發(fā)動(dòng)機(jī)氣-固-熱耦合的作用機(jī)制，理清過渡態(tài)下氣路、熱力、振動(dòng)等可測(cè)參數(shù)非定常、非確定性特征產(chǎn)生機(jī)制，建立信號(hào)響應(yīng)特征與發(fā)動(dòng)機(jī)部件故障模式、危害程度和位置之間的關(guān)聯(lián)性。

2) 基于發(fā)動(dòng)機(jī)過渡態(tài)物理模型建立真實(shí)工況下部件級(jí)、整機(jī)級(jí)發(fā)動(dòng)機(jī)特性分析模型，著重分析過渡態(tài)下發(fā)動(dòng)機(jī)氣動(dòng)、熱力、振動(dòng)參數(shù)隨工作狀態(tài)的變化規(guī)律。

3) 研究快變溫度場(chǎng)、瞬變離心負(fù)荷、交變氣動(dòng)激勵(lì)等載荷對(duì)發(fā)動(dòng)機(jī)轉(zhuǎn)子系統(tǒng)、機(jī)匣結(jié)構(gòu)變形的影響機(jī)制，關(guān)注過渡態(tài)轉(zhuǎn)子系統(tǒng)響應(yīng)在能量外傳中的變化規(guī)律。建立有力的過渡態(tài)信息挖掘手段，大幅度提高整機(jī)故障診斷能力。

3.2.3 多源信息、多學(xué)科知識(shí)融合的診斷與預(yù)測(cè)

1) 研究發(fā)動(dòng)機(jī)多約束條件下傳感器的布局優(yōu)化方法，增強(qiáng)微弱信號(hào)的有效診斷信息，同時(shí)建立能從低信噪比、干擾嚴(yán)重的測(cè)試信號(hào)中提取診斷信息的方法。

2) 開展基于遷移學(xué)習(xí)理論預(yù)測(cè)同型號(hào)發(fā)動(dòng)機(jī)性能衰退規(guī)律的研究，遴選歷史信息相對(duì)完整的發(fā)動(dòng)機(jī)樣本校核診斷模型，修復(fù)殘缺樣本關(guān)鍵狀態(tài)信息，建立非連續(xù)、殘缺發(fā)動(dòng)機(jī)機(jī)群狀態(tài)信息的修復(fù)方法。

3) 研究發(fā)動(dòng)機(jī)典型故障在氣路與振動(dòng)外在響應(yīng)特征之間的邏輯關(guān)聯(lián)，揭示多源信息數(shù)據(jù)之間的信息互補(bǔ)機(jī)制，建立多工況信息與多學(xué)科領(lǐng)域知識(shí)深度融合的發(fā)動(dòng)機(jī)故障診斷方法，實(shí)現(xiàn)跨專業(yè)的一體化發(fā)動(dòng)機(jī)故障診斷。為發(fā)動(dòng)機(jī)感知外部環(huán)境及自身狀態(tài)變化，實(shí)現(xiàn)自診斷、自預(yù)測(cè)、自管理的智能化過程提供支撐。

4 結(jié)語

高性能(高推重比、大涵道比、低噪聲、低排放)、高可靠性、經(jīng)濟(jì)可承受性等對(duì)航空發(fā)動(dòng)機(jī)的發(fā)展提出了越來越高的要求。發(fā)展具有自診斷、自預(yù)測(cè)、自管理、自學(xué)習(xí)功能的航空智能發(fā)動(dòng)機(jī)可滿足未來對(duì)航空裝備的需求。其中，狀態(tài)監(jiān)測(cè)、故障診斷、健康管理等是實(shí)現(xiàn)航空智能發(fā)動(dòng)機(jī)對(duì)外部環(huán)境及自身狀態(tài)的變化作出實(shí)時(shí)自主響應(yīng)的關(guān)鍵技術(shù)之一。本文針對(duì)當(dāng)前航空發(fā)動(dòng)機(jī)的狀態(tài)監(jiān)測(cè)、故障診斷與健康管理問題：

1) 介紹了其特點(diǎn)與難點(diǎn)，分別從氣路分析、機(jī)械系統(tǒng)故障診斷及多參量融合診斷方法3個(gè)方面綜述了國(guó)內(nèi)外研究現(xiàn)狀，指出了當(dāng)前研究對(duì)復(fù)雜故障機(jī)制與響應(yīng)特征的映射機(jī)制和過渡態(tài)的瞬態(tài)信息提取等方面仍有不足，并且未能有效利用工程實(shí)際中的試車數(shù)據(jù)、飛參數(shù)據(jù)等，導(dǎo)致故障診斷質(zhì)量難以保證。

2) 分析了存在的關(guān)鍵問題并探討了解決途徑，認(rèn)為應(yīng)從物理與數(shù)據(jù)協(xié)同的航空發(fā)動(dòng)機(jī)故障建模，過渡態(tài)下信息提取，多源信息、多學(xué)科知識(shí)融合的發(fā)動(dòng)機(jī)診斷等方面開展相關(guān)的理論方法與技術(shù)應(yīng)用研究，進(jìn)一步推動(dòng)航空發(fā)動(dòng)機(jī)故障診斷與健康管理的完善，為航空智能發(fā)動(dòng)機(jī)的發(fā)展提供重要技術(shù)支撐。