专利名称：一种基于混合威布尔分布的航空发动机可靠性监测方法
技术领域：
本发明涉及航空发动机可靠性监测技术，特别是结合航空发动机自身故障规律和运行特点，充分利用多种状态监测信息及维修检查信息，对航空发动机进行实时可靠性评估，实现对航空发动机的在翼可靠性监测，保证航空发动机运行安全和提高运行效率。
背景技术：
航空发动机的可靠性是保证飞行安全的基础。实时的可靠性监测，便于跟踪航空发动机的可靠性变化规律，及时采取针对措施，避免航空发动机故障的发生。目前，国外一些先进的理论与技术，如预测与健康管理(Prognostics and Health Management, PHM)、视情维修(Condition Based Maintenance, CBM)、扩展的视情维修(Condition basedmaintenance plus, CBM+)、自主保障(Autonomic Logistics, AL)等正逐步被采用，对发动机可靠性评估提出了更高的要求。其中，CBM+更是将可靠性评估的“精确化”、“实时化”提升到关键地位，突出强调了可靠性监控的重要性。该方法的核心是将过程、技术和知识推理集成应用，实现提高可靠性管理、利用率和维修效率的目标，是一种更加精确的维修与健康管理。要实现可靠性评估的“精确化”、“实时化”，就必须有实现“精确”的手段，也就是如何充分信息的价值，利用信息挖掘出知识。在这一过程中，可靠性监测尤为重要，它是连接“信息”与“决策”的最核心、最关键的环节。与传统的可靠性评估相比较，可靠性监测更强调了解可靠性水平的“精确化”和“实时化”，这是传统的可靠性评估方法无法满足的要求。当前在航空发动机可靠性评估领域，主要采用以下几种方法一是基于故障数据的可靠性评估，由于航空发动机可采集的故障数据较少，一般可以利用专家信息，部件信息及其他信息等实现，这种方法的特点是忽略了大量的可以利用的状态监测信息，且也无法实现“实时化”；二是依靠在线监测的状态监测参数进行航空发动机性能退化监测与评估，这种方法简单、直观，且能实现“实时化”，缺点是没办法充分利用多种来源的信息，也就是无法实现“精确化”，故只能为决策提供参考，而没办法为决策提供依据；三是以比例风险模型、人工智能方法为代表的信息融合与处理方法，这些方法的特点是充分利用多种来源的信息，提高预测的“精确度”，但这些方法的缺点也是明显的，即都是依据统计平均效果，在提高准确度的同时，忽略了风险的影响。综上所述，目前的可靠性评估方法，尚无法解决可靠性评估中的“精确化”、“准确化”和“实时化”和良好的风险控制能力。本发明提出一种基于混合威布尔分布的航空发动机可靠性监测方法,一是充分考虑航空发动机状态信息监测的特点，解决小样本、非线性、高维数据的利用问题，进行航空发动机性能退化评估；二是在描述航空发动机性能退化过程，确定性能退化轨迹的上下限；三是利用混合的双参数威布尔模型，能够同时处理不同失效模式和不同失效规律的问题，更加符合航空发动机可靠性的工程实际。本发明提出的方法具有很强的可操作性，便于推广和实施。
发明内容
本发明的目的是提供一种航空发动机可靠性监测方法，该方法能综合考虑航空发动机数据特点、故障规律及故障模式，通过支持向量机方法，提取航空发动机性能监测信息与性能退化之间的关系，利用双参数的混合威布尔分布描述不同失效模式和不同失效规律对航空发动机可靠性的影响，实现“准确”、“实时”监测航空发动机可靠性的目标。为实现上述目的，本发明的基于混合威布尔分布的航空发动机可靠性监测的步骤如下
1.提取已经发生更换和维修的航空发动机状态监测信息和性能退化程度信息。结合航空发动机退化失效规律特点，分别从气路性能监测、滑油性能监测和振动监测中选择状态监测信息。2.利用支持向量机方法实现小样本、高维“状态监测”数据的处理。综合利用已经提取的状态监测参数和性能退化信息，通过支持向量机方法的训练与验证，得到所提取的各监测参数与航空发动机性能退化之间的关系，实现在翼发动机的性能退化值监测。3.基于在翼航空发动机实时退化值的监测结果，利用退化模型描述航空发动机的累积退化量。考虑到航空发动机作为特高可靠性系统的实际，为简化计算，采用线性退化模型描述航空发动机的累积退化量。4.估计航空发动机线性退化模型中的随机参数。假设其符合正态分布，估计随机参数的均值和方差，确定随机参数变化和航空发动机累计性能退化量的上下限，作为描述性能退化规律的基础。5.建立航空发动机可靠性监测模型。利用混合威布尔分布，描述不同失效规律和失效模式对航空发动机可靠性的影响，对于不同失效规律赋予不同的权重，其中威布尔分布中的形状参数用来描述退化失效模式对航空发动机的可靠性影响，威布尔分布中的尺度参数用来描述突发失效对航空发动机的可靠性影响。假设航空发动机同时存在两种失效规律，一种失效规律的概率为P，另一种失效规律的概率为1-P，则可靠性监测模型的表达式为+(1_/7)χβ-(^Γ ，其
中a分别表示航空发动机不同失效规律下的形状参数和尺度参数。6.基于混合威布尔分布的航空发动机可靠性监测模型的参数估计。考虑到航空发动机本身的数据特点，在持续监测过程中，为了充分利用以往监测信息，采用贝叶斯方法对
R{f) = pxe^ —的各参数进行学习，并采用极大似然方法确定4，αυ，
rL, r 和P的表达式。7.基于混合威布尔分布的航空发动机可靠性监测模型的超参数估计。参数P的先验分布采用Beta分布，和a u的先验分布采用逆Gamma分布，h和Yu的先验分布采用均匀分布，利用贝叶斯方法，估计出各先验参数的期望值。8.计算航空发动机可靠性监测值。将步骤7计算的超参数期望值，带入步骤6给出的E(p)、E(cn)、E(au)、E(YJ和EUu)表达式，并代入到
R if)=+(ι_^)Χβ'( )，可以计算达到航空发动机可靠性监测的期望值，实现
对航空发动机的实时可靠性监测。
与现有技术相比，本发明具有的优点和效果如下(I)实现了实时动态掌握航空发动机可靠性水平。新的维修理念对信息提出了更高的要求，动态实时掌握航空发动机可靠性水平，对于保证维修决策的柔性化、协同化等具有重要意义，可实现更加有效率的维修。(2)充分利用了状态监测信息。采用支持向量机处理了小样本、高维数据，挖掘了监测信息与性能退化之间的关系，系统描述了航空发动机的性能退化轨迹，分析了性能退化对航空发动机可靠性的影响。(3)利用双参数的混合威布尔分布模型，将航空发动机的不同性能失效模式、不同失效规律等集成到一个框架中进行分析的方法，更加符合航空发动机可靠性监测的实际。
图1基于混合威布尔分布的航空发动机可靠性监测流程图；图2基于混合威布尔分布的航空发动机实时可靠性评估流程图。
具体实施例方式针对航空发动机多种失效模式和不同失效规律同时存在，以及具有大量监测信息和少量故障信息的特点，提出一种航空发动机可靠性监测方法，其实施过程可以分为以下8个步骤，如图1所示。1.采集航空发动机状态监测信息与性能退化信息针对已经发生检查、更换与维修的航空发动机，采集其状态监测信息及其对应的性能退化信息。本发明的性能衰退监测指标从气路性能监测、滑油监测和振动监测的指标中选取，共涉及以下6个监测指标发动机排气温度偏差(DEGT)、燃油消耗量偏差(GWFM)、高压转子转速偏差(GPCN25)、滑油压力偏差(DPOIL)、低压转子振动值偏差(ZVBlF)和高压转子振动值偏差(ZVB2R)。2.采用支持向量机方法，综合利用状态监测信息，提取各监测参数与航空发动机性能退化量之间的关系提取状态监测参数与航空发动机性能退化量之间关系的基本思想如下设样本集为Kxyyi) |i = 1,2,…，1}，其中Xi e Rn为输入变量，对应着航空发动机的状态监测参数；yi e R为输出变量，一般是已知的对应航空发动机状态监测参数的性能退化结果。采用支持向量机，通过非线性映射乂·)将样本输入从原空间映射到高维特征空间，在此特征空间中构造最优决策函数+ 其中表示向量ω与映射函数的内积，b为偏置，则相应的约束优化问题可表示为
权利要求
1.一种基于混合威布尔分布的航空发动机可靠性监测方法，其特征在于，其步骤如下 步骤1:提取已发生更换和维修的航空发动机状态监测信息和性能退化程度信息；步骤2 :利用支持向量机方法，提取各监测参数与性能退化值之间的关系，实现对在翼发动机的性能退化值监测； 步骤3 :利用性能监测结果，建立描述航空发动机累积退化量的线性退化模型； 步骤4 :估计航空发动机线性退化模型中的随机参数； 步骤5 :建立基于双参数混合威布尔分布的航空发动机可靠性监测模型； 步骤6 :估计基于混合威布尔分布的航空发动机可靠性监测模型的参数； 步骤7 :估计基于混合威布尔分布的航空发动机可靠性监测模型中参数的超参数； 步骤8 :计算航空发动机可靠性监测值。
2.根据权利要求1所述的基于混合威布尔分布的航空发动机可靠性监测方法，其特征在于，在所述步骤I中，从已经发生检查、更换与维修的航空发动机中提取航空发动机性能退化值和状态监测参数，本发明分别从气路性能监测、滑油性能监测和振动监测中选择状态监测信息；
3.根据权利要求1所述的基于混合威布尔分布的航空发动机可靠性监测方法，其特征在于，利用支持向量机方法，通过训练与验证，提取航空发动机性能退化值与各监测参数之间的关系，实现对在翼发动机的实时性能退化监测；
4.根据权利要求1所述的基于混合威布尔分布的航空发动机可靠性监测方法，其特征在于，其所述步骤3中，利用实时监测的在翼航空发动机性能退化监测值，建立线性航空发动机性能退化模型，描述航空发动机累积退化量；
5.根据权利要求1所述的基于混合威布尔分布的航空发动机可靠性监测方法，其特征在于，在所述步骤4中，估计航空发动机线性退化模型中的随机参数，确定航空发动机累积性能退化量的上下限；
6.根据权利要求1所述的基于混合威布尔分布的航空发动机可靠性监测方法，其特征在于，在所述步骤5中，建立双参数的混合威布尔分布模型，实现对航空发动机多种失效模式和多种失效规律的描述；
7.根据权利要求1所述的基于混合威布尔分布的航空发动机可靠性监测方法，其特征在于，在所述步骤6中，采用极大似然方法，给出基于混合威布尔分布的双参数可靠性监测模型中参数的表达式；
8.根据权利要求1所述的基于混合威布尔分布的航空发动机可靠性监测方法，其特征在于，在所述步骤7中，采用贝叶斯方法，估计基于混合威布尔分布的航空发动机可靠性监测模型的超参数；
9.根据权利要求1所述的基于混合威布尔分布的航空发动机可靠性监测方法，其特征在于，在所述步骤8中，利用步骤6和步骤7的输出结果，计算航空发动机可靠性监测值。
全文摘要
本发明涉及一种基于混合威布尔分布的航空发动机可靠性监测方法，其步骤如下提取已发生更换和维修的航空发动机状态监测信息和性能退化程度信息；利用支持向量方法提取各监测参数与航空发动机性能退化之间的关系，实现对于在翼发动机性能退化值的监测；基于在翼航空发动机实时退化值的监测结果，利用退化模型描述航空发动机的累积退化量；估计航空发动机线性退化模型中的随机参数，确定随机参数变化和航空发动机累计性能退化量的上下限；建立基于双参数混合威布尔分布的航空发动机可靠性监测模型；利用极大似然方法给出航空发动机可靠性监测模型中各参数的表达式；估计基于双参数混合威布尔分布的航空发动机可靠性监测模型的超参数；计算航空发动机可靠性监测值，实现“实时”、“精确”的航空发动机可靠性监测。
文档编号G06F19/00GK103020438SQ20121051287
公开日2013年4月3日 申请日期2012年11月29日 优先权日2012年11月29日
发明者高军, 王华伟, 高鲁 申请人:中国人民解放军军械工程学院