基于试车数据和网络韧性的航空发动机综合性能评估方法

本发明涉及航空发动机性能评估，具体涉及一种基于试车数据和网络韧性的航空发动机综合性能评估方法。

背景技术：

1、航空发动机是一种高度复杂和精密的热力机械系统，具有技术集中度和含量高、系统成套复杂、附加值高、带动性大等特点，是国家工业发展战略的重中之重。航空发动机组件繁杂、运行工况多样且工作环境复杂，其综合性能评估面临着巨大的挑战。突发性故障会极大影响航空发动机性能，造成巨大经济损失，更会严重威胁人员生命安全，甚至会直接危害国家安全。准确的性能评估可以反映设备的性能状态和状态变化规律，最大限度地减少因性能下降而导致的停机时间，便于主动维护，防止事故造成的巨大损失。因此，开展航空发动机综合性能评估是航空发动机健康管理的核心基础性工作，是航空发动机安全高效运行的重要保障，更可进一步提升航空发动机智能运行水平、突出核心竞争力和优化资源配置。

2、在实际工程应用中，航空发动机的性能评估已被广泛开展。航空公司通常依靠单一参数，如排气温度(exhaust gas temperature，egt)或egt裕度来评估航空发动机的性能；航空发动机制造商则有一套完整的质量检验试车程序来评估航空发动机的状况，重点关注航空发动机在几种典型状态下的性能，通过设置不同推力、高压压气机进口导向叶片角度、高压压气机转速，模拟几种典型状态，重点关注转速、推力、温度等指标及其相互关系，验证是否符合要求。

3、然而，上述两种方法都存在明显的缺陷：航空公司采用的单参数法操作简便，可快速为维修决策提供一定依据，但航空发动机是一个典型的复杂系统，影响其性能的参数众多，仅依靠单个参数并不能充分反映其实际性能；航空发动机制造商使用的质量检验试车程序可以帮助制造商对航空发动机的性能进行基本检验，但孤立地考虑某些关键的监测指标及其相互关系并不能代表其综合性能。此外，在实际使用中，航空发动机的工作状态是不断变化的，仅对几种典型状态下的性能开展评估是不完整的。因此，针对上述缺陷，研究如何在实际工程中提高航空发动机的综合性能评价能力是必要的。

4、针对航空发动机性能评估的现有技术大致可分为两类：一，传统系统综合评价技术及其改进技术；二，基于人工智能的技术。

5、对于第一类方案，例如公开号为cn118535869a的专利申请：一种航空发动机评估方法、装置和系统，以“分解-集成”思想为指导，旨在对航空发动机这一典型的复杂系统在大数据环境下开展综合性能评估。然而此类方案存在的不足是指标之间相互独立会影响权重计算的准确性，并且评价结果主要以指标的线性运算方式获得，不能体现由于指标非线性关系及其融合而产生的系统质变及涌现规律，难以精准评估复杂系统状态，甚至可能对系统状态进行了错误估计。

6、对于第二类方案，例如公开号为cn114997051a的专利申请：一种基于迁移学习的航空发动机寿命预测与健康评估方法，利用神经网络模型对航空发动机进行寿命预测和健康评估；然而此类基于人工智能的技术存在黑匣子特性，这意味着无法明确模型的结果产生机制，也难以科学解释航空发动机状态变化的机理及其内在关系。

技术实现思路

1、本发明的目的是提供一种基于试车数据和网络韧性的航空发动机综合性能评估方法，以克服现有航空发动机性能评估方法存在的问题。

2、为了实现上述任务，本发明采用以下技术方案：

3、一种基于试车数据和网络韧性的航空发动机综合性能评估方法，包括：

4、步骤1，针对多台在预设试车参数下试车合格的同一型号航空发动机，获取试车数据并进行监测指标筛选；

5、步骤2，针对每一台航空发动机所筛选出的监测指标，基于复杂网络理论以及监测指标之间的相互关系，构建对应航空发动机的性能网络模型；

6、步骤3，将所述预设试车参数引入基因调控动力学并进行拟合，从而构建每一台航空发动机的性能动力学模型；

7、步骤4，针对航空发动机的性能网络模型，利用动力学降维方法构建航空发动机综合性能指标；

8、步骤5，基于试车数据，利用航空发动机的性能动力学模型以及性能网络模型确定各航空发动机的各动力学参数，从而构建各动力学参数的合格取值范围；

9、步骤6，基于所述各动力学参数的合格取值范围，利用航空发动机综合性能指标确定航空发动机综合性能的合格区间；

10、步骤7，针对待进行综合性能评估的航空发动机，在预设参数下进行试车以获取该航空发动机的试车数据，对试车数据中的监测指标进行筛选后，构建性能网络模型以及性能动力学模型，确定动力学参数并计算对应的航空发动机综合性能指标；基于该指标与航空发动机综合性能的合格区间的关系，以判定航空发动机综合性能评估是否合格。

11、进一步地，所述监测指标筛选，是指对所有监测指标求取差分并计算对应的方差，剔除方差为零的监测指标。

12、进一步地，所述基于复杂网络理论以及监测指标之间的相互关系，构建对应航空发动机的性能网络模型，包括：

13、将航空发动机试车数据中监测指标抽象成节点，将监测指标间的相互关系抽象成节点之间的边，从而构建每一台航空发动机的性能网络模型；其中，监测指标之间的相互关系由相关系数表征，表示如下：

14、；

15、上式中，表示航空发动机筛选出的n项监测指标中的第i、j项监测指标；是两个监测指标的差分和所对应的协方差，和分别是监测指标的差分和所对应的标准差；

16、利用加权邻接矩阵来构造节点之间的边，表示如下：

17、；

18、其中，为加权邻接矩阵中第i行j列的元素，为网络模型构造阈值，；当时，则两个监测指标和之间存在边，否则不存在；其中当两个监测指标和的相关系数为正值时为正相关，记为；负值时为负相关，记为。

19、进一步地，所述将所述预设试车参数引入基因调控动力学并进行拟合，从而构建每一台航空发动机的性能动力学模型，具体表示为：

20、；

21、式中、表示航空发动机性能网络模型中的第i、j项监测指标，为监测指标回归对应的预设指标正常范围的比例，为航空发动机性能网络模型中没有边的孤立节点的节点数量；、分别表示监测指标在预设试车参数的推力和igv角度下的激励强度和抑制强度，其中、分别为、中的正值部分，、分别为、中的负值部分；使用和表示整体的激励项和抑制项，和。

22、进一步地，所述针对航空发动机的性能网络模型，利用动力学降维方法构建航空发动机综合性能指标，包括：

23、依据平均场理论，将航空发动机的性能动力学模型中所有节点的动力学方程耦合为一维方程并计算期望，以获得航空发动机这一复杂系统的平均状态，并进一步推导系统平均行为与结构的关系：

24、；

25、其中，、、和分别为、、和平均值；为性能网络模型的平均加权度，通过加权邻接矩阵计算得到；为性能网络模型中监测指标之间负相关的边的占比；

26、将上式(5)改为矩阵相乘形式，表示如下：

27、；

28、使用和代表上述两个矩阵，令：

29、，；

30、基于frobenius范数，使用来度量耦合性能，使用的倒数来度量活动性能，得到航空发动机综合性能指标如下所示：

31、。

32、进一步地，所述基于试车数据，利用航空发动机的性能动力学模型以及性能网络模型确定各航空发动机的各动力学参数，从而构建各动力学参数的合格取值范围，包括：

33、通过所述性能动力学模型以及性能网络模型，求得每台航空发动机各动力学参数、、、的取值；则所有航空发动机的各动力学参数取值的最小值、最大值构成对应动力学参数的合格取值范围。

34、进一步地，基于所述各动力学参数的合格取值范围，利用航空发动机综合性能指标确定航空发动机综合性能的合格区间，包括：

35、在各动力学参数的合格取值范围中分别取值并代入到航空发动机综合性能指标中，求得一系列耦合性能、活动性能；通过构建耦合性能、活动性能的二维坐标图，所有耦合性能、活动性能在坐标图中对应坐标点所构成的区域即为航空发动机综合性能的合格区间。

36、一种航空发动机综合性能评估设备，包括处理器、存储器以及存储在所述存储器中的计算机程序；处理器被计算机执行时，实现所述基于试车数据和网络韧性的航空发动机综合性能评估方法。

37、一种计算机可读存储介质，所述介质中存储有计算机程序；计算机程序被处理器执行时，实现所述基于试车数据和网络韧性的航空发动机综合性能评估方法。

38、与现有技术相比，本发明具有以下技术特点：

39、1.本发明基于试车数据和复杂网络能够基于真实的航空发动机试车数据对高度集成、内部耦合和非线性的航空发动机系统进行客观和全局的评估。

40、2.本发明所构建的航空发动机性能网络模型和航空发动机性能动力学模型，能够准确地描述系统在各个阶段的状态，并解释监测指标与系统状态变化模式之间的关系，具有可解释性。

41、3.本发明所提出的航空发动机综合性能评价指标可动态地刻画航空发动机各个阶段的状态，区分合格和故障的航空发动机，并为生产提供指导。