不确定信息处理理论在航空发动机故障诊断中的

现代设备越来越朝着自动化、智能化方向发展，其结构的复杂性不断增加，在提供更强大、更高效功能的同时，对设备自身的稳定性、可靠性要求也越来越高。设备结构复杂性程度成倍增长、长时间持续运行、工作环境变化、人为失误操作等原因增加了其发生故障的可能性，新的潜在失效模式层出不穷，给人员和设备的安全、企业的正常生产等带来巨大的风险与隐患。

故障诊断旨在通过各种监测手段获得设备特征信号变化，提取关键特征，识别故障模式与原因，为故障恢复和相应的维修决策提供依据。但是，在进行故障诊断时往往会遇到诸多的不确定性，如特征信号不精确、工作状态参数不确定、专家经验模糊等。对此，需借助不确定信息处理的基本概念和方法模型对故障诊断中的不确定性进行建模、分析与处理，提升故障诊断的准确性和精度。随着不确定信息处理相关研究的深入，模糊集理论、证据理论、Z-number 理论、中智集等理论和模型不断发展，为不确定信息环境下的故障诊断提供了强大的理论工具，合理、有效地运用这些理论、方法与模型对故障诊断技术的发展具有重要的理论和实践意义。

《不确定信息处理及应用》以多种不确定信息处理理论在故障诊断中的应用研究为内容展开，全书共 6 章。第 1 章绪论部分简要概述故障诊断和不确定信息处理的基本概念、方法模型、研究现状等。第 2～5 章分别介绍证据理论、证据推理网络、Z-number 理论及中智集理论的理论基础，并研究证据融合和证据网络在故障诊断和失效模式风险分析中的应用、基于 Z-number 理论的故障诊断和人因可靠性分析以及基于中智集理论的故障诊断应用和失效模式风险分析。第 6 章以航空发动机为例，研究不确定信息处理理论在航空发动机故障诊断中的应用。

航空发动机故障诊断技术

故障诊断技术是适应工程实际需要而形成的各学科交叉的综合技术，其理论基础是现代控制理论、数理统计、计算机工程技术、模式识别、信号分析、人工智能等。按 Frank 教授的观点，现有故障诊断方法主要分为基于解析模型的方法、基于知识的方法及基于信号处理的方法三类。对于航空发动机故障诊断方法分类，目前比较成熟的方法主要是基于数学模型和数据分析的方法，如图1所示。当然，对航空发动机的故障诊断方法可根据不同的标准进行划分，各种方法也不是完全孤立，而是存在一定的联系。

图1 航空发动机故障诊断方法分类

基于传感器信息证据融合的航空发动机故障诊断

一、故障信息特性

航空发动机系统庞大复杂并伴随一系列噪声，在利用传感器进行发动机状态监测时，测量的数据信息具有不确定、不一致等特征。基于此，航空发动机的故障诊断需要充分考虑信息的不确定、不一致等特点，诊断技术需具备处理上述数据特征的能力。

在航空发动机故障诊断中，由于传感器工作在高温、高压等恶劣环境下，数据获取存在测量噪声、系统噪声等干扰，使得获取的信息具有不确定性的特点；此外，多种传感器测量的数据存在相互冲突和异常，使得信息具有不一致性的特点，导致对多传感器信息进行数据处理时存在诊断不准确的情况。

二、故障诊断技术框架

航空发动机因其庞大复杂的系统及特殊的工作条件，导致实际故障数据获取十分困难，因此本小节采用基于线性状态变量模型 (linear state variable model，LSVM) 仿真生成故障数据，重点研究发动机执行机构和传感器部件的故障诊断。考虑到航空发动机传感器测量数据存在不精确性、不一致性等问题，采用基于证据理论的故障诊断方法进行航空发动机故障诊断，流程如图2所示。

图2 基于证据理论的航空发动机故障诊断流程图

由图2可以看出，整体流程主要分为故障数据生成、数据处理和基于数据融合的故障检测和诊断三大部分。首先，采用 LSVM 模拟执行机构和传感器的故障数据，生成典型故障数据库；其次，对采集的故障数据进行处理，将不同传感器的数据间隔 10ms 进行连续数据截取，并对截取的数据进行滤波处理，降低系统噪声和测量噪声的影响，然后，对故障数据进行特征提取；最后，构建三角模糊数模型，并利用待测数据和构建的典型故障三角模糊数模型进行匹配生成 BPA，采用 Dempster 组合规则进行数据融合从而判别故障模式。

上一篇：科学家所谓的四维空间理论基础，几乎没人能读
下一篇：没有了