面向批量数据处理的涡轴发动机外场状态监控方法设计与应用论文

SCI论文（www.lunwensci.com）
 
　　摘 要：航空发动机外场数据积累量日益攀升, 亟需充分利用大量外场飞行数据来快速准确判断发动机健康状态。本文 以航空涡轴发动机为对象,根据使用维护需求,开展了面向批量数据的状态监控方法研究。在发动机参数预处理基础上,提出 了多进程并行计算方法进行数据解析运算,构建了基于规则的专家系统,并结合典型发动机历史数据,采用数据挖掘和统计 方法设计逻辑判据,最后开发了某型状态监控软件系统并在外场试用、验证,提升了面向机群大量数据的批量化、自动化分析 能力。


　　【Abstract】：With the increasing accumulation of aero-engine outfield data,it is urgent to make full use of large number of outfield flight data to quickly and accurately judge the health status of the engine. In this paper, the condition monitoring method for batch data is studied according to the requirements of operation and maintenance. Based on the pretreatment of engine parameters, a multi-process parallel computing method is proposed to analyze data, and a rule-based expert system is constructed. Combined with typical engine historical data, logical criteria are designed by data mining and statistical methods. Finally, a certain condition monitoring software system is developed and tested in the field, which improves the batch and automatic analysis ability of a large number of data for the cluster.

　　【Key words】：turbo-shaft engine;outfield;condition monitoring;data analysis

　　0 引言

　　航空发动机是飞机 / 直升机各部件中最为重要的部 件之一,保持航空发动机健康的运行状况对航空安全至 关重要。为了实现对航空发动机的性能的监控,通常采 用在航空发动机各个关键部件中布置传感器的方式,对 航空发动机运行中的各项数据进行采集,并将采集结果 保存到存储设备中用于离线分析 [1]。随着国产航空发动 机列装数量及飞行架次的不断增加,外场数据积累量日 益攀升,如何通过大量外场飞行数据来快速准确判断发 动机健康状态,并及时排除发动机存在的故障及隐患,进而高效管理发动机,以提升装备完好率和出勤率,成 为亟须解决的问题 [2]。

　　西方发达国家一直把航空发动机外场批量数据管理 及分析作为其发动机运维的关键技术之一,开发应用相 关监控系统跟踪监控发动机健康状况 [3]。国内部分航空 发动机公司开发了地面状态监控系统,能处理单台发动 机单架次数据,功能并不完善,处理效率低,交互界 面不友好,且逻辑判据少,需要借助大量的人工辅助判 读,难以满足用户的使用需求,特别在涡轴发动机领 域。国内相关技术基础薄弱,在航空发动机外场批量数据快速处理及分析方面属于空白,仍然停留在人工或半 自动发参处理分析阶段。


　　本文针对国内航空发动机使用维护现状及状态监控 用户需求,以航空涡轴发动机为对象,发展并研究了面 向批量数据的状态监控方法,基于机群的批量发参数 据,进行了数据处理分析、挖掘统计方法的处理,开发 了发动机状态监控系统,最后以真实数据完成了外场的 试用与验证。

　　1 外场状态监控的局限

　　(1)数据量大且分析处理效率低。随着涡轴发动机 交付使用数量不断增加,外场产生大量发参数据,以某 型在役涡轴发动机为例,每个飞行日一个机队产生的数 据量约为 2GB,若采用单个架次的数据文件处理分析, 难以实现发动机状态全面监控。

　　(2)逻辑判据少且人工分析易出错。单台发动机单 个数据文件的处理分析,仅能实现参数曲线绘制、状态 特征识别,没有嵌入逻辑判据,需人工手动处理分析, 结果的准确性极大地依赖人员的知识水平和经验,对人 员技术门槛要求高。

　　(3)缺乏数据关联和故障诊断。航空发动机外场发 参数据文件离散形式不能实现有效性管理,不同参数之 间逻辑关联缺失,往往导致单个参数表现的故障模式难 以分析其内在原因,同时故障诊断仅局限于发动机控制 系统设置的极值范围或斜率范围判断,无法从发动机运 行状态和趋势进行监控管理。

　　因此,考虑到航空发动机外场数据利用率低、数据 处理软件功能不完善、用户体验不佳等现实问题,迫切 需要面向机群的外场数据监控分析系统,对批量运行数 据进行自动、快速、准确分析。

　　2 发参数据处理方法

　　2.1 数据预处理

　　用于航空发动机状态监控的传感器在复杂工况条件 下,易受到电磁干扰、温度、湿度等外场环境影响,同 时信号传输过程中存在同步偏差、通道噪声等问题,造 成数据失真 [4]。因此, 需要对发参数据进行清洗处理, 以保证状态监控与故障诊断的准确性,数据预处理主要 包括以下两个方面 ：

　　(1)采用组均值插补法来填补缺失值 [5]。

　　如在时间 t 内采集到 n 个数据,其数据序列为 ：X= {x1. x2. ..., xn}。其中,第 r 个数据 xr 缺失,此时从 n-1 个数据中简单随机抽样的方法,抽取大小为 m  (m<n-1)的联系样本，构成新的数据序列：Y={y1, y2, ..., yn}。
       
　　(2)拉依达准则法对异常数据进行剔除。它是指在 一组数据只含有随机误差的前提下,计算其标准差并确 定一个区间,超过这一区间的数据就被认定为是粗大误 差,应予以替换 [6]。拉依达准则仅适用于样本近似服从 于正态分布且样本测量次数充分大的情况。在传感器工 作正常的前提下,航空发动机过渡态性能参数序列的测 量过程中产生的误差属于随机误差,服从正态分布,且 最短的样本序列测量次数超过 100 次,故可以选用拉依 达准则建立异常点识别处理模型,对航空发动机过渡态 性能参数序列进行异常点识别与处理。

　　假设在时间 t 内采集到 n 个数据,其数据序列为 ： X={x1. x2. ..., xn}。

　　若采样点 xi 满足 |x(i)-x(-)|>3σ,则认为 xi 为异常值应 剔除,其中 x(-) 为算术平均值, σ 为序列的标准差。

　　2.2 状态定义与特征提取

　　涡轴发动机参数原始数据在经过解析和预处理后, 需要完成发动机状态解算,即确定每一个时刻的发动机 数据当前所处的状态。由于每一型涡轴发动机的构型特 点不同,使用包线也存在差异,故需根据涡轴发动机不 同工作状态定义数据区间,以某型在役涡轴发动机为 例,定义了工作状态发参数据区间,如表 1 所示。


　　预处理后的数据已经剔除了无效数据,但仍包含大 量的数据,这些数据中包含起动、慢车、空慢以及停车 等状态的数据,数据繁多,如表 2 所示。如果直接对这 些数据处理,不仅耗时长、浪费计算资源,而且不同数 据的时间轴有所区别,直接对比可能造成数据错位。本 文设计的状态提取主要是对数据库中的数据提炼出用于表征状态的特征,以便于统一时间轴,方便后续计算分 析。典型状态应能实现基于各自特征的自动识别,相关 参数进行提取供给后续分析模块使用。

　　工程上常用的时域统计特征值 ：最大值、最小值、 均值、均方值、方差、均方根值、峰值、波峰因素及峭 度等,利用智能算法监测这些关键性能参数值的突变、 渐变和是否超过阈值来评定发动机是否发生异常。

　　2.3 基于并行处理算法的批量分析

　　为了提高外场数据处理分析速度,采用多进程并行 计算进行数据解析运算,如图 1 所示。自动根据原始 文件大小和数量平均分配负载,再基于负载确定进程数 量,优化并行执行结果。每个进程间相互独立,资源共 享,解析完成后结果按照机队发动机位置排序入库。

　　根据输入任务对象(数据文件)及任务过程, 将工 作任务划分为文件解析、特征提取、入库及其他,为了 更好地将一个总任务进行快速完成,采用分治算法完 成。根据数据文件中包含发动机、架次信息、设计分治 后可自然形成无合并冲突的最小不可分割任务的方法, 具体如式(1)所示 ：

　　注 ：X ：任务总量 ;A ：文件解析、特征提取等数据 ; B ：计算入库 ;C ：其他判定等 ;i ：数据文件个数。

　　每一个单位任务,以文件为单位,将发动机—架 次—通道作为任务分割标识,形成天然无冲突任务分割 标识,在数据库中的数据表中形成有序任务结果归并 集,完成总任务。单个任务由一个计算实例进程负责, 由一组计算实例构成进程池,减少实例分配复杂问题, 增加进程利用率。

　　数据分析模块主要包含发动机状态解算、红黄区报 警判定、性能分析统计、稳态数据解算、智能双发匹 配、双发差异对比分析等多项内容。其中,性能分析统 计是通过对运行数据的横向、纵向详细对比,得出发动 机的参数变化趋势 ;智能双发匹配实现左右发动机数据 自动同步,可用于双发对比分析。

　　每个二进制原始文件在完成解析后,立即进行数据 分析。数据分析首先需要完成发动机的状态解算,确定 每一个时刻的发动机数据当前所处的状态,然后依据状 态完成后续的红黄区报警判定、性能分析统计、稳态数 据解算、智能双发匹配等分析,智能双发匹配成功后立 即执行双发差异对比。

　　2.4 数据库构建

　　建立一个规范化的本地数据库,是后续快速分析数 据和报表生成的基础。数据库主要实现对预处理后外场特征数据的存储与检索功能,一个数据库对应一个机队 发动机的数据。通过引入大数据设计技术中的“巨型宽 表”理念开展数据库模型设计,该方法可有效增加数据 库容量,提升数据操作运行速度。巨型宽表是一个为管 理大规模结构化数据而设计的分布式存储系统,可以扩 展到 PB 级数据 [7],满足发动机数据规模与多变要求。 由于外场数据不断更新,巨型宽表通过时间戳进行多版 本管理与索引,不同版本的单元以时间戳的降序进行排 列,这样可以使最近的版本最早被读取。

　　由于每次读入数据可能包含多个架次的信息,需按 照发动机架次信息及工作时间信息将单台发动机的数据 汇总。此外,还需按照同架直升机的左右发数据规范存 储。数据库存储架构如图 2 所示。

　　3 状态监控

　　涡轴发动机的状态监控常用手段有 ：气路参数监 控、滑油系统参数监控、振动参数监控、孔探等。本文 研究集中在包含气路参数、控制系统、滑油系统的发参 数据状态监控。

　　通过对读取的原始数据预处理,并进行发动机状态 解算、红黄区性能判定、性能分析统计、功率数据解算、 智能双发匹配及双发差异对比等有效性模块,存入数据库, 再对数据特征进行提取,构建专家系统形成参数逻辑判 据库,对特征数据进行综合分析,输出综合报表及发动 机性能趋势图,辅助用户进行故障预判,如图 3 所示。


　　3.1 基于规则的专家系统构建

　　基于专家系统技术,将长期从事发动机设计、制 造、使用、维护等各领域专家的经验和知识系统化输入 计算机知识库,利用自动检测算法获取发动机故障特征 与发参数据的关联关系,通过计算机的推理与判断,得 出基于发参数据的故障判断准则。

　　基于发动机历史试车数据和装机飞行数据,采用数 据挖掘和统计的方法构建发动机故障判据模型,模型能 够反映发参数据与故障模式的对应关系。基于近期多型 发动机大量试验数据,通过专家系统及数据挖掘等关键 技术,对发动机参数逻辑判据进行固化、校验与迭代, 凝练得出核心逻辑判据,构建可配置化的航空发动机参数逻辑判据库。

　　逻辑判据类型主要包含发动机本体故障异常判据、 控制系统故障判据、发动机稳态性能取值逻辑及分析判 据、双发匹配逻辑、动态性能分析判据等。判据经过外 场飞行数据支撑与验证,最终形成判据数据库。故障告 警的红黄区阈值支持修改,其中红区值以发动机维护手 册规定的红线值为准,黄区值在前期时主要参考现有型 号发动机经验,通过相关建模分析、科研试验数据修正 综合给定,为避免虚警率过高,可预留一定的裕度,通 过试算确定为 5%。

　　3.2 辅助维护决策

　　涡轴发动机发参数据根据设定的判据进行处理分析,分析结果需要按不同类别和不同等级与维护决策进行匹配。根据故障信息重要度、影响程度、发生频率等 对故障诊断结果进行分类、分级,并根据维护手册制定 相应的处置策略和维修建议,为实现装备的视情维护提 供支撑。维护决策的主要分类如表 3 所示。

　　3.3 监控可视化

　　监控可视化主要包含 2 项内容 ：综合报表及曲线图 生成、自定义绘图控件和逻辑判据可配置文件,流程示 意图如图 4 所示。

　　(1)综合报表及曲线图生成。

　　综合报表及曲线图生成主要包含 8 项内容, 每项子 功能可以单独调用。

　　1)全部发动机故障异常汇总表。综合报表显示故 障、超限、异常信息,并按照直升机号—左右发—发动 机号进行排序。

　　2)全部发动机状态统计。表格和柱状图形式分别 显示各台工作时间、转子循环数和起动次数,并提示用户到寿检修。

　　3)单台发动机各状态稳态参数变化趋势。根据需 要选择单台发动机,显示单架次选定参数随工作时间的 变化趋势图 ;显示所有架次选定状态下的稳态参数变化 趋势图。

　　4)单台发动机参数特征参数变化趋势。根据需要 选择单台发动机,选定飞行架次后,给出选定特征参数 (如起动时间、停车惯性时间等)变化趋势图。

　　5)单架直升机左右发参数差异变化趋势。根据需 要选择单台直升机号,显示单架次左右发参数差异值随 工作时间的变化趋势图 ;显示各架次左右发参数差异最 大值的变化趋势图。

　　6)全部直升机左右发参数差异汇总表。按照直升 机号排序,对全部直升机所有架次左右发参数差异进行 汇总,并以图表形式输出。

　　7)全部发动机稳态参数汇总表。按照发动机号排 序,对全部发动机选定状态的稳态参数进行汇总,并以 图表形式输出。

　　8)全部发动机特征参数汇总表。按照发动机号排 序,对全部发动机所有架次的特征参数进行汇总,并以 图表形式输出。

　　(2)自定义绘图。

　　自定义绘图功能是指用户可以自行选择参数进行曲 线绘制,此外,可以将同一架直升机的左右两台发动机 工作数据同时按时序进行绘图,从而进行人工比对分 析。绘图模块需具有一定的曲线编辑功能。

　　4 状态监控的软件开发与验证

　　基于上述的涡轴发动机监控方法研究,设计开发涡轴发动机状态监控软件系统,如图 5 所示。软件系统包 含具体功能模块如下 ：用户登录界面、机队状态详情展示 页面、红黄区分析判据功能块、健康指数检查功能块、数 据分析功能块、数据库离线数据查询功能块、发动机智 能双发匹配功能块、离线数据快速录入功能块、系统参 数设置功能块。每个功能块能单独运行且相互切换。

　　该软件系统在多个用户试用、验证, 对数千小时发 参数据进行自动判读,同等批量数据处理速度相比之前 提升百倍,大幅提升了发动机外场数据处理分析效率。先 后辅助用户发现发动机金属屑告警、放气活门打开 / 关闭 参数异常、滑油温度偏高及停车惯性时间偏短等多个问 题,根据数据判读的结果向外场维护人员通报相关结果 并提供维护建议,为保证飞行安全提供了技术支持。



　　5 结论

　　本文针对目前国内航空发动机外场监控的局限性, 提出了面向批量数据的状态监控方法,并以某型涡轴发 动机为对象开发了外场数据管理及分析系统,构建了基 于规则的专家系统和逻辑判据库,确定发动机参数最优 诊断阈值,实现了面向机群的发参数据批量化、自动化分析,辅助用户准确定位故障并排除发动机存在隐患。 该系统已在用户活动中使用,确保了发动机外场使用安 全,大幅提升了维护保障效率。

　　参考文献

　　[1] 王宇波,李学仁,陈学江.飞机发动机状态监控研究[J].燃气涡 轮试验与研究,2001.14(3):41-43.
　　[2] 常燕萍,马麟龙.航空发动机状态趋势监控方法研究[J].民用 飞机设计与研究,2012(B11):21-24.
　　[3] 李大为,王军,王晨,等.大数据技术在航空发动机研发领域的 应用探索[J].航空发动机,2021.47(2):33-37.
　　[4] 尉询楷,杨立,刘芳,等.航空发动机预测与健康管理[M].北 京:国防工业出版社,2014.
　　[5] 周林,赵杰,冯广飞.装备故障预测与健康管理技术[M].北京: 国防工业出版社,2015:100-101.
　　[6] 孙小鱼.基于数据驱动的航空发动机气路性能参数预测研究 [D].大连:大连理工大学,2019.
　　[7] 朱友理.大数据技术与应用[M].西安:西北工业大学出版社, 2018.


 
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！

文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/58483.html