0 引言
航空发动机是飞机的“心脏”，受高温、高压、变工况等恶劣工作环境的影响，航空发动机将不可避免地发生性能退化，其性能退化会降低整个飞机系统的可靠性和安全性。为提高航空发动机工作安全性，降低其维修成本，进行航空发动机状态监视和可靠性评估已成为目前的发展趋势。而随着性能不断提高，航空发动机采集的信号也越来越多，发生信息矛盾及信息熵增的可能性大大增加，通过对多个传感器采集来的信息进行融合处理，可以减少虚警、误报、漏报等情况。目前利用信息融合技术进行航空发动机可靠性评估和寿命预测已成为国内外研究热点，在充分挖掘信息内涵的基础上，进行融合和利用，从而提高寿命预测的准确性、有效性和可靠性。
1 信息融合的基本原理
信息融合（Information Fusion）技术作为信息科学的一个新兴领域，起源于军事应用。20世纪70年代，美国海军采用多个独立声纳探测跟踪某海域敌方潜艇时，首次提出数据融合（Data Fusion）概念。随着数据融合应用层次的提高， 数据融合由早期的同类多传感器信息源扩大到多类信息源信息融合，从而使数据融合迈向信息融合领域。
随着国内外研究机构对信息融合技术研究的不断发展，多个传感器信息检测应用于各种C3I系统（Computing Communication Control and Information）中，在工业控制、机器人、空中交通管制、海洋监视、综合导航和管理等领域也在朝着多传感器的方向发展。信息融合通过各种不同种类、不同等级的融合，如数据融合、图像融合、特征融合、决策融合、传感器融合、分类器融合等，对不同来源、不同模式、不同媒质、不同表现形式的信息进行综合，最后可以得到对被感知对象更加精确的描述。信息融合已由简单的多传感器融合起步，经历了同一系统内部不同信息的融合，少数简单系统之间的单一信号融合，发展到现在多个不同复
杂系统之间的不同类型信号之间的融合。多传感器信息融合可以获得单传感器难以获得的结果，且其性能一般会有质的飞跃。从原理上讲，上述思想可以进一步执行到多设备、多系统融合[1]。
信息融合的基本原理就是一个信息综合处理过程，它充分利用多个传感器资源，通过对这些传感器及其观测信息的合理支配和使用，把多个传感器在时间或空间上的冗余或互补信息依据某种准则来进行组合，以获得被测对象的一致性解释或描述，使该信息系统由此而获得比它的各组成部分的子集所构成的系统更优越的性能[2]。
2 信息融合模型[3]
信息融合按照融合系统中数据抽象层次来划分，可将信息融合划分为数据级融合、特征级融合以及决策级融合三个级别。
数据级融合是直接对来自传感器的观测数据进行融合处理，然后基于数据融合的结果进行进一步的特征提取和判断决策。这是最低层次的融合，其优点是：由于其直接对来自传感器的信息进行处理，因此只有较少数据的损失，它能提供其他融合层次所不能提供的其他细微信息，所以精度最高。
特征级融合先对来自传感器的信息进行特征提取，抽象出每个传感器的特征向量，然后对这些特征向量进行信息融合，融合中心完成的是特征向量的融合处理，该层次的融合属于中间层次的融合。但由于特征提取过程中一部分有用信息被丢失，因此融合性能有所降低。特征级融合可划分为目标状态融合和目标特征融合两大类。其中目标状态融合主要用于多传感器目标跟踪领域，首先对多传感器数据进行处理以完成数据配准，然后进行数据关联和状态估计，具体数学方法包括卡尔曼滤波理论、联合概率数据关联、多假设法、交互式多模型法和序贯处理理论等；目标特征信息融合实际属于模式识别问题，常见的数学方法有参量模板法、特征压缩和聚类方法、人工神经网络、K 阶近邻法等。
决策级融合先对来自多个传感器的数据进行特征提取并对特征提取的结果做出初步决策，然后对不同传感器的初步结果进行融合，融合中心完成的是局部决策的融合处理。决策级融合是一种高层次的融合，是三级融合的最终结果，是直接针对具体决策目标的，得出的结果即为最终决策，融合结果直接影响决策水平。常见的决策融合算法有 Bayse 推断、D-S 证据推理、专家系统、模糊集理论等。
3 航空发动机状态监测参数[4]
当前航空发动机的主要监测参数包括气路性能监测滑油系统监测和振动监测。监测的主要参数包括以下几方面。
（1）气路性能监测
航空发动机的核心部件是气路系统部件包括压气机燃烧室涡轮等。气路部件的一些热力参数可反映航空发动机性能状态变化。监测的参数有涡轮后燃气温度燃油流量。
（2）滑油系统监测
滑油系统监测技术是润滑系统部件及其封严系统状况的一种监测手段，适用于机械磨损类故障监测与诊断。监测的参数有滑油的压力、滑油温度和滑油消耗率等。参数的变化趋势是发动机状态监测的辅助手段。
（3）振动监测
航空发动机的高、低压转子是由叶片、盘、轴、轴承等旋转零部件构成，旋转或产生磨损或损伤时会形成一定程度的振动信号，通过观测航空发动机高低压转子及其部件的振动级别，包括低压转子振动值偏差和高压转子振动值偏差等，可以对发动机的机械损伤进行评估。航空发动机的结构失效在整个失效中占的比例较大，在早期的振动信息中都能有所反映。
4 航空发动机可靠性评估研究进展
从大量监测数据中提取可靠性信息进行寿命预测，是当前理论界和工程界共同关注的热点问题。COBEL [5]采用数据融合方法，利用状态监测数据和故障数据进行剩余寿命预测，应用遗传算法进行监测参数优选，实现从基于故障时间的分析转向基于故障过程的分析。Gebraeel等人[6]采用动态小波神经网络方法利用状态监测的信号，进行剩余寿命分布预测，并结合Bayes方法对其分布参数进行更新。Dong等人[7]采用动态Bayes网络方法建立了预测模型，研究了相应算法，并对立式转床的转头剩余寿命进行了预测。丁锋、何正嘉等[8-9]也研究基于状态信息的设备可靠性评估方法，并取得一定成果，2009 年，建立了基于运行状态信息的轴承可靠性评估模型；2011 年，建立了基于全寿命状态监测数据的数控加工刀具可靠性评估模型。
国内研究人员近年来也开展了基于多信息融合航空发动机性能可靠性评估和寿命预测的研究。任淑红[10]提出了基于多性能参数的的航空发动机实时性能可靠性评估方法和在翼寿命预测方法，利用状态空间方法，建立具有时变参数的多性能退化量模型，通过卡尔曼滤波进行性能趋势预测和模型参数实时更新估计。利用实时监测数据，分析了各性能参数间的相关性，根据多维随机变量的性质，建立了多参数性能可靠度联合概率分布，进而对发动机的性能可靠性进行实时评估。
孙闯等[11]采用状态子空间描述航空发动机状态性能变化，计算正常状态与当前状态子空间基矢量的主夹角，利用映射函数将主夹角转化为运行可靠度，实现对航空发动机运行可靠性的评估。
王华伟等[12]结合航空发动机不同失效模式及数据特点，分别针对性能退化失效和突发失效建立剩余寿命预测模型。利用贝叶斯线性模型融合状态监测信息，建立航空发动机性能退化轨迹模型，实现针对不同性能退化情况下的航空发动机剩余寿命预测。以分析性能退化规律为基础，利用航空发动机故障信息，建立混合Weibull 可靠性模型，量化性能退化失效对突发失效的影响，实现航空发动机突发失效剩余寿命预测。
5 展望
随着国内外对航空发动机可靠性评估研究工作的不断深入，测试参数检测方法及机载传感器的设计与应用，以及发动机故障模式及故障库的建立、 部件寿命跟踪及剩余寿命评估技术和维修记录等数据管理及信息融合技术、状态特征仿真和智能诊断分析技术、 故障判断、 预测准则及相应处理对策等技术将进一步完善，有望更好地为航空公司发动机性能衰退预测、健康状态评估、试情维修提供决策支持。
参考文献:
[1]叶志锋.基于模型和神经网络的发动机故障诊断[D],南京航空航天大学,2003
[2]Litt J S, Simon D L, Gary S, et al.A Survey of Intelligent Control and Health Management Technologies for Aircraft Propulsion Systems[J].Journal of Aerospace Computing, Information,and Communication, 2004(1):543-563
[3]韩崇昭,朱洪艳等.多源信息融合[M]. 北京:清华大学出版社,2010
[4]王华伟,吴海桥.基于信息融合的航空发动机剩余寿命预测[J].航空动力学报,2012(12):127-129
[5]COBEL J B. Merging data sources to predict remaininguseful life-An automated method to identify prognosticparameters[D].Knoxville:University of Teenessee,2010
[6]Gebraeel N Z,Lawly M A,Li R,et al.Residual-life distri-butions from component degradation signals:a Bayesian approach[J].IIE Transactions, 2005,7(6):543-557
[7]Dong M,Yang ZB.Dynamic Bayesian Network Based Prognosis in Machining Processes[J].Journal of Shanghai Jiaotong University(Science).2008(03):318-322
[8]丁锋,何正嘉,訾艳阳等.基于设备状态振动特征的比例故障率模型可靠性评估[J].机械工程学报,2009,45(12):89-94
[9]CHEN Baojia,CHEN Xuefeng,HE Zhengjia,et al. Reliability estimation for cutting tools based on logistic regression model using vibration signals[J]. Mechanical systems and signal processing,2011, 25(7):2526-2537
[10]任淑红.民航发动机性能可靠性评估与在翼寿命预测方法研究[D].南京航空航天大学,2010
[11]孙闯,何正嘉,张周锁等.基于状态信息的航空发动机运行可靠性评估[J].机械工程学报,2013,49(6):30-37
[12]王华伟,高军,吴海桥.基于竞争失效的航空发动机剩余寿命预测[J].机械工程学报,2014(06):197-205
|
馆长信箱 
