基于多元统计分析的航空发动机故障诊断方法研究

【类型】学位论文

【作者】张琳 

【关键词】 航空发动机 故障诊断 PCA FDA 灰色关联分析

【摘要】航空发动机是飞机的重要组成部分，它的安全性和可靠性对于现代军民用航空工业越来越重要，传统的定时维修的思想显然已经满足不了要求，而且发动机的许多故障都是可以通过分析与其工作状态有密切联系的参数变化情况来提前发现的，因此，有必要研究航空发动机基于数据的故障诊断方法，以实现定时、视情和监控相结合的维修方式的转变，在保障飞机飞行安全的同时，降低发动机全寿命周期使用维修费用。 本文在对国内外各种航空发动机故障诊断方法进行分析的基础上，针对发动机数据的特点，采用了一种不依赖发动机数学模型的多元统计分析方法进行研究。主要使用了主元分析（PCA，Principle Component Analysis）与费舍尔判别分析（FDA，Fisher Discriminant Analysis）两种多元统计分析工具进行故障诊断方法的研究，通过对飞参历史数据的分析实现了对发动机的故障检测与故障识别。 首先针对发动机稳态工作条件下的故障检测方法进行了研究。提出了一种PCA-KDE故障检测方法，在传统PCA故障检测方法的前期数据处理的基础上，通过采用核密度估计方法来确定控制限，该方法不需要事先对数据的分布做出任何假定，对于非正态分布的数据也是适用的，克服了传统方法只能处理正态分布数据的缺点；同时，为了保证PCA模型的精度，提出了一种基于鲁棒PCA的R-PCA异常点剔除方法，以提高训练数据的质量；在对XX发动机起飞前稳态飞参数据的分析中取得了满意的效果。 之后在已检测到故障的基础上对故障识别方法进行了研究。根据灰色关联度定义的分析，提出了适合于进行故障诊断的关联度定义；同时，为了增加故障识别的精度，对基本的灰色关联度分析故障识别方法进行了改进，提出一种结合FDA与灰色关联分析的故障识别方法。通过对CMF56发动机数据的实例分析可以看出，该方法增强了故障样本的故障特征，减少了相似故障种类之间的干扰，提高了故障识别的精度。

【学位名称】硕士

【学位授予单位】北京航空航天大学

【学位授予年度】2016

【导师姓名】黄敏

【读秀链接】读秀链接