民用飞机预测维修技术研究进展

民机维修理论伴随航空科技进步在不断往前发展,从定时翻修到以可靠性为中心的计划维修,以及先进的视情与预测维修理念。现代民机测试性的发展,特别是系统/结构健康监测技术的发展和成熟,丰富了现有的持续适航概念和方法体系,在确保飞机满足持续适航要求的前提下,飞机由经验化的基于时间的计划维修向更加高效的基于系统/结构实际健康状态的维修转变。本文总结了民用飞机预测维修技术的最新研究进展情况,从以传统计划维修模式为基础引出预测维修模式,包括结构/系统预测维修任务分析方法、预测维修方案优化、预测维修关键技术以及在民机领域的应用情况。

基于1DCNN-BiLSTM的航空发动机故障分类研究

随着航空发动机运行状态的变化,其故障模式也会发生变化。针对航空发动机的运行退化趋势,提出一种基于1DCNN-BiLSTM的航空发动机故障分类模型。该模型可以直接用于原始监测数据,不需要其他算法提取故障退化特征,并且能充分利用1DCNN提取时间维度局部特征的优势,以及BiLSTM处理非线性时间序列及利用双向上下文信息的特点,最后连接全连接层来学习双向时序依赖的特征信息,并使用softmax函数来诊断故障类别。在美国航空航天局公开的CMAPSS数据集上进行验证,将故障模式分为无故障、HPC故障(单一故障)、HPC&Fan故障(混合故障)三种类型。实验结果表明,与其他模型对比,所提模型具有较高的分类精度,这对提高航空发动机运行可靠性和进一步进行剩余使用寿命预测有一定的实用价值。

一种自适应选取参数的改进变分模态分解方法

针对传统的变分模态分解(VMD)方法中模态数和惩罚参数难以确定的问题,提出了一种自适应选取参数的改进变分模态分解方法。首先,综合考虑了故障的冲击性和周期性特点,以Gini指数和谱峰比指标为基础构建了加权谱峰比(WSPR)指标;然后,采用非洲秃鹫优化算法(AVOA)进行了寻优,得到了最佳的模态数和惩罚参数组合,克服了人为主观选择参数的弊端;最后,在VMD分解信号后,利用加权谱峰比最大原则自适应选取了敏感内涵模态分量,对最佳IMF进行了包络解调分析,提取了滚动轴承早期故障特征,利用仿真信号、单一故障滚动轴承试验信号及复合故障滚动轴承试验信号对所述方法进行了验证。实验结果表明:该方法可以准确地提取出仿真信号的故障频率(100 Hz)、单一故障信号的故障频率(236.4 Hz)和复合故障信号的故障频率(内圈故障频率149.14 Hz、外圈故障频率86.39 Hz),并且在与其他方法和指标的对比中,其最佳IMF的包络谱图中故障特征频率及其倍数频的谱峰更加明显,准确率更高且鲁棒性更强。研究结果表明:该方法能够有效提取轴承早期故障信号的微弱特征,实现故障类型准确识别的目的。

结合Word2vec和BiLSTM的民航非计划事件分析方法

安全是民航业的核心主题。针对目前民航非计划事件分析严重依赖专家经验及分析效率低下的问题,文章提出一种结合Word2vec和双向长短期记忆(bidirectional long short-term memory,BiLSTM)神经网络模型的民航非计划事件分析方法。首先采用Word2vec模型针对事件文本语料进行词向量训练,缩小空间向量维度;然后通过BiLSTM模型自动提取特征,获取事件文本的完整序列信息和上下文特征向量;最后采用softmax函数对民航非计划事件进行分类。实验结果表明,所提出的方法分类效果更好,能达到更优的准确率和F 1值,对不平衡数据样本同样具有较稳定的分类性能,证明了该方法在民航非计划事件分析上的适用性和有效性。

自回归和EWMA在齿轮箱早期异常检测中的应用

针对齿轮箱传统故障分析方法难以及时发现早期故障的问题,进行基于自回归模型和统计过程控制方法的齿轮箱早期异常检测方法研究。采用时域同步平均算法(Time Synchronous Averaging,TSA)去除原始振动信号中的噪声,并建立自回归(Autoregressive Model,AR)模型计算残差;提取残差的标准差、峭度与均方根作为指标,初步判断齿轮早期故障;选取残差的标准差进行统计过程分析,分别建立均值控制图(Xbar)、单值-移动极差控制图(I-MR)、指数加权移动平均(EWMA)控制图来判断齿轮早期异常发生点。研究结果表明,EWMA控制图检测到第62个文件开始超出控制限,而其他两种控制图均从第65个文件出现异常,说明EWMA控制图相比其他方法能够更早的检测出齿轮早期故障发生的异常点,进一步验证了AR模型与EWMA控制图相结合进行早期异常检测的有效性。

铁谱磨粒图像多焦点融合算法研究

铁谱分析技术是一种常用的磨损监测技术。受限于高倍物镜下的景深限制,一张铁谱大磨粒图像往往只有局部聚焦清晰的特征。为了能够解决在高倍物镜下铁谱大磨粒图像的自动化清晰采集以及高质量图像融合问题,设计并构建一套自动化扫描显微系统,该系统可进行多焦点铁谱图像的自动扫描采集;同时,提出一种基于相位一致性的铁谱磨粒图像多焦点融合算法,对自动扫描的多焦点图像进行融合,得到清晰的磨粒图像。实验结果表明,设计的自动化扫描显微系统能快速完成多焦点铁谱图像的自动化采集流程,提出的图像融合算法相较于传统的小波图像融合算法具有更高的图像评价质量,并能获得更加清晰的图像边缘信息。

基于CNN-LSTM混合模型的民航非计划事件分析方法

安全是民航业的核心主题,非计划事件是辨识安全隐患、改善航空安全的重要信息来源。非计划事件的非结构化和数量庞大等特性使得人工分析变得困难且效率低下。为提高非计划事件的分析效率和精度,论文提出了一种基于CNN-LSTM的混合深度神经网络模型,用于民航非计划事件的自动化分析。并与SVM、CNN、LSTM等模型进行比较,在航空公司的事件日志样本数据集上进行训练并做出事件分类结果的判断。实验结果表明,所提出的CNN-LSTM混合模型具有最高的分类准确率,对于不平衡数据样本,具有最稳定的分类性能。

基于内聚力模型的飞机风挡与无人机碰撞仿真及试验验证

为有效支持无人机撞击飞机仿真分析,降低试验研究成本,开展无人机与某型运输类飞机风挡碰撞试验及有限元仿真方法研究。研究建立符合实际尺寸和曲面构型的风挡和无人机的建模方法;考虑到碰撞后风挡玻璃的裂纹萌生和扩展的不可预测性和复杂性,通过Python二次开发在风挡模型中玻璃单元间及玻璃层与胶层间嵌入零厚度内聚力单元,研究给出基于固有内聚力的风挡玻璃有限元模型。研究发现,对应工况的仿真结果与试验结果基本一致,证明内聚力模型应用在该仿真中的有效性。同时相对于常规的单元删除法,基于内聚力模型的仿真结果更加接近试验结果,证明所建立方法的精度更高。

飞机风挡不同位置遭遇轻型无人机高速碰撞损伤敏感性研究

以Phantom 4 Pro典型轻型无人机和某型商用飞机主风挡为对象。通过仿真法研究飞机风挡不同位置遭遇无人机高速碰撞损伤敏感性,分析在高速仿真碰撞过程中无人机撞击各个目标点的接触力变化及其在典型时刻无人机刚性组件序惯撞击目标位置造成的耦合损伤结果,并从多层风挡玻璃及其周边固支结构的吸能变化角度解释了造成风挡不同位置损伤程度差异的原因。研究表明飞机主风挡的中间区域是抗无人机冲击最薄弱的部位,无人机的大质量部件是主要冲击损伤源,风挡玻璃的吸能大小与其损伤程度具有正相关趋势;无人机以平飞姿态与飞机在巡航速度下撞击经过适航验证的飞机风挡结构时,风挡玻璃整体仍然是安全的。研究结果为航空运输实践中新兴出现且越来越频繁的安全隐患提供理性认识和技术预研支撑。

基于SFA-LOF-LDD的航空发动机异常检测方法研究

航空发动机异常检测对于准确了解飞机健康状态、支持维修决策、保障飞行安全具有重要意义。针对航空发动机气路部件的长期退化行为,提出一种基于慢特征分析和局部离群因子的动态阈值异常检测方法。首先,充分利用慢特征分析的优势提取气路参数随时间缓慢退化的有效特征。然后,计算特征空间样本的局部离群因子来构造监控统计量,定量表征发动机的健康状态。考虑固定阈值对气路状态时变特性的适应性差,利用基于局部分布差异的自适应窗口调整策略,设置动态阈值有效降低气路参数微小波动导致的虚假报警。最后,通过航空发动机实际运行数据进行验证,结果表明:所提方法能提前识别异常点,并且有效降低假警的发生。

基于静电信号变分模态分解和随机森林的气路故障识别方法

气路静电监测是面向航空发动机健康诊断的全新技术,为使其后续可应用于气路故障识别,提出一种基于变分模态分解和随机森林的识别方法。首先分析了气路静电监测原理,针对静电信号噪声干扰问题,提出了一种基于变分模态分解和峭度-排列熵重构准则的静电信号增强方法,并提出故障特征集构造方法,帮助有效提取关键故障信息;进一步通过开展燃烧室积碳、叶片-机匣碰摩、部件掉块等模拟实验,获取故障静电信号和特征集,并构建了基于随机森林的故障类型识别模型。结果表明:所提方法测试集上识别精度达到90%以上,且所提出新特征的归一化重要度达到0.2以上,较传统特征更高,能为基于静电监测的气路部件故障识别提供有效途径。

基于SSA-VMD-GRU的锂电池剩余寿命预测方法研究

锂离子电池性能在衰退过程中呈现非平稳性和非线性,寿命预测往往被再生容量所干扰,衰退趋势难以捕捉,进而影响寿命预测。针对该问题,以容量为特征,构建一种基于麻雀搜索算法优化变分模态分解和门控循环单元的锂离子电池寿命预测方法。首先,利用麻雀搜索算法优化了变分模态分解的分解层数和惩罚因子,再通过优化了的变分模态分解算法将锂电池容量分解为若干分量,最后引入门控循环单元预测所分解的若干分量,将若干预测结果进行集成。通过NASA电池数据集对所提方法进行验证,并与两种模型相比较,结果表明,该方法相较于另两种方法预测精度平均提升了60%。

基于Pearson-KPCA和LSTM的伺服电机滚动轴承剩余寿命预测

针对伺服电机滚动轴承的寿命预测,提出一种基于皮尔逊相关系数及核主成分分析的长短时记忆网络预测方法。提取滚动轴承的时、频域信号,通过移动平均法进一步获取相关特征,并采用皮尔逊相关系数筛选高度相关特征指标,利用KPCA提取高度相关特征指标中的若干主成分;将第一主成分作为长短时记忆网络模型的输入对滚动轴承进行剩余寿命预测。采用IMS轴承数据集进行验证,得到的轴承寿命预测RMSE值和可决策系数值分别为0.0543和0.989。将其与长短期记忆网络模型和BP神经网络的预测结果进行对比,证明所提方法具有较高的精度。

航空发动机叶片原位打磨机构设计及运动学研究

分析了中压压气机叶片原位打磨工作自由度需求,设计了一款钢绳驱动、离散弹性脊骨支撑的原位打磨机构。采用几何分析方法,建立了驱动钢绳长度与脊骨弯曲角之间的正、逆运动学模型;根据D-H约定下的坐标变换,建立了弯曲角与末端打磨点空间位形之间的正、逆运动学模型。基于蒙特卡洛方法,对末端打磨点可达工作空间进行了仿真分析,并通过比较规划轨迹点与实际轨迹点之间的位置偏差,对运动学模型进行了验证。仿真结果表明:所设计机构的空间可达性满足中压压气机叶片原位打磨需求,其运动学模型准确,能够保证较高的末端定位精度。

基于网络共享的材料性能数据库系统

针对材料性能数据管理的需求,文中提出一种材料性能数据网络共享方案,该设计包括材料性能数据采集、数据查询、数据分析、数据可视化以及数据安全管控模块的材料性能数据库系统,能解决现有材料性能数据库网络化共享不足、数据融合及多学科支持不足、智能化服务不足、标准化不足和数据安全管控不足等问题。采用分级访问控制策略,用户登录系统后对材料性能数据进行标准化处理并存储,形成共享材料性能数据库;再对存储的标准化处理后的材料性能数据按照权限进行受控查询共享,对受控查询共享得到的材料性能数据进行对比分析;最后,对得到的受控查询共享结果和得到的对比分析结果进行可视化展示。数据库系统采用基于B/S跨平台J2EE的MVC架构集成第三方计算平台,用户通过浏览器及网络可方便使用材料性能数据及相关服务;数据库采用MongoDB,支持分布式存储及高效查询。

基于自注意力语义分割的航空发动机孔探图像检测

针对传统语义分割模型对于航空发动机孔探图像内损伤的检测存在小尺度或高相似度损伤易被漏检误判的问题,提出了一种基于自注意力语义分割(SA-SS)模型的航空发动机孔探图像检测方法。基于语义分割模型DeepLabv3+的总体架构,采用轻量级MobileNetV2替代原始的Xception作为主干特征提取网络,利用扩张—提取—压缩的结构进行特征提取,以减少模型计算量。基于多层级联结构,改进原始DeepLabv3+的空洞空间金字塔池化结构,使特征图保有更丰富的特征信息。在模型内融合一种自注意力机制,建立全局像素的内部相关性,加强对细节特征的注意力。改进原始DeepLabv3+的解码层,将多尺度空间融合方法引入低层特征提取,融合多个跃层特征。实验结果表明:与传统DeepLabv3+、SegNet-ResNet等方法相比,SA-SS模型的平均交并比和平均像素精确度最大分别提升了4.10%和3.92%,训练时间和平均检测速度最大分别改善了24.43%和5.11帧/s。

A320机翼结构部段的超手册损伤与修理评估

针对典型A320机翼结构部段的超手册穿孔损伤,设计了超手册修理一般参数、补片加厚参数和紧固件扩孔参数,分析超手册穿孔损伤及其三组超手册修理参数下基于Abaqus有限元仿真的临界承载力。研究表明:穿孔损伤导致了结构临界承载力下降了9.36%,而基于该损伤的超手册修理一般参数使临界承载力恢复到了原始部段的92.56%,补片加厚和紧固件扩孔参数分别将部段的临界承载力恢复至原始水平的99.78%和99.67%。超手册修理一般参数修理周期短但临界承载力较低;另两组参数承载力高但修理成本也相对更高,修理周期更长。本文中的分析方法为航空公司制定不同决策偏好的技术方案提供了选择依据。

基于比例风险模型的航空发动机视情维修决策

基于航空发动机在翼监控信息来合理确定视情维修(CBM)决策是航空公司安全运营中的重要内容。本文利用Weibull比例风险回归的建模思想,分析了航空发动机因性能衰退而换发的历史监控数据记录,并据此建立了反映该类发动机性能参数与在翼时间之间的函数关系;进而采用最小维修成本、最大可用度策略确定最优维修决策阈值,为同类型在翼发动机进行维修决策的优化提供了一个客观的量化方法。最后对CF6型发动机历史故障数据进行了实例分析,表明该方法在发动机视情维修决策中的实用价值。

基于GMR和VAR的复杂工况下齿轮箱早期异常检测

针对复杂工况下齿轮箱的全寿命周期振动信号进行早期异常检测分析。首先,使用时域同步平均算法对原始数据进行预处理;其次,为了减小工况变化对信号的干扰,基于齿轮运行残差(GMR)信号去除基础啮合频率及其谐波信号,运用EVIEWS软件建立向量自回归(VAR)模型并计算残差;最后,通过计算残差的峭度、标准差和均方根等判断齿轮异常发生的时间点,并与基于时域同步平均的方法进行对比。结果表明,所提方法能够在第109号文件检测出齿轮箱发生早期故障,比现有方法提前20个文件发现异常,为齿轮箱的早期故障诊断和维修决策奠定了基础。

基于全流量光学传感器的磨粒运动特性研究

针对航空发动机滑油系统管路中磨损颗粒的运动特性进行了研究。首先,建立磨粒的运动学方程,分析影响运动的主要因素;然后,自制全流量在线光学传感器,并搭建磨粒运动监测系统,再结合高效卷积算子(ECO)算法对动态磨粒进行跟踪以及速度测算;最后,利用仿真软件,对多个影响因素进行多元回归方程的拟合。研究结果表明:回归方程的拟合度较高。同时,各因素对颗粒运动速度影响的重要程度依次为:油液的流速、颗粒的密度、油液的粘度、颗粒的粒径。同时,油流的速度与颗粒的运动速度呈正相关,颗粒的密度、油液粘度、颗粒的直径与颗粒的运动速度呈负相关。