航空发动机数据驱动法气路故障诊断研究进展

航空发动机气路故障在发动机故障类别中是非常重要的一环,因此为保障飞行安全需避免气路故障,并及时对气路故障进行排故和预测。而随着现代算力和算法发展,基于数据驱动的方法在气路故障诊断中也具有越来越重要的影响力。较为详细地叙述了目前中国基于数据驱动方法航空发动机气路故障诊断的现状,讨论了各种方法的优缺点,指出了利用数据驱动方法的难点和关键环节,并对未来相关的研究趋势和发展趋势做出了展望。

基于改进ConvNeXt模型的压气机变几何系统T-step预测方法

为了实时监控航空发动机压气机变几何系统的状态并获取警告信号,提出一种基于改进ConvNeXt模型的T步(T-step)预测方法。与仿真数据和特定试验条件下生成的数据集相比,T-step预测方法采用了飞机数据采集系统记录的实际飞行数据。证实了采用改进ConvNeXt模型预测压气机变几何系统参数的可行性,并在发动机过渡状态和稳态下分别进行了试验验证。结果表明:采用改进ConvNeXt模型的T步(T-step)预测方法能精准地预测压气机VSV角度和VBV开度的变化,最低可达2.132°和7.077°,预测误差在可接受范围内。该方法能识别和预测各类型航空发动机不同运行状态的变几何系统参数的角度,获得相对准确的结果。

基于改进的SENet航空发动机振动预测

为实时监测和预警航空发动机振动状态,基于气路及振动参数,提出一种使用改进的SENet(squeeze-and-excitation network)模型,对航空发动机近未来的振动进行预测。该研究相比以往采用的实验室模拟数据和仿真数据,使用了真实的QAR(quick access recorder)数据并进行随机采样,以求更能表征发动机振动和工作参数之间的关系。同时,不仅使用其他振动信号进行验证,还在其他型号的发动机上进行测试。结果表明:针对航空发动机的振动进行预测是可行的,SENet模型可以有效并实时追踪振动的突变和波动。此外,该方法对于其他振动信号和不同类型的发动机具有一定的适用性。而且相较于以往采用的其他经典的深度模型,SENet模型在振动的预测中能得到更小的误差。实验证明,相较于以往只使用振动这个单参数进行预测,并行使用与振动相关的多参数融合进行研究更能提高预测的准确性。