民航概论论文

基于案例库研究的航空发动机故障诊断研究

摘 要：随着航空业的高速发展，民用航空设备的维修要求也越来越高，在保证飞行安全，缩短维护时间，降低运营成本等方面对故障诊断方法和维护手段提出了新的挑战。随着飞机结构复杂性不断增加，故障种类也体现出多样化的特点，传统的人工诊断方式已经无法适应当前局面，智能诊断开始进入航空维护领域，很大程度上提高了诊断水平。目前在智能故障诊断领域应用较多的为案例推理系统，该方法能够模拟人类思维方式，通过回忆以往的经验来找到解决面对问题的解决方案。

关键字：故障诊断 案例推理 内窥图像

第一章 绪 论

从上世纪80年代开始，世界各国航空事业迅猛发展，对航空发动机的运行可靠性要求也不断提高，随之而来的安全问题也越来越突出。据中国民航局1989-1999十年的统计资料显示，机械故障引起的严重飞行事故占37.9%，而发动机的故障又占所有机械故障的60%，可见发动机故障对飞行安全的影响非常之大[1]。因此在使用中对发动机采取必要的状态监控和故障诊断，对其承受高负荷、高温、高速和处于腐蚀介质中的零部件进行定期与非定期探测、检验，及时发现各类损伤和缺陷是确保飞行安全的重要措施之一，对于降低飞机事故的发生率及提高民航运输的经济效益有着极其重大的意义。

内窥检测具有无损、直观、快速的特点，是航空发动机维护中的一种有效的故障检测和监控手段，对于监控航空发动机的性能、提高发动机的利用率、保障飞行的可靠性和安全性起着重要的作用，在现代航空发动机维护中被广泛采用。据统计，大约90%的航空发动机非例行更换都与内窥检测结果直接相关。

依据发动机的内窥检测部位、损伤类型及损伤尺寸需要与手册标准进行对比来进行损伤判断和维修决策，往往需要检测和维修人员查阅相关手册，目前飞机维修手册中均规定了基于内窥检测的维修决策标准，但是查阅手册一方面需要检测人员对手册的熟悉，另一方面也需要更多翻阅手册的时间，特别是在手册规定的标准附近，做出可靠的经济的维修决策往往需要历史经验及众多专家参与的综合权衡、分析和讨论，必要时甚至需要求助于制造商。

目前，航空公司普遍具有飞机机群大、机种多、分布广等特点，而具有能给发动机做内窥检测损伤评估及维修决策的专家不可能分布在各地，往往仅仅限于在专门从事飞机发动机维修的相关部门，这种特点使目前发动机内窥检测面临了典型的异地检测、评估与决策困难的问题。同时，仅仅依靠内窥检测专家的经验进行损伤评估和决策，将表现出很大的局限性，表现在专家的丰富经验往往需要

长时间的积累，而且对每种型号的发动机均具有不同的经验。所以建立内窥故障智能诊断系统进行故障检测与诊断的技术成为关键。

第二章 故障分析及案例库建立

一个完整的智能诊断系统应该从知识的获取开始，本章首先对航空发动机的主要故障进行了定义，之后介绍了主流图像处理办法，详细描述了本文所采取的算法步骤；然后简要对主要的智能故障诊断系统进行了对比，结合研究课题的特点，选取了适合本文研究课题的诊断方案——基于案例的诊断方法，并对案例的表示与案例库结构进行了初步设计。

2.1 航空发动机主要故障分析

航空发动机内部常见的损伤主要有：裂纹、刻痕、压坑、撕裂、凹痕、烧伤、腐蚀、叶尖卷边等。如图2.1所示为各种损伤的定义图[11]：

图2.1 常见发动机故障定义图

通过对损伤形成原因和评估参数的分析，典型损伤进行分析：

1.裂纹（crack）

裂纹是最常见的损伤形式，根据成因不同分为烧伤裂纹、震动裂纹、疲劳裂纹等多种。造成裂纹的主要原因是过热或振动使金属应力过大直至金属疲劳。通常表现为一条锯齿状的黑色线开口。对于裂纹损伤，长度是评估的关键数据。

2.叶片折断与掉快（broken）

折断与掉快是由于冲击、撞击等外力因素而导致叶片破碎或折断，破碎或折

断部分移走。

3.凹坑（dent）

凹坑是由于叶片或壁面的局部由于撞击而受损，材料发生坑状变形，但没有发生移动。凹坑成“U”型，外型为钝边，表面相对光滑。损伤常常出现在叶片根部和涡轮舱壁面。对于凹坑损伤，凹坑深度和最大外径是损伤评估的关键数据。

4.边缘刻口（nick）

刻口是由于叶片边缘受到外物撞击而导致材料变形，刻口呈“V”型，刻痕边缘呈亮色。边缘刻口也是内窥检测中常见的损伤类型之一，损伤的级别根据刻口的口径长度以及刻口深度来判定。

5.叶片扭曲（bent）

扭曲是由于来自相反方向的直线型外力作用于叶片表面的不同区域，导致原有的扭转角度发生变化。叶片扭曲部分相对于完整叶片所占比例是判定叶片扭曲损伤级别的依据。

6.叶边卷刃（curled）

叶片尖部由于受到与叶片运动方向相反的作用力，像刀刃卷曲一样变成圆角形折叠，从而形成叶边卷刃。

7.积炭（deposits）

积炭常常发生在导向器边缘和表面，以及燃烧室壁面，是由于燃烧产生的炭粒在表面沉积而产生的。大面积积炭会影响到发动机的燃烧效率，因此，积炭区域的大小是评估该类型损伤的依据。

8.表皮剥落（overheated）

表皮剥落是由于材料受到长时间高温而导致部分表面材料脱落，失去结构的完整性。表皮剥落损伤的表面比较光滑，还没有形成材料熔化变形。

9.烧蚀（burned）

烧蚀是由于受热严重而导致材料部分熔化，引起烧伤。内窥检测中会发现损伤区域颜色发生变化或者变形，一般呈暗黑色。烧蚀损伤的评估依据或者是表面损伤区域的大小，或者是叶片变形或脱落区域的长度和深度等参数。

10.撕裂（gouge）

叶片表面局部由于受到尖锐外物的撞击，材料撕开而产生的穿透形开口，形成撕裂。裂口长度是撕裂损伤的评估依据。

2.2 图像预处理

图像预处理的主要目的是提取图像的特征参数，这也是实现故障检测智能化的基础。在图像预处理的过程中，包含图像增强、图像分割、边缘检测、损伤参数提取等。

由于航空发动机工作环境及内窥检测的特殊性，拍摄的航空发动机内窥图像

不同于一般的图像，具体表现为：

1、发动机内窥图像背景很复杂，图像分割的难度较大；

2、内窥检测拍摄到的图像整体偏暗，对比度较差，清晰度不高；

3、发动机工作在高温高压、快速运转的条件下，空气中存在大量灰尘颗粒，从而在拍摄的图像上存在大量的随机噪声。

综上所述，拍摄到的发动机内窥损伤图像不能直接用于图像识别分析，必需经过图像增强，提高图像的质量，才能减少外界干扰所带来的图像误识别。图像增强的目的有两个，一是采用一系列技术改善图像的视觉效果，提高图像成分的清晰度；另一个是是图像变得更加便于图像分割与识别。图像增强可分为对比度增强、图像平滑及图像锐化。

正交性是从变换后的小波系数的相关性来考虑的，如果是正交小波，变换后的小波系数是不相关的，滤波效果更好。正则性好的小波在信号重构中比较平滑。正交小波中除Haar小波外，都不满足对称性，而对称性好的双正交小波基构造和计算都比较复杂。因此选取sym4作为小波基，它具有简单、对称性好，在重构过程中相移小等优点。具体步骤如下：

步骤一：对图像进行小波分解，选取sym4小波基，用Matlab对图像进行三层小波分解；

步骤二：对高频系数软阈值化处理，每个图层选取一个阈值，滤去噪声；

步骤三：对阈值化后的小波系数进行增强处理；

步骤四：重构图像，得到增强后的图像。

图2.2 小波分解示意图

图2.3为PW4000燃烧室裂纹图像：

图2.3 PW4000燃烧室裂纹图像

2.3 基于案例推理的智能故障诊断方法

案例式推理，是一种类比推理方法，是通过改编那些解决旧问题的方法来尝试解决新问题，也就是利用寻找相似案例的推理方法，找到解决旧问题的方法来适用于解决新的问题。案例式推理强调这样的思想：人类在解决问题时，常常回忆过去积累下来的类似情况的处理，通过对过去类似情况处理的适当修改来解决新的问题。过去的类似情况及其处理技术被称之为案例(CASE)。过去的案例还可以用来评价新的问题及新问题的求解方案，并且对可能的错误进行预防。运用这一基本思想进行推理被称为案例推理技术。

案例库新案例新问题描述匹配案例案例检索（Case Retrieve）对问题案例的建议解修正后的解决方案保留后的新案例自适应调整相似案例的解（Case Adaptation）修正解（Review Evaluation）案例学习（Case Learning）图图2.4 案例推理过程

案例推理的作法是首先先做一问题的描述 (Presentation)，再从Case-Base中找出最类似的Case(Retrieval)，即使挑选出最类似的Case也不可能完全相同，故要依照Case的Solution再作调整(Adaptation)，再将调整出的结果与使用者或大环境来证实(Validation/Test)，如果适当，则被证实的结果将会被增加到Case-Base中 (Feedback)。上述过程即为一个完整的案例推理过程，可以用图2.5来形象的描述该过程。

对于案例推理系统，主要的研究方向包括案例库的建立和优化，与其他故障诊断手段融合成混合推理系统等。案例库的建立包括采用何种组织结构，存储形式等，案例库的优化包括检索算法的设计，案例的学习机制以及如何使案例的检索效率提高等。本文主要从案例库的建立与案例库的优化两个方面进行相关研究，其中案例库的优化为研究重点方向。

2.4 案例库的建立

2.4.1 案例库的组织结构

目前数据库技术发展已经相当成熟，为了减小在案例库存储方面的工作量，我们直接采用数据库对案例进行存储与管理。

本文研究的案例库在初期属于小规模尝试，可能案例数量较小，为了适应未来扩展需要，我们仍然以大规模案例库为标准来对案例库进行设计，故将案例库设计为多级结构。在航空发动机内窥故障诊断系统中，重要的问题是如何合理的诊断并得出相应结论及处理对策。

本文研究的为航空发动机故障诊断，所以将基类设置为发动机，包含属性应为发动机型号等最基本信息。然后派生类的确定应找出诊断方法间的共性和差别所在，便于程序的实现、调用及解释。因此，根据在实际诊断中检测的损伤类型及其特征进行分类。即将发动机的不同型号先进行分类，每个型号按照不同的故障部位分为低压压气机诊断类、高压压气机诊断类、燃烧室诊断类、高压涡轮诊断类、低压涡轮诊断类。

每个派生类分别包括裂纹、刻痕、压坑、撕裂、凹痕、烧伤、腐蚀、叶尖卷边等损伤类型作为其对象，这些对象的特征参数包括长度、面积、凹坑的深度，以及每个数据成员的诊断方法和维修决策。该分类法可将已收集到的专家知识按面向对象的程序设计原则组成一种混合知识表达形式，将对象的属性、行为特征、相关领域知识的数据处理方法等有关知识封装在表达对象的结构中，还可根据专家经验灵活地派生出新类。案例库的结构组织如图2.7所示：

飞机发动机型号一型号二型号三部位一部位二部位三故障一故障二故障三

图2.5 案例库的组织结构

该结构优点为：在与粗糙集理论结合后，可以更加方便的对案例特征值权重进行调整，使其在进行案例检索时减少工作量的同时也能提高检索的准确度。另外可以提供让用户批量查看某类型故障或者某部位故障的功能。

2.4.2 案例库的存储实现

案例库的组织结构确定后，需要将从某发动机维修公司近些年来收集整理的发动机型号为PW4000、PW4077、JT9D、CMF56-3、CMF56-7的共计四百多张