基于隐马尔可夫的航空发动机视情维修研究

《基于隐马尔可夫的航空发动机视情维修研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第40卷第5期2010年9月航空计算技术AemnauticalComputingTechnj(IIleV01．40No．5sep．2010基于隐马尔可夫的航空发动机视情维修研究赵飞，王华伟，周唯杰(南京航空航天大学民航学院，江苏南京210016)摘要：针对传统航空发动机维修方式存在的“维修过剩”或“维修不足”的弊端，研究了航空发动机的视情维修决策模型。采用隐马尔可夫过程对航空发动机劣化过程建模，解决了传统马尔可夫过程中故障率均假定服从指数分布的局限，同时考虑了检测过程中的不完全信息情况，更贴近实际工程．相关结果可为视情维修提供辅助决策支持。通过具体示例，验证了方法的有效性和合理性

2、。关键词：航空发动机；隐马尔可夫；比例风险模型；维修决策中图分类号：V37文献标识码：A文章编号：1671—654x(2010)05-0015-05引言航空发动机是飞机的“心脏”，其潜在的故障可能导致功能失效而出现空中停车等飞行事故，甚至导致灾难性后果的产生。因此，为了有效避免潜在故障的发生，需准确判定发动机当前性能退化状态及是否需要预防性维修。针对传统航空发动机维修方式存在的“维修过剩”或“维修不足”的弊端，人们提出了视情维修(con-ditionBasedMaintenance，CBM)方式⋯，它是随着状态监控技术的广泛应用而兴起的一种新的维修策略，根据发动机运行时间及当前的

3、运行状态来决定是否进行维修，因此更能有效地防止故障和充分利用发动机的寿命。国内外对视情维修决策也展开了广泛研究，文献[2—3]通过建立比例风险模型(PHM)，对航空发动机或其他复杂系统开展维修决策研究，但在维修决策模型中通常假设定期并尽可能多地对发动机进行检测，以获取相应的状态信息，这会造成一定程度的停工损失和维修资源浪费，同时该模型认为检测信息是完备的，无法考虑到检测及维修过程中的不确定因素，文献[4—5]提出了基于马尔可夫状态转移模型的系统劣化过程，并研究了此模型中的最优维修策略问题，然而在这两篇文章中都认为故障率服从指数分布，而实际情况中故障率是随时间变化的，但若采用其他分

4、布则求解过程非常繁琐，几乎无法通过解析方法得到结果。基于以上研究，本文结合两种模型的优缺点，将比例风险模型引入到马尔可夫过程中，将状态值作为协变量，使故障率尽量贴近实际，而不是服从指数分布，同时考虑到检测信息的不完备性，采用隐马尔可夫模型(Hid—denMarkovModel，HMM)‘6

5、，制定动态规划问题，寻求在一定阈值下的最优维修策略。1模型假设1．1退化过程航空发动机故障通常是由于部件磨损或缺陷不断发展所导致的，随着工作时间的增加，发动机及其部件的性能不断劣化，但这一劣化过程能通过某些可检测的状态信息变化表现出来，如排气温差、振动情况等，通过对定期检测获得的信息进行分析，

6、可得到一个综合健康等级(观察值)，记在第蠡个检测点发动机的健康等级为巩，它是一个随时间变化的量，同时结合历史信息，从而以一定概率反映了发动机当前的退化状态。1．2检测与维修采取在等间隔的离散时间点对发动机进行检测，检测不会对发动机的劣化过程造成影响，但是检测后获得的信息因噪声和检测系统本身的错误而不能完全反应发动机的真实状况，即不完全检测，是航空发动机和大多数复杂系统状态检测的一般情况，根据检测信息得到发动机健康等级，以一定的概率反映发动机所处的退化状态。依据状态信息及故障信息，对发动机运行状况进行可靠性评估，给定某种控制阈值(本文以长期运行过程中单位时间费用最低为目标)，对发动

7、机采取相应的措施，如继续工作还是进行预防性维修，同收稿日期：20lO．06—29修订日期：2010一08．17基金项目：国家自然科学基金与民航总局联合资助项目(60879001)；国家自然科学基金重点基金资助项目(60939003)作者简介：赵飞(1986一)，男，江苏盐城人，硕士研究生，研究方向为航空发动机可靠性工程。·16·航空计算技术第40卷第5期时如果运行过程中出现故障，则立即进行维修，维修后系统如新，状态恢复到初始状态。2模型描述2．1隐马尔可夫过程(HMM)隐马尔可夫过程是一个双内嵌式随机过程，即由两个随机过程组成，一个是隐含的状态转移序列，它对应一个单纯的Marko

8、v过程，另一个是与隐状态有关的观测序列，同时在这两个随机过程中，有一个随机过程(状态转移序列)是不可观测的，只能通过另～个随机过程的输出观测序列进行推断，因此称为隐马尔可夫模型。将发动机的寿命历史模拟成一个离散时间的状态不可观的隐马尔可夫过程，设x(f)表示发动机状态的随机变量，其基本要素包括：1)状态空间．s={1，2，⋯，Ⅳ}，其中Ⅳ是发动机劣化状态的数目。状态数目确定方法较多，如对于有样本的可采用神经网络方法进行训练识别，对于无样本的可采用聚类等方法找出发动机性能衰退的明显