基于马氏距离的航空发动机健康监控方法

《基于马氏距离的航空发动机健康监控方法》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４５卷第３期航空计算技术Ｖｏｌ．４５Ｎｏ．３２０１５年５月ＡｅｒｏｎａｕｔｉｃａｌＣｏｍｐｕｔｉｎｇＴｅｃｈｎｉｑｕｅＭａｙ．２０１５基于马氏距离的航空发动机健康监控方法谢吉伟，刘君强，王小磊（南京航空航天大学民航学院，江苏南京２１１１０６）摘要：航空发动机健康监控是实现航空发动机健康管理的关键技术之一。针对航空发动机健康监控高维计算复杂度高的问题，提出了一种基于主成分分析与马氏距离结合的计算方法。首先通过主成分分析对性能监测参数进行降维，并采用马氏距离计算发动机的健康参数，最终根据威布尔分布确定健康参

2、数的警戒值。实例计算结果表明，方法能够较好反映航空发动机健康状态，并能检测运行过程中出现的异常点。关键词：健康监控；主成分分析；计算复杂度；马氏距离中图分类号：Ｖ３２８文献标识码：Ａ文章编号：１６７１桘６５４Ｘ（２０１５）０３桘００７２桘０４Aero桘enginesHealthMonitoringMethodBasedonMahalanobisDistanceＸＩＥＪｉ桘ｗｅｉ，ＬＩＵＪｕｎ桘ｑｉａｎｇ，ＷａｎｇＸｉａｏ桘ｌｅｉ（CollegeofCivilAviation，NanjingUniversi

3、tyofAeronauticsandAstronautics，Nanjing２１１１０６，China）Abstract：Ａｅｒｏ桘ｅｎｇｉｎｅｈｅａｌｔｈＭｏｎｉｔｏｒｉｎｇｉｓｔｈｅｋｅｙｔｏｉｍｐｌｅｍｅｎｔｅｎｇｉｎｅｈｅａｌｔｈｍａｎａｇｅｍｅｎｔ（ＥＨＭ）．Ｄｅａｌｉｎｇｗｉｔｈｔｈｅｈｉｇｈ桘ｄｉｍｅｎｓｉｏｎｃｏｍｐｕｔａｔｉｏｎｃｏｍｐｌｅｘｉｔｙ，ａｍｅｔｈｏｄｗｈｉｃｈｃｏｍｂｉｎｅｄｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＰＣＡ）ａｎｄＭａｈａｌａｎｏｂｉｓｄｉｓｔａｎ

4、ｃｅ（ＭＤ）ｗａｓｐｒｏｐｏｓｅｄ．ＴｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｕｓｅｄＰＣＡｔｏｒｅｄｕｃｅｔｈｅｄｉｍｅｎｓｉｏｎｏｆｍｏｎｉｔｏｒｅｄｄａｔａ，ｃａｌｃｕｌａｔｅｄｔｈｅｈｅａｌｔｈｖａｌｕｅｏｆｅｎｇｉｎｅｓｂｙＭＤａｎｄｓｅｔｔｈｅｓｅｎｔｉｎｅｌｖａｌｕｅｓｃｏｎｄｉｔｉｏｎｅｄｏｎＷｅｉｂｕｌｌｄｉｓｔｒｉｂｕｔｉｏｎ．Ｎｕｍｅｒｉｃｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｐｌａｙｅｄａｇｏｏｄｐａｒｔｉｎｅｎｇｉｎｅｓｈｅａｌｔｈｍｏｎｉｔｏｒｉｎｇａｎｄ

5、ａｎｏｍａｌｙｄｅｔｅｃｔｉｏｎ．Keywords：ｈｅａｌｔｈｍｏｎｉｔｏｒｉｎｇ；ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ；ｃｏｍｐｕｔａｔｉｏｎｃｏｍｐｌｅｘｉｔｙ；Ｍａｈａｌａｎｏｂｉｓｄｉｓ-ｔａｎｃｅｓ引言在运行过程中所涉及的性能监测参数众多，这无疑造成了航空发动机健康状态评估的高维计算复杂度的航空发动机是飞机的“心脏”，其健康状态直接决［１］问题。定了飞机的安全性与可靠性。由于受到内部环境与为解决上述问题，本文采用主成分分析法（Ｐｒｉｎｃｉ-外部环境的影响，会造成航空发动机的性能

6、衰退，即航ｐａｌＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ，ＰＣＡ）对航空发动机的监测参空发动机健康状态改变，从而导致其可靠性与安全性数进行特征降维，提取出反映航空发动机健康状态的的降低。为此，必须在航空发动机运行过程中对其健特征参数，并通过马氏距离（ＭａｈａｌａｎｏｂｉｓＤｉｓｔａｎｃｅｓ，康状态进行评估，减少其发生风险事故的概率。ＭＤ）计算在当前状态与正常状态下特征参数的偏离程目前，基于性能监测数据的航空发动机健康状态［１］度，最终实现对航空发动机的健康状态评估。评估是主要的研究方向。国内外学者都对此进行了研

7、究，其中主要使用的方法包括：贝叶斯信息融合方［２］［３］［４］１航空发动机的监测参数降维法、符号序列联合熵方法、模糊粗集决策方法、神经网络与模糊逻辑［５］等方法。１．１主成分分析法［７］根据文献［６］的结论，基于状态监测数据的航空ＰＣＡ方法是基于特征量分析的多元统计方法，发动机健康状态监控的主要问题是如何解决监测数据其主要思想是通过对协方差矩阵进行特征分解，以得的高维复杂度、强耦合、强非线性等问题。虽然上述方出数据的主成分（即特征向量）与它们的权值（即特征法都实现了航空发动机健康状态评估，但由于发动机值）

8、。该方法适用于对高维数据样本进行降维，并被广收稿日期：２０１５－０４－０７基金项目：江苏省高校哲学社会科学研究项目资助（２０１４ＳＪＤ０４１）作者简介：谢吉伟（１９９０－），男，广东珠海人，硕士研究生，主要研究方向为航空发动机健康管理。２０１５年５月谢吉伟等：基于马氏距离的航空发动机健康监控方法·７３·泛地应用于故障诊断与状态监测问题中。对于某台在翼发动机而言，记其在监测时刻t下１．２主成分分析的计算步骤的监测数据矩阵为yt＝