戎翔左洪福
南京航空航天大学民航学院
[摘要]航空发动机是一类高度复杂的、可修复的多部件系统，是航空维修保障的重点。航空发动机的维修策略经历了故障后维修、定时维修、视情维修即基于状态的维修等多种维修策略，尤其因为视情维修具有较高的经济性和有效性，目前已成为航空发动机所采用的主要维修策略，数十年来，状态监测与故障诊断技术的发展以及单元体结构设计技术的应用正是这一重要变革的前提和基础。本文综述了航空发动机状态管理、寿命管理和视情维修决策管理的方法、技术和模型等方面的研究文献，跟踪了最新的自治维修理论，并在此基础上，指出了航空发动机状态监控和维修管理的发展方向。 双极化高频头[关键词] 视情维修发动机状态管理发动机寿命管理维修决策优化
1 引言
众所周知，随着技术的发展和研究的深入，工业领域的变革带来了维修思想的变化，也促进了维修策略的改进。按照莫布雷的观点，维修思想经历了以下三个阶段：故障后维修、以预防为主的维修和以可靠性为中心的维修[1]。目前应用在工业领域的一般维修理论是航空发动机维修保障的基础，航空发动机的
状态监控和视情维修维修决策体系主要来源于以下几种维修策略[2-5]。
图1：一般维修策略的分类
按维修方式分，有更改设计的维修DOM（Design-Out Maintenance）、基于故障的维修FBM （Failure Based Maintenance）、基于时间维修TBM（Time Based Maintenance）、基于状态的维修CBM（Condition Based Maintenance）等维修策略。CBM属于预防性维修PM（Preventive Maintenance），也称为on-condition maintenance。CBM的假设条件是：失效不是突然发生的，而是经过一段时间渐变形成的（P-F曲线）。当设定的系统参数值（接近）超过了预定值（例如，振动增加，温度升高）时，就进行CBM。CBM以系统的个体实际技术状态为基础，理论上可以避免“过修”和“失修”问题，可以更准确地权衡安全和经济的矛盾，最大限度地降低维修风险，优化维修成本，提高设备的可用度[6]。因此，国际上军、民用发动机都逐渐采用以视情为主的维修策略。
CBM最初出现在19世纪40年代的后期，发展到现在，引起了工业领域的工程专家和技术及理论研究者越来越多的关注[7]，可以从三个层面上来归纳他们的工作：第一是状态监控与故障诊断技术层面，研究人员获取数据、处理信号，建立对象的状态模型，提取状态特征，根据状态的变化来判断是否需要维修，具有了一定的维修决策能力[8]；第二是CBM优化决策层面，研究人员一般先假设状态模型已经建立，从概率论、随机过程、运筹学等理论基础上对被研究系统的费用、可用度等目标函数进行优化，典型的CBM优化模型有状态空间模型[9]、延迟时间模型[10]、计数过程[11]、冲击模型[12]、比例危险模型、马尔可夫模型等[7]；第三是CBM系统技术层面，有一些组织对CBM的技术框架进行研究，机械信息管理开放系统联盟MIMOSA（Machinery Information Management Open System Alliance）制定了CBM系统架构OSA-CBM[13, 14]。
由于CBM的建模理论和优化方法很复杂，需要借助计算机技术才能解决实际推广应用问题。因此，许多研究机构和公司针对特定的设备研究CBM决策软件等[15]。著名的有：加拿大多伦多大学A.Jardine和V.Makis教授组建了CBM实验室，研究开发了CBM软件包EXAKT tm [16]。
总的来说，借助于状态监测、故障诊断和维修决策等技术和理论的发展，CBM策略也在不断地进步，在电力、航空、船舶、核电等领域受到越来越多的应用。尤其在航空领域，无论是RCM思想[1]还是FAA的MSG-3规范[17]，都将CBM作为一类维修方式或维修工作而采纳，在军、民用航空器维修设计、运营与管理中普遍应用。而且，发动机状态管理、发动机寿命管理和维修决策优化构成了航空发
动机的CBM维修策略的主要内容，我们将从这三个方面介绍发动机CBM相应的方法、模型与技术。
2 CBM策略下的航空发动机状态管理health management
航空发动机的状态管理核心是发动机的状态监控，而航空发动机的状态监控又常常与故障诊断结合起来，可以及时发现故障与故障征候，以便及时采取相应的维修行为。现代航空发动机的结构复杂，且在高温、高压、大应力等苛刻条件下工作。目前不论发动机的设计、材料和工艺水平，还是使用、维修管理水平多高，都不能保障发动机在使用中不出故障，所以现代的军、民用飞机和直升飞机都装备了发动机状态监控系统EMS（Engine Monitoring System），该系统可以包括或不包括故障诊断系统[18]。这些机载系统、地面系统结合数据处理和分析软件，构成了航空发动机的状态管理体系。
2.1 民航发动机状态监控的发展历程
发动机状态监控主要包括系统化的数据采集（机载的on-board）；采集的数据由单个的点参数改变为趋势参数；使用计算机网络，又使监控数据构成全机队的综合数据库（地面的off-board）。主要经历了四个发展阶段，由100％的人工监控发展到100％的机器监控，形成了完备的监控方法[18, 19]。如错误！未到引用源。所示：
表1：航空发动机状态监控技术回顾管线电伴热
状态监控技术特点
人工记录在飞机稳定巡航状态，由机组人工记录驾驶舱仪表数据，然后录入计算机，再利用软件进行分析。费用较低，对飞机设备无特殊要求，易于制订程序，是早期发
动机监控的通用方式。但该方法易出现读出、抄写和输入错误，工作效率低，监
控参数少，存在滞后，准确性差，数据的再开发利用比较困难。
机载记录利用数字飞行记录器（DFDR）或快速记录器（QAR）中连续记录的参数重放，对发动机的工作状况进行监控，该方法避免了中间环节的错误，提高了性能监控的准
确度，可随时译码或重放，获得大量数据，但获得的发动机监控参数种类和数据
有限，不能选择记录器规定数据以外的参数监控。
飞机状态监控系统利用飞机状态监控系统（ACMS）连续监控飞行数据链（ARINC）并汇总数据，以报告的方式记录。该方法操作简单，监控范围广，减少了输出的数据量，提高了精
度。但最初投入费用高，对监控人员的专业水平要求高。
实时监控和人工智能飞机状态监控系统（ACMS）与飞机通信寻址和报告系统（ACARS）实时将发动机状态传递给地面维修工程部门，同时利用人工智能系统进行故障隔离和判断，及时分析研究，并采取措施。该方法除具有飞机状态监控的优点外，还增加了“实时（Real Time）”性，地面能对机组的操作及时给予指导，提前做好地面维修准备。这样可以提高飞行安全性，减少地面维修停场时间。
以上四种方法，实际上反映了发动机状态监控的发展过程。它由100％的人工监控发展到100％的机器监控，形成了完备的监控方法。发动机状态监控主要包括系统化的数据采集（机载的on-board）；采集的数据由单个的点参数改变为趋势参数；使用计算机网络，又使监控数据构成全机队的综合数据库（地面的off-board）。
图2：发动机监控的发展
2.2 航空发动机状态监控内容
按照航空公司日常的工程管理实际，有如下几类主要的监控内容：
（1）气路性能监控
民航发动机的核心部件是气路系统部件，包括压气机、燃烧室、涡轮。气路部件的一些热力参数可反映发动机性能状态变化，这些参数有：温度、压力、转子转速、燃油流量等，也叫做发动机可测参数，如：起飞状态下的EGT裕度是衡量民航发动机性能状态的主要指标。
气路性能分析是发动机状态监控的主要内容，也是发动机故障诊断的有效工具。有很多算法应用到发动机气路性能监控中，文献中常见的方法有：参数估计Parameter Estimation、卡尔曼滤波Kalman Filter (KF)、人工神经网络Artificial Neural Network (ANN)、模糊逻辑Fuzzy Logic (FL)、遗传算法Genetic Algorithm (GA)、隐马尔可夫Hidden Markov Model (HMM)、贝叶斯理论Bayesian Theory (BT)、专家系统Expert System (ES)、决策树Decision Tree (DT)、主成分分析Principal Component Analysis (PCA)、支持向量机 Support Vector Machines (SVM)等[20-22]。Li 对这些算法的计算速度和模型的复杂度进行了评估[23]。
（2）滑油监控
滑油监控技术是润滑系统部件及其封严系统状况的一种监控手段，适用于机械磨损类故障监控与诊断。发动机是复杂的技术密集型机械产品，其中包含大量的齿轮、轴承等机械旋转部件，因此滑油监测也是发动机状态监测与故障诊断的重要手段之一。航空发动机的滑油监控，一般包括：滑油消耗率监控、滑油磨粒监控、滑油品质状况监控和滑油温度和压力监控。其中滑油磨粒监控又可以分为在线监控和离线检测分析[24]。
（3）振动监控
雨水边沟振动信号是发动机状态监控与故障诊断常用的数据。发动机的高、低压转子是由叶片、盘、轴、轴承等旋转零部件构成。在装配过程中，这些部件不可能做到完全平衡，这种不平衡在旋转过程中会产生一定程度的振动信号，这些振动信号就是状态监控与故障诊断的征兆信息。另外，由于磨损或损伤等原因也会引起转子的振动。因此在飞机上都装有发动机振动监控系统，用来监控发动机的振动情况[20]。
（4）寿命件监控
寿命监控是对诸如盘、叶片等关键旋转部件的使用、损伤和剩余寿命等进行监控，包括在翼on-board运营时间和循环的跟踪和离翼off-board寿命预测。寿命监控对保证发动机在高性能水平下安全、可靠地工作有十分重要的作用，但是该监控方法有内在的不确定性，可能导致过分的保守或者潜在的不安
全的寿命预测，关于寿命监控和管理的理论和方法在接下来的章节会详细介绍。
2.3故障预测与状态管理（PHM）方法
右旋
故障预测与状态管理（prognostics and health management）是一种新的状态管理思想，它代表了一种方法的转变，即从传统的基于传感器的诊断转向基于智能系统的预测，利用先进的传感器（如无线微机电系统（MEMS）等）的集成，并借助各种算法（如快速傅里叶变换等）和智能模型（如专家系统、神经网络、模糊逻辑等）来预测、监控和管理飞机和发动机的状态[25]。
PHM技术首先在直升机上得到了应用，并演变成使用和状态管理系统（HUMS）[26]。波音公司和洛克西德. 马丁公司在投标下一代联合攻击战斗机JSF（Joint Strike Fighter）时都在其设计中综合了PHM能力[27]。波音公司还将PHM应用到民用航空领域，称作“飞机状态管理”（AHM）系统，用来保证航空公司减少飞行延误、航班取消等事件，实现高效率运营，降低运行成本[25]。PHM应用到航空发动机上，可以实现故障预报failure forecasting 、寿命预测life predication等，辅助发动机的运营和CBM管理。Jaw就提出一个基于web的平台ICEMS（Integrated Condition-based Engine Management System），可以实现发动机的PHM[28]。Fisher讨论了气路磨粒监控在发动机PHM中的应用[29]。Suarez等人介绍了一种航空发动机旋转结构的寿命预测系统，该系统综合PHM系统[30]。可以看出，PHM赋予了航空发动机CBM新的内容，美国国防部就在此基础上，将CBM扩展到武器保障领域，产生了CBM+的概念[31]。
3 发动机寿命管理Engine Life Management
（1）必要性
航空发动机的寿命是其竞争力与耐久性的重要特性之一，而后者又和发动机使用中的安全与效率密切相关。此外，现代燃气发动机的高可靠性与安全性很大程度上是材料的改进、寿命预测能力的改进、高的保守设计和维修思想的联合作用，所以发动机中的寿命管理是CBM策略的重要内容[32]。（2）发展历程
随着新一代发动机的寿命和可靠性的增加，以及经济条件和更加激烈的竞争的变化，航空发动机的寿命管理也在不断地变化[33]。
第一代航空发动机是以短寿命来开发的，成功的寿命试验、以及试验、运营中缺陷的减少都可以增加发动机寿命。从上世纪70年代开始航空发动机以长寿命来开发，发动机的运营寿命由加速寿命试验accelerated mission tests (AMT)和发动机中的关键零件来确定。但是，发动机根据定时送修between overhauls (TBO)来进行维修，发动机的下发与其状态无关。虽然这种方法虽然能保证安全性，却要花费很长时间在维修中，所以不是经济有效的方法。从上世纪90年代以来，航空发动机的寿命管理方法有了显著的变化，在适航规章等文件中也得到了体现[32]。现存的规章允许根据TBO 以及CBM 策略来维护发动机，使得发动机的关键零件的寿命在安全限度内。
可以看出，随着维修策略的改进，发动机的使用寿命在不断增加。bbzs
（3）发动机寿命管理方法
显然，发动机的寿命与其安全性和经济性是密切相关的。S. Vittal 等人提出旋转类零件的寿命管理影响安全性，气路部分的寿命管理影响经济性。归纳了多种航空发动机常见的寿命管理方法，如Life To First Crack (LTFC)、Retirement For Cause (RFC)、Risk-based Inspection & Repair 、the “2/3 dysfunction approach ”、Damage Tolerant Lifing 等概率设计算法[32]。也有用3D 有限元和概率方法分析旋转零件的裂纹增长，定量研究结构破裂的风险，预测发动机涡轮旋转件的寿命
茂发跳跳糖
[34]。或者将与发动机性能数据相关的参数方程应用到部件的寿命跟踪里，这与传统的发动机寿命管理方法不同[35]。
有一种重要的寿命管理方法来自于可靠性工程，用故障分布函数来预测零件的安全运行寿命，最常用的是Weibull 分布（Weibull analysis are extremely popular ）[36, 37]，但是需要注意的是，考虑到样本数据很少、故障数据是区间截尾型interval-censored （因为要在发动机检测的时候才可以得到故障数据，也就是说零件的确切故障时间是不知道的。），必须使用一些近似的方法来修改这些错误数据，如区间截尾最大似然估计等。
这些生存数据统计方法影响了发动机寿命管理，如比例危险模型proportional hazards models (PHM)，这种方法最初由Cox 应用在生物领域[38]，后来人们用它将视情维修CBM 数据与零件寿命信息综合起来，常见到形式是Weibull 比例危险模型（WPHM ），公式如下：
-11
()=()exp ()n i i i t t X X ββλγηη=⋅∑
其中：X = [X 1, X 2, … X n ]为n 个协变量的组成的向量，γ为对应的协变量系数向量，待估计的参数为：β，η，γ = [γ1, γ2, … γn ]，可用最大似然估计来计算这些参数。
可以看出，寿命管理方法能进行发动机或其零件的剩余寿命remain useful life 预测，可以为决策者提供决策信息，提前安排维修计划。但是，WPHM 等统计方法缺乏考虑发动机故障的物理根源，不能反过来对发动机的设计进行指导。然而，前面提到的几种概率方法可以解决这个问题，可以改善发动机设计的可靠性[32]。
4 航空发动机维修决策优化
发动机CBM 就是根据发动机的状态监控信息，决定采用何种维修行为的策略。它能减少不必要的拆换发动机或单元体，从而能大大提高发动机的利用率，减少总的维修费用；而且因故障和故障部位能被
及时查出，大大提高了发动机可靠性。所以对于航空发动机这类昂贵和复杂的设备的状态和寿命管理，CBM 是最经济、最有效的方法，实际中，航空发动机的CBM 策略必须为发动机的寿命与其他特性（如：可靠性、维修（包括修理）成本、发动机价格等）之间提供安全和最优的平衡[35]。
航空发动机维修决策优化的对象是发动机或其中的零件，根据其状态变化情况，通过控制一定的决策变量，使得需要的目标函数达到最优。其中，决策变量包括维修间隔、状态阈值、维修工作类型等；目标函数包括成本、可用度等，如单位周期内，单位时间平均费用最小或可用度最大等。这方面的研究，主要来自于传统的维修优化模型理论，涉及概率论、随机过程、运筹学等知识。有用最优停
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议