引用论文
严如强, 许文纲, 王志颖, 朱启翔, 周峥, 赵志斌, 孙闯, 王诗彬, 陈雪峰, 张军辉, 徐兵. 航空动员机燃油节制体系故障诊断技术研讨进展与挑战[J]. 机器工程学报, 2024, 60(4): 3-31.
YAN Ruqiang, XU Wengang, WANG Zhiying, ZHU Qixiang, ZHOU Zheng, ZHAO Zhibin, SUN Chuang, WANG Shibin, CHEN Xuefeng, ZHANG Junhui, XU Bing. Research Status and Challenges on Fault Diagnosis Methodology for Fuel Control System of Aero-engine[J]. Journal of Mechanical Engineering, 2024, 60(4): 3-31.
(戳链接，下载全文)
跟着动员机机能要求的赓续晋升,燃油节制体系服役的工况变得越来越恶劣、界限前提越来越繁杂。燃油泵固有压力脉动与管路、生路的流固耦合振动,密封圈腐蚀或老化导致的透露,油液污染或润滑油失效而发生的磨损加剧等均会造成燃油节制体系的致命故障。同时,燃油节制体系具有少测点、变工况、强滋扰及强非线性等特色,导致该范畴对故障诊断技术存在迫切需求,同时也面对伟大挑战 。 为推进故障诊断技术在燃油节制体系范畴的成长,西安交通年夜学严如强传授团队总结燃油节制体系的特色与常见故障,并在此根基上先容故障诊断技术的主要办法与分类。进一步从液压元件交换性角度,概述基于物理模子、旌旗灯号处置和人工智能诊断办法在燃油节制体系症结部件中的研讨近况。末了指出燃油节制体系故障诊断技术存在的挑战与机会 。他们的研讨结果以题为《航空动员机燃油节制体系故障诊断技术研讨进展与挑战》颁发在《机器工程学报》2024年第4期。
1
行业近况
航空动员机燃油节制体系主要由一系列液压机器装配构成，包含各类燃油泵、燃油计量装配、地位节制执行机构、燃油散布器、防喘切油装配、应急放油装配、射流焚烧装配等。燃油节制体系是动员机节制决议计划的执行体系，是决议节制品德与动员机机能的症结环节，也是保证航空动员机在各类极限工况下高效、稳固事情的症结因素。跟着动员机机能逐渐进步，燃油体系在高温、高压、强振动、年夜过载、高转速的恶劣情况中运行，导致故障频发 。 为了匆匆进故障诊断与猜测技术在燃油节制体系中的进一步成长，文中总结了三种主要的故障诊断办法： 基于模子的故障诊断、基于旌旗灯号处置的故障诊断和基于人工智能的故障诊断 。
燃油体系的故障频发性及其繁杂的运行情况使其成为故障诊断技术研讨的紧张工具。
波音777-200ER在希思罗机场下降时因为冰壅闭燃滑油热互换器导致燃料供给不敷，终极导致动员机没有推力 。
波音777燃油供给软管O型环毁坏引起燃油透露终极导致动员机动怒 。
波音777-300ER在孟加拉国达卡机场腾飞时因为燃油喷嘴受到污染导致燃烧不正常 。
波音777-300ER在新加坡下降时因为燃油透露导致燃滑油混归并在整个动员机中扩散，终极在动员机排气口附件点燃 。
在军用动员机范畴，美国空军、英国罗罗公司及我国某四型动员机的燃油节制体系故障率均较高，典型故障包含燃油体系主泵气蚀、尾喷管液压作动筒卡滞、透露、管路透露等。
这些利用场景注解了研讨燃油节制体系故障诊断技术的紧张性，以指示进一步的维护和节制行为，防止劫难性事故的产生 。典型燃油节制体系总体架构如图 1 所示。
2
论文亮点
故障诊断技术
基于模子的故障诊断办法：应用物理常识或体系辨认技术构建仿真模子，进行故障监测与诊断。基于模子故障诊断的根本布局如图 2 所示。
基于旌旗灯号处置的故障诊断办法：经由过程压力、振动、温度等旌旗灯号阐发进行故障特性提取，早期主要采纳时域计算统计量，现采纳时频阐发和非线性理论办法。图3为燃油节制体系压力旌旗灯号时频阐发。
基于人工智能的故障诊断办法：使用深度进修、机械进修等先进办法进行故障诊断，晋升诊断的精确性和鲁棒性。智能诊断办法如图 4 所示。
燃油节制体系故障机理建模
1. 离心泵故障机理建模
主要故障类型：转子不屈衡、转轴纰谬中、叶片缺陷、叶轮松动、轴承故障、水锤故障、气蚀故障等。
研讨办法：奇偶方程、均衡滤波器、模态动力学办法、有限元模子、动态模态分化办法等。
2. 齿轮泵外特征与故障机理建模
研讨内容：动力学特征和故障机理。
研讨办法：非线性集中参数-弹性动力学模子、CFD办法、组合模子（集中参数模子、有限元模子和界限元模子）、动态网格技术等。图5为齿轮泵压力脉动模子。
3.柱塞泵动态特征建模
建模办法：基于质量守恒的内部流场压力特征阐发、基于活动特征的声振特征阐发、多物理场耦合建模阐发。图6为基于欧拉法的柱塞泵内部流场节制体划分图。
4.电液伺服阀故障与节制特征建模
研讨内容：电液伺服阀的物理特征和失效机理。
研讨办法：有限元模子、数学模子、节制模子等。图7为SAF-RTOS 算法流程图。
燃油节制体系故障特性提取
基于旌旗灯号处置的故障诊断办法不依附于体系的数学模子，采纳时频阐发办法开展响应部件的故障诊断研讨。进步旌旗灯号处置算法的鲁棒性、可扩大性，实现从部件到体系的迁徙诊断是具有挑战性的事情。航空动员机燃油体系由浩繁部件构成，存在耦合关系，体系故障解耦、精确隔离、定位及诊断是伟大的挑战。
离心泵故障特性提取办法：振动、气蚀空化等故障特性常会体如今压力、振动、声旌旗灯号中。
齿轮泵故障特性提取办法：内磨损空化类故障影响供油机能，发生与转频相关的旌旗灯号身分。
柱塞泵故障特性提取办法：部件多，振动旌旗灯号通报路径繁杂，压力旌旗灯号调制特征显著。
电液伺服阀特性提取办法：直线往复活动旌旗灯号，旌旗灯号不具备扭转机器特性。
液压作动筒旌旗灯号特性提取办法：透露与卡滞类故障特性蕴含在压力旌旗灯号与位移旌旗灯号中。
管路旌旗灯号特性提取办法：压力旌旗灯号与振动旌旗灯号进行时频域离散阐发，实现缺陷辨认与定位。
燃油节制体系故障智能诊断
1.基于人工智能的故障诊断办法
数据驱动的智能诊断办法：解脱了对专业配景与专家常识的依附，简化了阐发进程。传统机械进修办法和深度进修办法在特性提取和故障模式辨认上各有上风，分外是深度进修在繁杂非线性映射方面表示凸起。图8为机械进修智能诊断一样平常流程。
深度进修利用：深度进修在航空动员机燃油体系故障诊断中获得了年夜量利用，能完成从数据预处置到故障模式的繁杂映射。
2.离心泵智能诊断
研讨概况：学者们应用各类办法对离心泵的康健状况进行分类，包含小波变换、支撑向量机、CNN、遗传算法、自进修办法等。
联合旌旗灯号处置和深度进修：多种办法联合旌旗灯号时频成像技术、Sobel滤波器、斯托克韦尔变换、光阴标准分化等进行故障分类和康健状况评估。
3.齿轮泵智能诊断
寿命猜测办法：使用深度卷积自编码器、Bi-LSTM收集、深度稀少自编码器、Robust-ResNet模子等进行齿轮泵寿命猜测。
故障诊断办法：联合旌旗灯号处置与机械进修，使用集成履历模态分化、贝叶斯收集、径向基函数神经收集、因子阐发法、卷积自编码器、变分模态分化等进行故障分类。
4.柱塞泵故障智能诊断
故障诊断办法：研讨了多种故障诊断算法，包含结合混沌理论、分层聚类算法、卷积神经收集、贝叶斯收集、随机丛林、粒子群优化、深度迁徙进修、物理信息神经收集等。
多源信息交融：多源信息交融加强了故障诊断的鲁棒性和精确性，分外是在处置噪声滋扰和非均衡数据方面表示凸起。
5.电液伺服阀智能诊断
深度进修模子利用：卷积神经收集和轮回神经收集普遍利用于液压阀故障特性提取和诊断。
注意力机制和图收集模子：研讨了多种新兴模子，包含注意力机制收集、图收集模子、反抗收集模子、多传感器信息交融、谱图小波卷积层、半监视进修办法等。
云服务器上的故障诊断：联合主身分阐发和极限梯度晋升树范型，实现了液压阀的准确诊断。
3
结论
跟着当代动员机机能逐渐进步，迫使燃油节制体系的事情情况加倍恶劣，恶劣的服役情况导致燃油泵、伺服阀和液压作动筒等部件故障频发。 另外，燃油节制体系自己具有少测点、变工况、强滋扰和强耦合等特色。 是以，研讨燃油节制体系故障诊断技术既有工程意义又有科学意义。
起首，依据分歧的建模策略，将故障诊断技术归纳为基于模子的故障诊断技术、基于旌旗灯号处置的故障诊断技术和基于人工智能的故障诊断技术，并联合燃油节制体系的特色对离心泵、齿轮泵、柱塞泵、伺服阀、作动筒及管路等症结元件分离进行研讨近况综述。 其次，基于燃油节制体系高温、高压、强振动等恶劣工况对症结元件服役机能的影响，阐发了现有故障诊断技术利用于燃油节制体系时存在鲁棒性较低、靠得住性较差实时效性不敷等问题。 末了，针对上述问题分离从以下四个方面进行技术瞻望，即： 多物理场耦合建模、稀少时频特性提取、常识数据双驱动的可解释智能诊断、模子轻量化与部署 。
4
[1] 姚华,黄金泉等. 航空动员机燃油及节制体系设计[M]. 北京：科学出书社,2022.
[2] 周汝胜, 焦宗夏, 王少萍. 液压体系故障诊断技术的研讨近况与成长趋向[J]. 机器工程学报, 2006(9): 6–14.
[3] XU W, ZHOU Z, LI T, et al. Physics-constraint variational neural network for wear state assessment of external gear pump[J/OL]. IEEE Transactions on Neural Networks and Learning Systems. [2024-01-16]. https://ieeexplore.ieee.org/document/9927309.
[4] XU W, WANG Z, ZHOU Z, et al. An advanced pressure pulsation model for external gear pump[J]. Mechanical Systems and Signal Processing, 2023, 187: 109943.
[5] WANG Z, ZHOU Z, XU W, et al. Physics informed neural networks for fault severity identification of axial piston pumps[J]. Journal of Manufacturing Systems, 2023, 71: 421-437 。
5
团队研讨偏向
可解释人工智能运维办法
机电体系状况监测、故障诊断与残剩寿命猜测
人工智能与智能制作、制作服务交融
生物医学旌旗灯号检测与处置
主创简介
严如强， 西安交通年夜学机器工程学院传授、博士生导师，国际机器中心主任。从事重年夜设备智能运维相关的理论办法与工程利用研讨，主持科技部重点研发方案项目和基金委天然科学基金重点项目等。国际电气与电子工程师协会会士(IEEE Fellow)、美国机器工程师协会会士(ASME Fellow)、享受国务院当局特殊津贴、国度百万万人才工程入选者、获2023年国度技术创造二等奖、2020年陕西省技术创造一等奖和教育部天然科学一等奖、IEEE仪器与丈量学会2019年科技奖(Technical Award)和2022年杰出服务奖(Distinguished Service Award), 牵头订定IEEE国际尺度1项。今朝为IEEE仪器与丈量学会Distinguished Lecturer，担任国际期刊IEEE Transactions on Instrumentation and Measurement主编，Chinese Journal of Mechanical Engineering副主编、《仪器仪表学报》和《中国科学技术年夜学学报》编委 。
6
团队近2年月表论著
[1] Yan R, Shang Z, Xu H, et al. Wavelet transform for rotary machine fault diagnosis: 10 years revisited[J]. Mechanical Systems and Signal Processing, 2023, 200: 110545.
[2] Shang Z, Zhao Z, Yan R. Denoising Fault-Aware Wavelet Network: A Signal Processing Informed Neural Network for Fault Diagnosis[J]. Chinese Journal of Mechanical Engineering, 2023, 36(1): 9.
[3] Xu W, Zhou Z, Li T, et al. Physics-Constraint Variational Neural Network for Wear State Assessment of External Gear Pump[J]. IEEE Transactions on Neural Networks and Learning Systems, 2022.
[4] Zhou Z, Li T, Zhao Z, et al. Time-varying trajectory modeling via dynamic governing network for remaining useful life prediction[J]. Mechanical Systems and Signal Processing, 2023, 182: 109610.
[5] Zhao Z, Wu J, Li T, et al. Challenges and opportunities of AI-enabled monitoring, diagnosis & prognosis: A review[J]. Chinese Journal of Mechanical Engineering, 2021, 34(1): 1-29 .
作 者：严如强
责任编纂：杜蔚杰
责任校对：张 强
审 核：张 强
JME学院简介
JME学院是由《机器工程学报》编纂部2018年创立，以存眷、陪同青年学者发展为主旨，尽力摸索学术流传服务新模式。首任院长是中国机器工程学会监事会监事长、《机器工程学报》中英文两刊主编宋天虎。
迎接列位先生扫码添加小助理-暖暖为石友，由小助理拉入JME学院官方群。
迎接存眷JME学院视频号~
寻觅互助伙伴
有一种互助叫做朴拙，有一种成长可以无穷，有一种伙伴可以互利共赢，愿我们互助起来乐不思蜀，成长起来远景可观。关于论文保举、团队先容、图书出书、学术直播、雇用信息、会议推广等，请与我们接洽。
感激存眷我们。《机器工程学报》编纂部将尽力为您打造一个有立场、有深度、有温度的学术媒体。
版权声明：
本文为《机器工程学报》编纂部原创内容，迎接转载，请接洽授权。
在"大众号后台留言必要转载的文章标题及要转载的"大众号ID以获取授权!
接洽人：暖暖
德律风：010-88379909
E-mail：jme@cmes.org
网 址：http://www.cjmenet.com.cn
官方微旌旗灯号：jmewechat
