航空发动机气路系统健康状态预测方法

航空发动机气路系统健康评估及预测具有重要的理论研究意义及工程应用价值。本书在置信规则库理论框架下，利用气路系统的多个性能参数作为输入特征，融合专家知识，研究基于多特征的航空发动机气路系统健康状态预测方法，动态、全面反映航空发动机气路系统健康状态，提高复杂机电系统健康状态评估的精度。建立了航空发动机气路系统健康状态和不同健康状态等级之间的隶属程度关系，解决了当航空发动机气路系统处于临界状态时健康状态等级的归属问题；建立融合多特征置信规则库的航空发动机气路系统健康状态预测模型，解决健康状态信息不完全问题；提出一种考虑监测误差的多特征置信规则库的航空发动机气路系统健康状态预测模型，解决环境噪声干扰及传感器退化等因素带来的监测数据不可靠问题；提出一种基于并串行置信规则库的航空发动机气路系统健康状态预测模型，解决单个置信规则库模型复杂度高不能动态全面反映气路系统的健康状态、运行时间长的问题。本书可供人工智能、复杂系统建模、系统辨识等专业研究生作为教材使用，也可供从事航空发动机气路系统故障预测、健康评估相关专业的工程技术人员阅读参考。

航空发动机作为飞机动力系统的核心部件之一，是一种高度复杂、高度精密的机械电子系统。在航空发动机的众多子系统当中，气路系统占有重要地位，航空发动机气路系统的健康管理直接影响飞机的安全运行及维护成本。航空发动机气路系统健康状态预测是航空发动机健康管理的重要内容，合理有效的健康状态预测可以在航空发动机气路系统发生故障及性能退化前，采取相应的措施消除系统的安全隐患。另外，对航空发动机气路系统进行有效的健康状态预测，可以为系统的维护提供决策依据，实现用最少的备件库存满足设备最大的维护操作，进而降低系统的备件库存费用，降低企业维护经济成本。
目前，航空发动机气路系统的健康状态预测大多是利用基于数据、基于模型和基于知识的方法建立预测模型，其准确性是由有效数据的种类及样本量决定的。虽然在航空发动机气路系统中，通过长期的可靠运行，可以获取大量的多种类的正常监测数据，但是，航空发动机气路系统的性能参数种类多样，数量众多，监测数据容易出现不完备且冗余的情况，无法取得良好的预测效果。
本书在对航空发动机气路系统健康状态预测方法深入研究分析、总结的基础上，在置信规则库理论框架下，融合航空发动机气路系统监测数据和专家先验知识对航空发动机气路系统进行健康状态预测，建立了基于多特征的航空发动机气路系统健康状态预测模型，提出了考虑特征量监测误差的航空发动机气路系统健康状态预测方法，建立了基于并串行置信规则库的航空发动机气路系统健康状态预测模型。
本书主要由尹晓静统稿和编写，张邦成、周志杰参与部分章节编写工作，主要内容为史广旭、彭寿鑫攻读硕士期间与导师尹晓静取得的成果，长春财经学院信息工程学院裴莹、长春工业大学硕士研究生张宇、于喆、贺强强、张森等参与了本书的校对工作，在此对他们表示由衷的感谢！本书得到国家自然科学基金面上项目（61973046），吉林省科技厅重点研发项目（20200403036SF）的资助，特此致谢！
限于笔者水平，书中不妥之处在所难免，恳请读者批评指正。

著者

尹晓静，博士，长春工业大学，讲师，硕士研究生导师，吉林大学在站博士后。一直从事机械性能状态监测及故障诊断等相关研究。主持国家自然科学基金青年基金项目1项，吉林省科技厅重点研发项目1项，吉林省教育厅项目1项；作为主要参与人获得吉林省科技进步一等奖1项，吉林省科技进步二等奖1项，中国专利优秀奖及吉林省专利金奖各1项；以一作及通信作者发表学术论文10余篇；出版学术专著1 部；授权软件著作权6项，申请发明专利2件；担任多个国际期刊审稿人。近年来，围绕复杂机电装备的故障诊断、健康状态评估及预测展开，以航空发动机、轨道车辆为研究对象开展研究。

航空发动机气路系统健康状态预测具有重要的理论研究意义及工程应用价值。本书在置信规则库理论框架下，对航空发动机气路系统健康状态预测方法进行介绍。在此基础上，融合航空发动机气路系统健康状态特征量及专家知识，建立了基于置信规则库的航空发动机气路系统健康状态预测模型，利用隶属度函数建立了不同健康状态等级之间的隶属度关系，解决了航空发动机气路系统处于临界状态时健康状态等级的归属问题； 建立了融合多特征的航空发动机气路系统健康状态预测模型，提高了航空发动机气路系统健康状态预测模型精度；建立了考虑监测误差的航空发动机气路系统健康状态预测模型，降低了环境噪声干扰及传感器退化等因素带来的监测数据不可靠性，提高了工程实际中系统健康状态预测的准确性；提出了一种基于并串行置信规则库的航空发动机气路系统健康状态预测模型，解决了单个置信规则库模型复杂度高、不能动态全面反映气路系统的健康状态和运行时间长的问题。
本书可供从事复杂机电系统建模， 航空发动机气路系统故障诊断、健康管理等相关方向研究的研究生及工程技术人员阅读参考。

第1章 概述 001
1.1 航空发动机气路系统健康状态预测方法分析 003
1.1.1 航空发动机气路系统健康状态预测发展现状 005
1.1.2 航空发动机气路系统健康状态预测研究存在的问题分析 008
1.2 本书的结构安排 008

第2章 置信规则库专家系统及其推理方法 011
2.1 专家系统 012
2.2 置信规则库的基本概念 014
2.3 置信规则库的推理 016
2.4 置信规则库专家系统模型优化 018
2.5 置信规则库的应用与发展 021
2.6 本章小结 025

第3章 航空发动机气路系统故障机理分析 027
3.1 概述 028
3.2 航空发动机气路系统的工作机理分析 028
3.3 航空发动机气路系统的故障机理分析 029
3.3.1 压气机部件故障机理分析 029
3.3.2 燃烧室部件故障机理分析 032
3.3.3 涡轮部件故障机理分析 034
3.4 本章小结 035

第4章 基于置信规则库的航空发动机气路系统健康状态预测 037
4.1 概述 038
4.2 问题描述 038
4.3 基于BRB-MF 的航空发动机气路系统健康状态预测模型 040
4.3.1 航空发动机气路系统健康状态特征量选择 041
4.3.2 基于BRB 的航空发动机气路系统健康状态概率预测 042
4.3.3 基于CMA-ES 优化算法的参数优化 043
4.4 航空发动机气路系统健康状态等级的确定 045
4.5 案例分析 049
4.5.1 数据的滤波处理 050
4.5.2 基于BRB 的航空发动机气路系统健康状态概率预测 051
4.6 对比分析 057
4.7 本章小结 059

第5章 基于多特征置信规则库的航空发动机气路系统健康状态预测 061
5.1 概述 062
5.2 航空发动机气路系统健康状态特征量分析 062
5.3 基于多特征置信规则库的航空发动机气路系统健康状态预测 065
5.3.1 问题描述 065
5.3.2 模型的建立 066
5.3.3 案例分析 069
5.4 本章小结 071

第6章 考虑监测误差的航空发动机气路系统健康状态预测 073
6.1 概述 074
6.2 问题描述 074
6.3 考虑监测误差的多特征置信规则库的航空发动机气路系统健康状态预测模型的建立 075
6.3.1 基于传感器退化和环境特性的监测误差的计算方法 075
6.3.2 考虑监测误差的多特征置信规则库的航空发动机气路系统健康状态预测模型的建立过程 079
6.3.3 健康状态预测模型的建立过程 083
6.4 案例分析 084
6.5 本章小结 093

第7章 基于并串行置信规则库的航空发动机气路系统健康状态预测 095
7.1 概述 096
7.2 问题描述 096
7.3 基于并串行置信规则库的航空发动机气路系统健康状态预测模型的建立 097
7.3.1 基于并串行BRB 的航空发动机气路系统健康状态预测模型的建立 097
7.3.2 基于模糊C 均值的置信规则库参数优化方法 099
7.3.3 航空发动机气路系统健康状态预测模型的建立过程 100
7.4 案例分析 100
7.5 本章小结 107

参考文献 108