张世学，付文俊
中国航发南方工业有限公司 412000
摘要：航空发动机属于非常重要的航空仪器设备，属于自主航空设备的主要动力源泉，在运行过程中一旦航空发动机出现故障，会对航空设备的安全性产生直接影响，因此在日常工作中需要做好航空发动机故障诊断工作。本文主要分析了自主航空设备的航空发动机故障诊断技术。
关键词：航空发动机；故障诊断；技术分析；
目前我国航空发动机分为多种类型，所有的发动机类型都具备零件多、结构复杂的特点。在发动机的运行过程中需要定期开展故障诊断和维护保养工作，专业系统的监测发动机可能存在的安全故障，这样才能够有效确保航空发动机的稳定运行。在针对发动机故障开展监测工作需要在不同的工作环境中进行，例如高温、高压和高负荷，这样才能够确保故障诊断工作的开展准确无误。
一、航空发动机以及故障诊断概述
航空发动机是一种动力装置，能够为航空飞行设备提供飞行动力，航空发动机属于热力学的机械设备类型，具有密度高、精度高、复杂性强等特点，在航空设备的飞行过程中对于飞行性能的影响非常大，因此属于非常重要的机械设备。目前通过观察一个国家的航空发动机性能，能够有效的衡量出这个国家的科技水平、工业发展水平以及国防水平[1]。当前在我国的航空发动机体系当中，主要分为三种不同的发动机类型，活塞式发动机、燃气涡轮发动机以及冲压发动机。针对不同的设备需要采取不同的故障诊断技术。故障诊断技术的开展能够及时有效的检测出在航空发动机的运行过程中存在的安全故障，通过分析故障的类型和现象来了解故障的发生位置，并采取有效措施解决故障，恢复发动机的正常运行。因此故障诊断工作的开展并不仅仅是字面意思的诊断故障，还需要进行一系列的技术手段进行故障分析和故障解决。在航空发动机的日常检测工作中故障诊断工作属于完整的工作系统，主要针对航空发动机的运行开展质量检测工作和故障修复工作。针对航空发动机开展故障诊断要确定出性能检测标准，一般主要是检测发动机运行的分离性、适应性、安全性、准确性、灵敏性和及时性。在检测中分析发动机运行的及时性，也就是查看系统故障在发生之后，能够监测到故障发生点的最短的时间，这一时间段来衡量发动机运行的及时性。
二、航空发动机故障诊断技术分析
1.传统诊断方法
传统诊断方式主要基于物理化学的技术原理，通过分析在航空发动机运行中伴随出现的不同化学现象和物理现象，从而进行故障诊断[2]。例如在故障发生之后发动机可能会带来震动、声音、光线、热度、电力、磁场和射线等不同的条件变化，通过观察发动机出现的变化特征以及变化规律，分析之后鉴定出故障发生类型 被称为是物理化学诊断方法。传统诊断方式的诊断过程十分迅速，并且方法更加形象具体，但是这种有效的诊断方法只能针对部分故障进行检测，精密故障的出现无法准确检测出位置和类型，影响发动机的故障检测工作效率。
2.信号处理故障诊断
信号处理故障诊断方法顾名思义是基于信号分析工作的开展，进行发动机运行故障的有效诊断方式，这种诊断方式跟传统诊断方法都属于在诊断工作中应用时间比较长、应用范围比较广的技术类型[3]。采用了阈值模型开展信号分析和信号处理。在分析过程中使用频率比较多的有时频域特性分析、幅值分析、频域分析、时域分析等，技术人员把峰值、波形系数、波峰系数、均方根值等作为主要的信息数据参数，通过包络分析法、倒频谱法以及自回归谱分析法等技术的应用，进行信号处理。通过分析信号能够为诊断工作的开展提供精准的数据支持。
3.专家系统诊断方式
专家系统诊断方式主要是基于发动机运行规则，在传统的专家系统诊断过程中，基本上都是基于规则开展的，而这些规则是专家通过自主积累的故障检测经验分析和总结出来的，能够准确的把发动机故障和故障发生之间产生的征兆关系详细的描述出来[4]。专家系统诊断方法的应用十分简单和形象，并且直观方便，技术人员只需要采用直接的知识表示和简单的启发式知识既可以推理出安全故障的发生位置和原因。并且专家系统诊断方法的应用对于数据信息的存储空间要求非常小，轻松就能够编制出原型系统。但是该方法有优点也有缺点，知识库的覆盖故障模式十分有限，如果是没有出现过的故障或者是目前经验还不足的情况下，则无法进行故障诊断。并且在故障类型相似的情况下，还会引起误诊和诊断失败的情况。
4.故障树诊断分析
故障树能够直观立体的把航空发动机的故障传播关系呈现出来，故障树的顶事件设定为最不希望发生的事件，在顶事件设置出来之后按照诊断对象的功能和结构层层展开内部关系，一直到不可分事件为止，这一部分事件分为底事件。故障树诊断方法的应用能够有效的实现故障诊断，并且知识库能够实现动态化的修改，提升知识库内容的一致性。结合概率推理的应用能够进行选择规则的故障检测渠道，有效提升故障检测效率。如果采取的诊断技术跟领域不想管，只需要结合相应的故障树诊断技术既可以进行故障诊断。故障树诊断技术的缺点是本身建立在元件联系的故障模式分析基础上，并无法针对不可预知的安全故障进行诊断，对于故障树信息的完整性要求也非常高，因此诊断工作的开展并不全面。
5.神经网络诊断技术
基于航空发动机的神经网络进行故障诊断，分析故障映射，了解故障从一开始的故障征兆到后期的故障源映射过程，能够有效进行故障定位和故障诊断[5]。人工神经网络具有高度容错和高度非线性等特点，但是在诊断过程中存在黑箱方法，无法准确的把系统内部的潜在关系呈现出来，也不能针对诊断工作的过程进行明确合理的解释，导致诊断过程不够科学合理。
6.模型故障诊断技术
结合模型开展发动机故障诊断，也可以说是基于深知识进行故障诊断，能够有效减少知识获取的难度，提升故障诊断工作的精确度，目前该技术正处于深入研究开发过程中[6]。基于模型进行发动机的故障诊断能够有效的检测出未预知的安全故障，并不需要专家的经验积累。但是该技术投入使用的仿真模型非常放大和复杂，因此诊断起来速度非常慢。并且模型建设对于数据的精确度要求非常高，一旦数据信息跟实际系统运行稍有误差，会对检测结果产生较大的影响，很有可能会造成发动机错误报警。
7.其他诊断方法
除了上述内容之外还有其他不同的发动机故障诊断方式，例如模糊理论诊断方法、灰色理论诊断方法、逻辑判断方法和对比分析方法等。在实际的发动机故障诊断过程中，可以结合实际情况穿插使用。
结语：
在航空发动机故障诊断过程中，不同的方法都有自己的优点和缺点，需要在实际使用过程中，按照故障诊断需求和发动机运行实际情况进行针对性选择，可以选择一种诊断方式，也可以选择多种综合诊断方案，这样才能够保障诊断工作开展的全面性，确保航空发动机安全稳定的运行。
参考文献：
[1]朱涛,张栋善.基于遗传-Bp神经网络的航空发动机气路故障诊断研究[J].中阿科技论坛(中英文),2020(09):113-116.
[2]黄金泉,王启航,鲁峰.航空发动机气路故障诊断研究现状与展望[J].南京航空航天大学学报,2020,52(04):507-522.
[3]郝立华.航空发动机故障智能检测技术研究[J].电子设计工程,2020,28(14):131-134+140.
[4]陈清阳.航空发动机整机振动故障及其处理技术[J].河南科技,2020(20):54-56.
[5]庞梦洋,索中英,郑万泽,徐宇恒,包壮壮,黄林.基于RS-CART决策树的航空发动机小样本故障诊断[J].航空动力学报,2020,35(07):1559-1568.
[6]陈礼顺,张晗,陈雪峰,程礼,曾林.基于低秩稀疏分解算法的航空锥齿轮故障诊断[J].振动与冲击,2020,39(12):103-112.