基于随机维纳过程的航空发动机性能衰退研究

doi:10.13675/j.cnki.tjjs.190632

推进技术 ›› 2021, Vol. 42 ›› Issue (3): 488-494.DOI: 10.13675/j.cnki.tjjs.190632

基于随机维纳过程的航空发动机性能衰退研究

赵洪利，张猛

中国民航大学航空工程学院，天津 300300

出版日期:2021-03-15 发布日期:2021-08-15

Performance Degradation of Aeroengines Based on Stochastic Wiener Process

College of Aeronautical Engineering，Civil Aviation University of China，Tianjin 300300，China

Online:2021-03-15 Published:2021-08-15

摘要/Abstract

摘要： 针对发动机下发间隔预测的问题，研究了发动机性能衰退规律。基于发动机排气温度裕度（EGTM）数据，建立了随机维纳模型，并使用严酷度因子修正模型，表征不同的工作条件对发动机的影响。利用期望最大化（EM）算法结合贝叶斯定理，对模型参数求解，最终得到了基于性能衰退的发动机平均下发间隔。研究结果表明，在严酷度因子为1.2696的使用条件下，某型号航空发动机性能衰退平均下发间隔为8219循环；基于该模型预测的发动机平均下发间隔与厂商建议的下发时间之间的误差仅为1.7%。

关键词: 航空发动机;维纳过程;严酷度因子;性能衰退;发动机排气温度裕度

Abstract: Aiming at the prediction of engine removal time，the engine performance deterioration was studied. Based on the engine gas temperature margin （EGTM） data， a stochastic Wiener model was established， and the severity factor was used to modify the model to characterize the effects of different operating conditions on an engine. The model parameters were worked out by expectation maximum （EM） algorithm combined with Bayes theorem， and finally the average engine removal time was obtained based on the engine performance deterioration. The results show that on the operation condition of severity factor of 1.2696， the average engine removal time caused by performance deterioration of a type engine is 8219 cycles. And， the error between the average engine removal interval estimated by this model and that recommended by the engine manufacturer is 1.7%.

Key words: Aeroengines;Wiener process;Severity factor;Performance deterioration;Engine gas temperature margin

赵洪利，张猛. 基于随机维纳过程的航空发动机性能衰退研究[J]. 推进技术, 2021, 42(3): 488-494.

ZHAO Hong-li, ZHANG Meng. Performance Degradation of Aeroengines Based on Stochastic Wiener Process[J]. Journal of Propulsion Technology, 2021, 42(3): 488-494.

参考文献

[1] 任淑红，左洪福. 基于性能衰退的航空发动机剩余寿命组合预测方法［J］. 机械科学与技术， 2011， 30（1）： 23-29.
[2] 赵凯，李冬，李本威. 发动机性能退化恢复技术研究［J］. 推进技术， 2015， 36（10）： 1560-1566.
[3] 黄亮，刘君强，贡英杰. 基于一致性检验的航空发动机剩余寿命预测［J］. 系统工程与电子技术， 2018， 40（12）： 2736-2742.
[4] 朱磊，左洪福，蔡景. 基于Wiener过程的民用航空发动机性能可靠性预测［J］. 航空动力学报， 2013， 28（5）： 1006-1012.
[5] 史华洁，薛颂东. 退化数据驱动的设备剩余寿命在线预测［J］. 计算机工程与应用， 2016， 52（23）： 249-254.
[6] 冯海林，李秀秀. 基于随机效应Wiener退化模型的剩余寿命预测［J］. 浙江大学学报（理学版）， 2018， 45（6）： 679-683.
[7] Hanumanthan H. Severity Estimation and Shop Visit Prediction of Civil Aircraft Engines［D］. Cranfield： Cranfield University， 2009.
[8] Justin C， Mavris D. Option-Based Approach to Value Engine Maintenance Cost Guarantees and Engine Maintenance Contracts［C］. Virginia Beach：11th AIAA Aviation Technology， Integration， and Operations （ATIO） Conference， 2011.
[9] Hanumanthan H， Stitt A， Laskaridis P， et al. Severity Estimation and Effect of Operational Parameters for Civil Aircraft Jet Engines［J］. Proceedings of the Institution of Mechanical Engineers， 2012， 226（12）： 1544-1561.
[10] Shannon Ackert S. Keeping Score： Analysis of an Engine’s Shop Visit Rate［J］. Aircraft Monitor， 2015， 13（1）：1-14.
[11] Shannon Ackert S. Engine Maintenance Concept for Financiers［J］. Aircraft Monitor， 2011， 9（2）： 15-29.
[12] 周义蛟，郭基联，万巍，等. 基于Wiener和Copula函数性能退化模型的减推力起飞可靠性收益评估研究［J］. 推进技术， 2019， 40（3）： 667-674.
[13] 司小胜，胡昌华，周东华. 带测量误差的非线性退化过程建模与剩余寿命估计［J］. 自动化学报， 2013， 39（5）： 530-541.
[14] 王兆强，胡昌华，司小胜，等. 一种基于维纳过程和贝叶斯估计的独立部件剩余寿命实时预测方法［C］. 贵阳：第25届中国控制与决策会议论文集， 2013.
[15] Liu C， Li H C， Fu K， et al. Bayesian Estimation of Generalized Gamma Mixture Model Based on Variational EM Algorithm［J］. Pattern Recognition， 2019， 87（1）： 269-284.
[16] 王卫国，孙磊. 基于Gamma过程和EM-PF参数估计的剩余寿命预测方法研究［J］. 军械工程学院学报， 2015， 27（2）： 1-7.
[17] 刘君强，谢吉伟，左洪福，等. 基于随机Wiener过程的航空发动机剩余寿命预测［J］. 航空学报， 2015， 36（2）： 564-574.
[18] 方坤，何怡刚，黄源，等. 基于K-S检验的瑞利衰落信道统计特性评估［J］. 电子测量与仪器学报， 2018， 32（8）： 36-41.
[19] 孔祥芬，张凯奇，张俊，等. 基于BB算法的左截断威布尔分布可靠性分析［J］. 中国机械工程， 2017， 28（15）： 1842-1847.
[20] 吴龙涛，王铁宁，杨帆. 基于贝叶斯法和蒙特卡洛仿真的威布尔型装备器材需求预测［J］. 兵工学报， 2017， 38（12）： 2447-2454.

基于随机维纳过程的航空发动机性能衰退研究

Performance Degradation of Aeroengines Based on Stochastic Wiener Process

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 0

编辑推荐

Metrics

本文评价