基于支持向量机诊断的压气机清洗管理

石　硕

（沈阳发动机设计研究所，辽宁 沈阳 110015）

【摘　要】民用航空发动机部件在使用中不可避免的退化是导致发动机使用过程中整机性能衰减的最主要因素。压气机进气道因吸入大量气体，易发生积垢、腐蚀、侵蚀等，导致部件效率降低，最终影响发动机整机性能。压气机清洗作为业内广泛认可有效的发动机维护方式，已被列入常规的维护程序中。本文采用了支持向量机的方法判别压气机渐进退化状态，并给出是否进行压气机清洗维护的建议。

教育期刊网 http://www.jyqkw.com
关键词 发动机在翼清洗；支持向量机；遗传算法

作者简介：石硕（1982.11—），女，汉族，辽宁沈阳人，硕士，沈阳发动机设计研究所工程师，从事航空发动机预先研究总体设计工作。

0　引言

民用飞机自投入使用起，因其自身及环境原因，发动机部件会呈现不可避免的退化趋势。发动机整机性能随工作时间开始逐步衰减，主要表现为为维持推力在恒定范围之内增加的耗油量，以及随即造成的排气温度升高、热端部件寿命降低等，这些调整会对发动机的可靠性、经济性等造成直接或间接的影响。

发动机清洗，作为业界公认的最为经济有效的性能维持方法，目前通常采用固定时间间隔清洗的策略，由发动机生产厂商提供清洗周期建议或各航空公司根据自身航线及飞机特性进行定期清洗维护。随着视情维护理念得到更为广泛的认可，作为发动机定期维护保养基本程序的发动机清洗，也相应地希望优化管理应需而定。

本文以某长航程三轴大涵道比民用飞机发动机为例，对压气机部件退化进行判别，根据发动机性能状态变化，为发动机视情在翼清洗维护提供建议。

１　压气机部件退化判别

首先对发动机进行建模，模拟发动机性能（含性能衰减状态），可以得到由性能退化引发的各监测参数的变化。以此作为基础，选取支持向量机（Support Vector Machines - SVMs）作为分类器，判别压气机部件的退化。由于积垢、腐蚀等原因会导致发动机性能退化，具体表征为转速、耗油量等监控参数的变化。

将上图反向分析便可应用于发动机的健康诊断，即从监测参数的变化来推断发动机性能退化的原因，是本文判别压气机部件故障的基本思想。将部分发动机监测参数作为输入，对应的压气机是否发生了一定程度的渐进性性能衰减作为分类的标识。以支持向量机作为分类器，具体分为两步：训练分类器和使用分类器。

SVM作为分类器可进行分类前，需要对其进行训练学习，选择一些发动机监测的参数作为训练数据，通过判别发动机性能是否出现了渐进性的衰减来推断发动机部件是否发生了渐进性的退化。在此，被用作训练的监测参数包括：

●飞行马赫数

●压气机进出口压力

●压气机进出口温度

●转速

●EGT

●燃油流量

SVM是建立在统计学习理论的VC维理论和结构风险最小原理基础上的一种监督学习模型，因其在解决小样本、非线性问题中表现出许多特有的优势而广泛用于分类和回归问题中。此文借助于台湾大学的LIBSVM[1]工具箱，在MATLAB平台上实现对发动机部件渐进性退化的分类判别。

SVM的基本原理和相关数学证明可详见[2]，作为分类器SVM内部核函数的选择（图2&图4中参数g与核函数相关）和惩罚因子c会直接影响SVM的性能，因此两个参数的选择会最终影响部件退化的判别。遗憾的是，SVM内部参数的选择并没有可参考的准则，只能通过使用者的经验来选取，这无疑增加了达到SVM最优性能的难度，因此相关的优化方法被用来提高SVM的性能。

●网格寻优

网格寻优就是在一定范围内，选取不同内部参数组合建立分类器，并对其逐一计算准确率，进行比较。此文中设定网格大小从2-8-28，网格间距为0.5，遍历整个网格范围内，得到最高准确率（Accuracy）的SVM分类器，具体结果如下。

●遗传算法寻优

遗传算法(Genetic Algorithms - GA)是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，适用于对SVM的分类寻优。早期由Michigan大学的J. Holland 教授提出，遗传算法引入适者生存的进化理论，通过有组织而又随机的信息交换进行遗传操作，使“优秀基因”被不断保留、组合，从而不断产生出更佳的后代个体。子代个体中包含父代个体的大量信息，并在总体上胜过父代个体，从而使种群不断向前进化发展，即不断接近问题最优解。

下图设定种群规模为20，进化100次，依据某些适应性条件测算候选解的适应度（Fitness），通过带有猜测性质的选择操作、交换操作和突变操作，实现高准确率的SVM分类器。

分类器显示了SVM在小样本下的高性能的优点，两种方法均实现了SVM分类的寻优，巧合的是，两种寻优方式的分类器得到了相同的准确率（训练数据及测试数据的准确率），但不代表是两个相同的分类器（内部参数的取值不同），因此对于不同测试个体也未必有相同的分类结果。相比于其他寻优方式，网格寻优的方法易于理解，网格的范围和精度会直接影响最高准确率分类器的选取，只是这种性能的提升是以计算时间成本为代价，实际使用过程中，效率不高。遗传算法寻优方式，用户根据需要设定进化的次数以及种群规模，以适应度为目标函数实现优化，更易接近实际的最优值。

2　基于民用航空发动机状态的视情清洗管理

航空发动机限于自身条件，日常清洗维护采用在翼离线清洗方式。通过进行发动机清洗，能使由于发动机气流通道因积垢等因素造成部件流通能力和效率下降、从而引起的整机推力降低、耗油率升高、排气温度升高等导致的性能退化极大程度地得到恢复。

本文着重关注清洗前后对于发动机的经济性和安全性的影响，尤其是耗油率增加以及热端部件寿命的降低，对压气机清洗维护的影响进行分析，并给出是否建议清洗的意见。主要参数包括：

●压气机清洗成本，包含人力、清洗液等；

●发动机耗油量的增加成本；

●为维护发动机在一定推力范围内，克服性能衰减而提高的涡轮前温度引发的热端部件的寿命降低。

假定三种压气机清洗对性能恢复的效率R，以飞行循环为单位，给出的清洗维护建议，其中1表示建议清洗，0表示不建议。性能恢复效率R受很多因素影响，诸如，清洗液的特性，清洗操作是否得当，以及部件退化中积垢的组成比例等等。

上图结果显示，压气机清洗对性能恢复的效率对于压气机清洗的频率有一定的影响，进而影响发动机的维护成本。因此，如何有效提高压气机清洗对性能恢复的效率成为业内关注的焦点，将维护融入设计理念（如通用公司GEnx发动机在高压压气机中置有清洗用喷嘴设计），清洗系统的设计布局，清洗液的特性等等。

3　结束语

航空发动机的维护利润占总利润的份额已近半数，业内对于发动机维护的关注度也越来越高。本文根据发动机视情维护的理念，对发动机监测参数进行分析，用于判别压气机部件退化状态。针对压气机清洗对发动机的经济性和安全性的影响进行分析，提供发动机在翼清洗维护的建议。

教育期刊网 http://www.jyqkw.com
参考文献

［１］Chih-Chung Chang and Chih-Jen Lin, LIBSVM : a library for support vector machines, ACM Transactions on Intelligent Systems and Technology[Z].http://www.csie.ntu.edu.tw/~cjlin/libsvm，2001.

［２］Nello Cristianini, An Introduction to Support Vector Machines and Other Kernel-based Learning Methods[M].Cambridge University Press, 2000.

［３］雷英杰.MATLAB遗传算法工具箱及应用[M].西安电子科技大学出版社,2005.

［责任编辑：汤静］