第３９卷第４期 ２０１３年８月 航空发动机 Ａｅｒｏｅｎｇｉｎｅ Ｖ０１．３９ Ｎｏ．４ Ａｕｇ．２０１３ 航空发动机故障融合诊断研究 陈曦，廖明夫，王俨剀 （西北工业大学动力与能源学院，西安７１００７２） 摘要：结合气路诊断与振动分析方法，建立发动机故障融合诊断模型，探讨气路与振 动故障融合诊断方法的可行性。构建故障融合诊断３级体系（故障特征级、故障模式级以 及故障决策级融合），实现基于性能参数和振动参数的综合评估方法，获得基于小偏差法 的气路故障判据，形成基于动力学分析的振动故障判据，提出故障特征融合的方法，通过 算法实现故障融合识别，并在模拟试验器上进行涡轮叶片掉块故障试验验证，获得相应的 故障诊断决策。结果表明：设计的发动机故障融合诊断方法合理，算法正确。 关键词：航空发动机；气路故障；振动故障；融合诊断模型；融合识别 陈曦（１９９１），女，在读博士研究生， 研究方向为航空发动机转子动力学、振 Ｉｎｖｅｓｔｉｇａｔｉｏｎ ｏｆ Ａｅｒｏｅｎｇｉｎｅ Ｆａｕｌｔ Ｆｕｓｉ０ｎ ＤｉａｇｎＯＳｉＳ ＣＨＥＮ Ｘｉ，ＬＩＡＯ Ｍｉｎｇ— ，ＷＡＮＧ Ｙ “一ｋ ｉ 动测试、状态监测与故障诊断技术。收稿日期：２０１３—０１—１５ （Ｓｃｈｏｏｌ ｏｆＰｏｗｅｒ ａｎｄ Ｅｎｅｒｇｙ，Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ ａｎ ７１００７２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎ ｏｒｄｅｒ ｔｏ ｓｔｕｄｙ ａｅｒｏｅｎｇｉｎｅ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｗｉｔｈ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ，ａ ｈｅａｌｔｈ ｉｎｔｅｇｒａｔｅｄ ａｓｓｅｓｓｍｅｎｔ ｍｏｄｅｌ ｏｆ ａｉｒｃｒａｆｔ ｅｎｇｉｎｅ ｂａｓｅｄ ｏｎ ｐｅｒｆｏｒｍａｎｃｅ ｐａｒａｍｅｔｅｒｓ ａｎｄ ｖｉｂｒａｔｉｏｎ ｐａｒａｍｅｔｅｒｓ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄ．Ａ ｔｈｒｅｅ－ｌｅｖｅｌ ｓｙｓｔｅｍ ｏｆ ｆａｕｌｔ ｆｕｓｉｏｎ ｄｉａｇｎｏｓｉｓ ｗａｓ ｂｕｉｌｔ，ｉｎｃｌｕｄｉｎｇ ｔｈｅ ｆｅａｔｕｒｅ ｌｅｖｅｌ，ｍｏｄｅ ｌｅｖｅｌ ａｎｄ ｔｈｅ ｄｅｃｉｓｉｏｎ ｌｅｖｅ１．Ａ ｇａｓ ｐａｔｈ ｆａｉｌｕｒｅ ｃｒｉｔｅｒｉｏｎ ｂａｓｅｄ ｏｎ ｓｍａｌｌ ｄｅｖｉａｔｉｏｎ ｍｅｔｈｏｄ ｗａｓ ｇａｉｎｅｄ ａｎｄ ａ ｖｉｂｒａｔｉｏｎ ｆａｉｌｕｒｅ ｃｒｉｔｅｒｉｏｎ ｂａｓｅｄ ｏｎ ｄｙｎａｍｉｃｓ ａｎａｌｙｓｉｓ ｗａｓ ｆｏｒｍｅｄ．Ａ ｆａｕｌｔ ｆｕｓｉｏｎ ｄｉａｇｎｏｓｉｓ ｍｅｔｈｏｄ ｗａｓ ｐｕｔ ｆｏｒｗａｒｄ，ａｎｄ ａ ｇｏａｌ ｏｆ ｆａｕｌｔ ｆｕｓｉｏｎ ｒｅｃｏｇｎｉｔｉｏｎ ｔｈｒｏｕｇｈ ａｌｇｏｒｉｔｈｍ ｗａｓ ａｃｈｉｅｖｅｄ．Ａｎ ｅｘｐｅｒｉｍｅｎｔ ｏｆ ｔｕｒｂｉｎｅ ｂｌａｄｅ ｆｒａｃｔｕｒｅ ｆａｉｌｕｒｅ ｏｎ ｔｈｅ ｒｏｔｏｒ ｅｘｐｅｒｉｍｅｎｔａｌ ｄｅｖｉｃｅ ｗａｓ ｃｏｎｄｕｃｔｅｄ，ａｎｄ ａ ｆａｕｌｔ ｄｉａｇｎｏｓｔｉｃ ｄｅｃｉｓｉｏｎ ｃａｎ ｂｅ ａｔｔａｉｎｅｄ． Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔ ｒｅｓｕｌｔｓ ｉｎｄｉｃａｔｅ ｔｈａｔ ｔｈｅ ａｅｒｏｅｎｇｉｎｅ ｆａｕｌｔ ｆｕｓｉｏｎ ｄｉａｇｎｏｓｉｓ ｍｅｔｈｏｄ ｉｓ ｒｅａｓｏｎａｂｌｅ ａｎｄ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｉｓ ｃｏｒｒｅｃｔ． Ｋｅｙ ｗｏｒｄｓ：ａｅｒｏｅｎｇｉｎｅ；ｇａｓ ｐａｔｈ ｆａｕｌｔ；ｖｉｂｒａｔｉｏｎ ｆａｕｌｔ；ｆｕｓｉｏｎ ｄｉａｇｎｏｓｉｓ ｍｏｄｅｌ；ｆｕｓｉｏｎ ｒｅｃｏｇｎｉｔｉｏｎ Ｏ引言 在航空发动机的故障诊断领域，近年来的１个 但是进一步研究后，发现这个融合诊断系统嘲在具体 的应用中只涉及气路参数，并没有真正将振动、油液 等不同性质的数据互相融合，而且由于一些数据问题 是无法彻底实现的。其中有些方法在有效性上存在问 题。Ｘｉａｏ等人［６１提出融合气路参数数据与非参数数据。 数据预处理后输人至３种不同的诊断模型（随机森林 研究方向是信息融合，融合技术一般应用于３个层 面【ｌ１，包括数据、特征以及决策层面【１１。目前，常见的状 态监测与故障诊断手段ｆ２１分为３大类：气路分析，机械 状态监测以及无损探测类；而研究融合方法多集中于 特征层面和决策层面的融合，其中决策层面融合［３１较 为成熟。而特征层面的融合方法近几年兴起，其研究 多集中于人工智能（神经网络、人工智能等）和专家系 统，还存在着不少的问题有待解决。其中有些方法在 可实现性上存在问题。Ｖｌｏｐｏｎｉ等人Ｉ４１提出了针对ＰＷ 法，广义回归神经网络以及逻辑回归法）之中，作出诊 断决策。但结果表明，使用融合数据的诊断结果准确 度并没有比单独使用参数数据有较大幅度的提高，效 果不明显。还有些方法仅仅针对特定的故障进行诊 断，缺乏一定的通用性。Ｔｕｒｓｏ和Ｌｉｔｔｔ７ｊ提出利用卡尔曼 滤波获得的发动机气路性能变化信息，以及通过小波 分析提取的轴承加速计振动信号特征，将这两种信息 组合在一起，以明确识别外来物损伤事件这一特定故 障，最后基于Ｄｅｍｐｓｔｅｒ—Ｓｈａｆｅｒ—Ｙａｇｅｒ证据理论，获得 公司Ｆ１ １７发动机设计的故障诊断和健康管理的信 息融合系统。该信息融合系统通过对不同性质的数据 （如气路测量、振动信号以及油液磨屑等）进行融合。 第４期 陈曦等：航空发动机故障融合诊断研究 故障诊断决策。而Ｋｙｒｉａｚｉｓ等人嗍提出１种以非线性 气路分析为主，振动信息为辅的故障诊断方法。该方 法能在一定程度上提高故障诊断可信度，但是不足之 处在于非线性气路分析是核心部分，而由振动测量趋 势提供的信息则起辅助作用，仅用于缩小未知健康参 数的范围。 基于上述方法存在的不足之处，本文提出１种新 的方法和思路，以在一定程度上解决有效性以及通用 性问题。建立故障融合诊断的３级体系（故障特征级、 故障模式级以及故障决策级融合），实现基于性能和 振动参数的融合诊断方法，其中特征级提出气路与振 动故障的特征，模式级获得气路故障判据和振动故障 判据，决策级实现故障融合识别，获得可能的故障诊 断决策。 １ 故障融合诊断体系 本文设计的故障融合诊断体系如图１所示。 （１）征兆量：采集来自多个不同传感器的测量参 数（征兆量）的数据。 （２）故障融合：故障融合级别划分为３级，依次为 特征级、模式级和决策级。 （３）人机交互界面：借鉴趋势图、频谱图、指纹图 等图形表达方法，图文并茂地显示诊断过程、诊断结 果以及维修方案。 ２故障特征级融合 根据工程经验，从时域波形、频谱、相位、进动、轴 心轨迹以及振动方向等特征对典型振动故障进行归 纳汇总。典型振动故障【 包括不平衡、不对中、转子弯 曲、转子热套配合过盈不足、动静件径向摩擦、动静件 轴向摩擦、支承部件松动、转轴裂纹、旋转失速、喘振。 查阅相关资料，从推力（功率）、耗油率、排气温 度、增压比、落压比、流量等特征对典型气路故障进行 归纳总结。典型气路故障模式包括压气机效率下降， 相似空气流量下降，涡轮效率下降，第１级涡轮导向 器临界截面面积增大，第１级涡轮导向器临界截面面 积减小，尾喷管出口面积增大，尾喷管出口面积减小。 通过归纳总结典型振动故障，能将振动故障模式 与振动故障特征联系起来；再通过归纳总结气路故障 模式，能将气路故障模式与振动故障特征联系起来。 然后在模式级融合以及决策融合中，将气路、振动的 故障模式与按部件级分类的故障原因联系起来，如此 便形成了３级体系的２层关系。 为了对故障进行定位诊断，必须将故障细化至发 动机部件上，即由故障特征推断出实际的部件故障原 因。而故障模式既反映了故障特征，又便于说明按部 件级划分的故障原因的主要表现。因此，故障模式是 故障特征与故障原因的联系桥梁。 故障特征级融合是定性分析，是实现定量分析的 前提与依据。为了定量分析，必须实现故障模式级融 合与决策级融合，从而建立航空发动机故障融合诊断 模型。 ３故障模式级融合 ３．１ 基于动力学分析的振动故障判据 振动特征属于高频响应量，且变化幅度较大，因 此，采用动力学特征分析方法来提取特征量。但与常 见特征提取方式不同的是，提取振动特征量的变化 量，用于获取振动的趋势特征。由工程实践经验，建立 起振动测量参数与典型振动故障模式之间的联系。振 动故障判据主要根据试验测试所得的经验结果，通过 专家打分法对各种故障模式出现的主要频率进行百 分比的打分。当某个频率所占比例越大，百分比越高， 则该频率越能代表此故障模式的特征。 基于动力学分析的振动故障判据由振动方程组 获得。振动方程组可以表述成 ６Ｙ ＝Ｃ ８Ｘ１ （１） 式中：８Ｙ 为振动特征量（振动幅值的相对变化量）； ８Ｘ．为振动故障模式；Ｃ。为４￣１０维的振动故障系数 矩阵，并且Ｃ 是从工程实践经验中获得。 ８Ｙ 的各分量代表低次谐波、１倍频、２倍频、高 次谐波的相对变化量。８Ｘ 的各分量代表不平衡、不 对中、转子弯曲、转静件径向摩擦、转静件轴向碰摩、 转子热套配合过盈不足、转子支承部件松动、转轴裂 纹、旋转失速、喘振等振动故障模式。 ６Ｙ．的分量可以表示为 航空发动机 第３９卷 ２ ２ 一式中： 。为压气机效率；７ｒ 为压气机增压比；７ｒ 为涡 ４） （２） 轮落压比； 为压气机出口空气总温； 为涡轮进口 燃气总温； 为涡轮出Ｉ：１截面燃气总温；ｇ 为通过压 气机的相似空气流量；ｑ 为燃油流量；Ａ 是第１级涡 轮导向器临界截面面积故障因子。 ３．３典型融合故障系数矩阵 为了实现振动故障和气路故障融合诊断，将振 Ｃ＿Ｉ 。。：ｌ１ ０． ０５ ０ ．１０ ０．０ ５ ０．２ ０ ０： ．１２。０ 。‘０ ；０ ．１。０ ０； ．３２５ ００；． 。０５ 。‘０。 １ｌ ０ ０５０ ５ ５０ ０５０ １５。。。。。。。动、气路的故障判据形成１个共同的判据，用于联系 ０所有的测量参数与故障模式。 综合上述发动机典型气路和振动故障模式，建立 ８Ｙ＝Ｃ６Ｘ （５） 融合故障方程组，可以表述成 式中：测量参数（征兆量）向量ＢＹ＝［ＳＹ ，８Ｙ２］ ；故障因 子向量６Ｘ＝ 『Ｃ１ ０ １ ，８Ｘ２］ ；典型融合故障系数矩阵ｃ＝ 【０ Ｃ．Ｊ。 ３．４故障权重系数矩阵 在建立起测量参数与故障模式之间联系的基础之 上，需要建立实际部件故障原因与故障模式之间的联 系，从而通过２个层次的传递关系，实现根据测量参数 的变化诊断出发动机实际故障原因。根据经验并结合本 文参考的单轴涡轮喷气发动机模型，获取并归类汇总不 同故障原因对应的故障模式以及其权重系数见表１。 为了方便表达和故障识别，令 Ｚ＝Ｑ６Ｘ’ （６） 式中：ｚ为实际部件故障原因；６Ｘ’为故障模式（包括 振动和气路故障模式）；Ｑ为发动机部件级故障权重 系数矩阵。 Ｑ＝ （７） 这样可以建立起实际部件故障原因与故障模式 之间紧密的联系，方便故障诊断时能通过故障模式的 变化来识别出实际的部件故障。 第４期 陈曦等：航空发动机故障融合诊断研究 ８１ 表１ 单轴涡喷发动机的部件级故障权重系数 ３．５发动机融合故障模型 本文研究的故障融合诊断模型，其目的就在于通 过测量参数变化６Ｙ直接给出实际部件故障原因ｚ， 而故障模式６Ｘ是中间过渡环节。 将故障模式 变换成实际按部件级分类的故障 原因ｚ的优点为： （１）建立起实际物理故障原因ｚ与故障模式 之 间的紧密联系，方便故障诊断时能通过故障模式的变 化识别出实际部件故障原因。 （２）使诊断方法和结果更直观，更具有现实意义。 （３）有利于ｚ的修改和更新。 （４）有利于引入新的故障诊断领域（如滑油状态 监测与故障诊断领域）。 ４故障决策级融合 决策级融合的目的在于进行故障识别。经过上述 特征层和模式层的故障融合之后，能够获得具体故障 模式的类型和严重程度，接下来将进一步分析该故障 主燃烧室积炭与热腐蚀ｎ司ｚ９ 空气流量下降３％，涡轮效 率下降７％ 燃烧过程组织不善【 研Ｚ１０ 模式是由何种实际部件故障原因导致的。 本文将运用２种故障识别的方法，相似度法和距 流量下降４％，涡轮效率下 降５％ 离指标法。在进行故障识别之前，需要先对数据进行 预处理，包括等方差化和标准化。 ４．１ 相似度法 涡轮 叶轮偏心导致叶顶间隙气流 激振【 １１ ０．５转子不平衡，０．５转静 件径向摩擦，流量下降２％， 涡轮效率下降５％，第１级涡 轮导向器临界截面的面积减 小２％ ２个向量之间的相似度（夹角余弦） 计算为： ５ ＝—— 【（ ， ）（ ，ｈｋ）］ （ ＝ｌ～ｐ）（８） 涡轮叶片掉块【 ７１Ｚ１２ ０．５转子不平衡，０．５转子 弯曲，流量上升６％，涡轮效 率下降５％，第ｌ级涡轮导向 器临界截面的面积增加１％ 然后选择 最大的那个向量所对应的部件故障 原因作为最可能发生的故障原因。 ４．２距离指标法 评价２个向量近似相等的程度，可以利用距离指 标 ＝涡轮叶片积垢【 ８ＪＺ１３ ０．８５转子不平衡，０．１５转 静件径向碰摩，流量下降 ２％，涡轮效率下降３％，第１ 级涡轮导向器临界截面的面 积下降２％ ［（ 厂ｈ ） 一ｈ ）ｒ （９） 而且当距离越小时，２个向量就越接近相等。选 择 最小的那个向量所对应的部件故障原因作为最 可能发生的故障原因。 涡轮叶片侵蚀或腐蚀【 ９￣Ｚ１４ １．０转子不平衡，流量下降 １％，涡轮效率下降２％ 冷却有效性差（冷却量过少） Ｚｌ５ ０．７转子弯曲，０．３转静件 径向摩擦，流量下降２％，涡 轮效率上升２％ ５故障融合诊断过程 ５．１ 系统结构 发动机故障融合诊断系统结构如图２所示，包括 ４个主要模块：性能参数监测模块、振动参数监测模 块、标准数据库模块以及诊断结果显示模块。 冷却有效性差（冷却量过多）【 Ｚ１６ 流量下降３％，涡轮效率下 降４％ ８２ 航空发动机 第３９卷 性，重新输入数据，重复上述的故障诊断过程。 ６涡轮叶片掉块故障试验验证 ６．１故障模拟思路 涡轮叶片掉块故障若发生在实际发动机上，则可 图２故障融合诊断系统结构 能会使发动机报废，造成重大事故。而且能同时模拟 气路性能和振动故障的试验器目前并不存在。因此在 试验室进行的涡轮叶片掉块故障试验验证，采取的方 ５．２数据流程 系统的程序主流程（如图３所示）是整个系统设 计的核心思路。首先输入性能参数的基准数据和实测 数据，计算二者的相对偏差，获得气路故障模式。然 后，输入振动参数的标准数据和测量数据，显示频谱 图和特征幅值，计算二者的相对偏差，获得振动故障 模式。当获得气路与振动的融合故障模式之后，用相 似度法和距离指标法分别进行故障识别。若诊断结果 符合实际情况或经验结果，则显示最可能的故障原 因，并给出排故措施，完成故障融合诊断的全过程；若 诊断结果不符合实际情况，则检查输入数据的合理 图３数据程序流程 法是利用试验室提供的试验器获得振动数据，通过建 立模型仿真性能数据。并且试验器是单轴盘的结构， 与本文所采用的涡轮喷气发动机的气路故障模型的 单轴结构相吻合。因此，实测振动数据与仿真性能数 据的结合具有一定的合理性。 ６．２试验器系统 模拟涡轮叶片掉块故障的试验器的实物照片如 图４所示。试验器主要包括：转子支座（２个）、保护支 座、主动弹性支承干摩擦 阻尼器（２个）、轴、轮盘、 柔性联轴器、３相异步电 机相连以及变频器。 传感器包括：在轮盘 图４试验器 同一平面内的水平与铅垂位置各安装１个电涡流位 移传感器（Ｓｃｈｅｎｃｋ ＩＮ一０８５型），用于测量转子的径向 振动；在轴旁安装１个光电传感器（Ｓｃｈｅｎｃｋ Ｐ一８４ 型），用于测量转子的转速。 ６．３故障融合诊断的实例验证 由试验采集获得的振 动时域波形如图５所示，由 仿真获得的气路性能数据 见表２。其中，气路性能数 据的基准值由前述的基于 图５连续采集的振动 小偏差法的气路故障模型 时域波形 表２气路性能数据 第４期 陈曦等：航空发动机故障融合诊断研究 ８３ 提供，而仿真测试值则由模拟涡轮 表３振动幅值 叶片掉块故障获得。 将振动和气动数据输入该故 相对偏差 振动幅值８Ｙ １／２阶幅值 １．８６６９ 表８故障诊断结果 障融合诊断系统，进行融合故障 诊断。基于本文所提出的基准偏 １阶幅值 ２阶幅值高阶幅值 ２．０７６０ ０．４７６５ ０．５ｌ１２ 差法，已知振动幅值相对偏差８Ｙ 见表３，通过 。＝Ｃ ‘６ｙ．获得振 ６．４故障融合诊断系统的精度分析 输人故障融合诊断系统的数据分基准数据和测 动故障模式８Ｘ。见表４。 表４振动故障模式 不平衡 不对中转子弯曲 转静件径向摩擦转静件轴向摩擦 １．８６６９ ０．７７４１ １．８６８７ ０．９４５４ １．００８０ 转子热套配合过盈 转子支承部件松动 转轴裂纹 旋转失速 喘振 ０．９１０５ ０．８５７５ ０．９５４－＇ １．５９０￣ １．７７６ｆ 量数据２种。前者是正常状态下的数据，后者是故障 状态下的数据。而掉块、侵蚀或腐蚀、结垢，这些物理 故障的振动机理都可以抽象成转子质量偏心导致不 平衡，从而引起振动。掉块是突变故障，其时域波形是 阶跃变化的；而侵蚀、腐蚀以及结垢等是慢变故障，其 时域波形是连续平缓变化的。而输入至故障融合诊断 系统的数据并不包含故障前后的变化趋势，仅仅将故 障前后的两个具体状态进行对比，所以掉块、侵蚀、腐 蚀以及结垢的振动表现形式都是１倍频占优。因此， 当诊断结果是叶片侵蚀、结垢而非掉块故障时，不应 基于气路的小偏差法， 表５气动参数偏差６ 已知气动参数偏差６Ｙ 见表 ６卵ｃ ５，通过 ２＝Ｃ１ ｙ 获得气 路故障模式８Ｘ２见表６。 ０．０１００占 ０．０８７６ ０．１１１４ ８ ： ０・ｏ６２ 认为故障融合诊断系统存在严重错误，该诊断结果还 是具有一定的合理性和参考价值。 ８７ｒＴ一０．０２１９却 ０．０２８７ ０－２ｌ７１ ０．０１３７ 两ｆ 对上述获得的故障模 式进行汇总，并根据阈值 获得气路故障模式的变化 趋势，以及不同振动故障 模式的权重系数见表７。 获得气路与振动故障 模式后，通过２种故障决 表６气路故障模式 。 压气机效率 空气流量／％ ７结论 （１）用于建立测量参数和故障模式之间联系的故 ０．００２ ５．９９７ 障方程法，物理意义明确，方法简单，效率可观，可行 性良好。 涡轮效率，％ 一５．００１ （２）用于联系故障模式和实际部件故障原因之间 的权重系数矩阵，依据专家打分法，数据易修改，通用 性良好。 第１级涡轮导向器 ０．０１００１ 临界截面面积／ｍ２ 策方法（相似度法和距离指标法）与前述表１（单轴涡 （３）故障融合诊断系统的３级（特征级、模式级、 喷发动机的部件级故障权重系数）进行对比，获得最 可能的故障原因，故障诊断结果见表８。 表７气路与振动故障模式 决策级）融合方式是合理的，能够提高故障诊断的有 效性。 （４）根据涡轮叶片掉块故障的实例验证，针对故 障融合识别方法，相似度法比距离指标法的诊断精度 较高，诊断结果较可靠，效果较显著。 参考文献： ［１】赵鹏．基于信息融合技术的航空发动机故障诊断【Ｄ］．西安： 西北工业大学，２００７． ＺＨＡＯ Ｐｅｎｇ．Ａｅｒｏｅｎｇｉｎｅ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｂａｓｅｄ ｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｆＤ］．Ｘｉ’ａｎ：Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ，２００７．（ｉｎ Ｃｈｉｎｅｓｅ） 【２］刘长福，邓明．航空发动机结构分析【Ｍ］．西安：西北工业大 航学出版社，２００６：１３３—２９８． 空发动机 工业大学出版社，２００９：２０—１９８． 第３９卷 ＬＩＵ Ｃｈａｎｇｆｕ，ＤＥＮＧ Ｍｉｎｇ．Ｓｔｒｕｃｔｕｒａｌ ａｎａｌｙｓｉｓ ｏｆ ａｅｒｏｅｎｇｉｎｅ ＣＨＵ Ｗｕｌｉ，ＬＩＵ Ｑｉａｎｚｈｉ，ＨＵ Ｃｈｕｎｂｏ．Ｔｈｅｏｙ ｏｆｒ ａｉｒ ｂｌａｄｅ ｍａｃｈｉｎｅ［Ｍ】．Ｘｉ’ａｎ：Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ，２００９：２０－１９８．（ｉｎ Ｃｈｉｎｅｓｅ） 【Ｍ】．Ｘｉ’ａｎ：Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ，２００６： １ ３３—２９８．（ｉｎ Ｃｈｉｎｅｓｅ） 【３］Ｋｙｒｉａｚｉｓ Ａ，Ｍａｔｈｉｏｕｄａｋｉｓ Ｋ．Ｇａｓ ｔｕｒｂｉｎｅ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｕｓｉｎｇ ｆｕｚｚｙ—ｂａｓｅｄ ｄｅｃｉｓｉｏｎ ｆｕｓｉｏｎ ＩＪ１．Ｊｏｕｒｎａｌ ｏｆ Ｐｒｏｐｕｌｓｉｏｎ ａｎｄ Ｐｏｗｅｒ，２００９，２５（２）：３３５—３４３． ［１４］杜建建，李舜酩，方立成．进气畸变与旋转失速诱导叶片振 动的相关性分析ｌＪ１．航空动力学报，２０１１，２６（１１）： ２６２３—２６２９． ［４】Ｖｏｌｐｏｎｉ Ａ，Ｂｒｏｔｈｅｒｔｏｎ Ｔ，Ｌｕｐｐｏｌｄ Ｒ，ｅｔ ａ１．Ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ａｎ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｓｙｓｔｅｍ ｆｏｒ ｅｎｇｉｎｅ ｄｉａｇｎｏｓｔｉｃｓ ａｎｄ ｈｅａｌｔｈ ＤＵ Ｊｉ｛ｍｊｉａｎ，ＬＩ Ｓｕｎｍｉｎｇ，ＦＡＮＧ Ｌｉｃｈｅｎｇ．Ｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓ ｏｆ ｉｎｌｅｔ ｄｉｓｔｏｒｔｉｏｎ ａｎｄ ｒｏｔａｔｉｎｇ ｓｔａｌｌ ｉｎｄｕｃｉｎｇ ｂｌａｄｅ ｖｉｂｒａｔｉｏｎ ｍａｎａｇｅｍｅｎｔ【ｃ］／／Ｃｈｉｃａｇｏ：ＡＩＡＡ １ｓｔ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ｔｅｃｈｎｉｃａｌ Ｃｏｎｆｅｒｅｎｃｅ．２００４：１—１５． ［５】Ｖｏｌｐｏｎｉ Ａ．Ｄａｔａ ｆｕｓｉｏｎ ｏｆｒ ｅｎｈａｎｃｅｄ ａｉｒｃｒａｆｔ ｅｎｇｉｎｅ ｐｒｏｎｇｏｓｔｉｃｓ ａｎｄ ｈｅａｌｔｈ ｍａｎａｇｅｍｅｎｔ［Ｒ］．ＮＡＳＡ—ＣＲ一２００５—２１４０５５． ［６】Ｘｉａｏ Ｈｕ，Ｅｋｌｕｎｄ Ｎ，Ｇｏｅｂｅｌ Ｋ．Ａ ｄａｔａ ｆｕｓｉｏｎ ａｐｐｒｏａｃｈ ｆｏｒ ａｉｒｃｒａｆｔ ｅｎｇｉｎｅ ｆａｕｌｔ ｄｉａｇｎｏｓｔｉｃｓ【Ｃ］／／Ｍｏｎｔｒｅａｌ：ＧＥ Ｇｌｏｂａｌ Ｒｅｓｅａｒｃｈ，２００７． 『７］Ｔｕｒｓｏ Ｊ，Ｌｉｔｔ Ｊ．Ａ ｆｏｒｅｉｇｎ ｏｂｊｅｃｔ ｄａｍａｇｅ ｅｖｅｎｔ ｄｅｔｅｃｔｏｒ ｄａｔａ ｆｕｓｉｏｎ ｓｙｓｔｅｍ ｏｆｒ ｔｕｒｂｏｆａｎ ｅｎｇｉｎｅｓ ＪＲ］．ＮＡＳＡ－ＴＭ一２００４—２１ ３ １９２． 【８】Ｋｙｒｉａｚｉｓ Ａ，Ｔｓａｌａｖｏｕｔａｓ Ａ，Ｍａｔｈｉｏｕｄａｋｉｓ Ｋ，ｅｔ ａ１．Ｇａｓ ｔｕｒｂｉｎｅ ｆａｕｌｔ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｂｙ ｆｕｓｉｎｇ ｖｉｂｒａｔｉｏｎ ｔｒｅｎｄｉｎｇ ａｎｄ ｇａｓ ａｎａｌｙｓｉｓ 【ｃ］／／Ｏｒｌａｎｄｏ：ＡＳＭＥ Ｔｕｒｂｏ Ｅｘｐｏ：Ｐｏｗｅｒ ｆｏｒ Ｌａｎｄ，Ｓｅａ ａｎｄ Ａｉｒ。２００９：１—１０． 【９】盛兆顺，尹琦岭．设备状态监测与故障诊断技术及应用［Ｍ］． 北京：化学工业出版社，２００３：１３６—１７７． ＳＨＥＮＧ Ｚｈａｏｓｕｎ，ＹＩＮ Ｑｉｌｉｎｇ．Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｅｑｕｉｐｍｅｎｔ ｃｏｎｄｉｔｉｏｎ ｍｏｎｉｔｏｒｉｎｇ ａｎｄ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ［Ｍ］．Ｂｅｉｊｉｎｇ： Ｃｈｅｍｉｃａｌ Ｉｎｄｕｓｔｒｙ Ｐｒｅｓｓ，２００３：１３６－１７７．（ｉｎ Ｃｈｉｎｅｓｅ） 【１０】范作民，孙春林，白杰．航空发动机故障诊断导论［Ｍ］．北 京：科学出版社，２００４：２１—３６８． ＦＡＮ Ｚｕｏｍｉｎ，ＳＵＮ Ｃｈｕｎｌｉｎ，ＢＡＩ Ｊｉｅ．Ｉｎｔｒｏｄｕｃｔｉｏｎ ｏｆ ａｅｒｏｅｎｇｉｎｅ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ【ＭＩ．Ｂｅｉｊｉｎｇ：Ｓｃｉｅｎｃｅ Ｐｒｅｓｓ，２００４： ２１—３６８．（ｉｎ Ｃｈｉｎｅｓｅ） 【１１］梁磊，陈杰，蒋东翔．航空发动机常见气路故障与振动故障 特征分析［Ｊ］．振动与冲击，２０１０，２９（增刊１）：２１３—２１５． ＬＩＡＮＧ ＬｅＡ，ＣＨＥＮ Ｊｉｅ，ＪＩＡＮＧ Ｄｏｎｇｘｉａｎｇ．Ｃｏｍｍｏｎ ｇａｓ ｐａｔｈ ｆａｕｌｔ ａｎｄ ｖｉｂｒａｔｉｏｎ ｆａｕｌｔ ａｎａｌｙｓｉｓ ｏｆ ａｅｒｏｅｎｇｉｎｅ［Ｊ］．Ｖｉｂｒａｔｉｏｎ ａｎｄ Ｓｈｏｃｋ，２０１０，２９（Ｓ１）：２１３—２１５．（ｉｎ Ｃｈｉｎｅｓｅ） 【１２］李冬，樊照远，张娟，等．压气机叶片粗糙度对其性能衰退 的影响研究【Ｊ】．航空发动机，２００９，３５（５）：３１—３５． ＬＩ Ｄｏｎｇ，ＦＡＮ Ｚｈａｏｙｕａｎ，ＺＨＡＮＧ Ｊｕａｎ．Ｉｍｐａｃｔ ｏｆ ｒｏｕｇｈｎｅｓｓ ｏｆ ｃｏｍｐｒｅｓｓｏｒ ｂｌａｄｅ ｏｎ ｐｅｒｆｏｒｍａｎｃｅ ｒｅｃｅｓｓｉｏｎ［Ｊ］．Ａｅｒｏｅｎｇｉｎｅ， ２００９，３５（５）：３１—３５．（ｉｎ Ｃｈｉｎｅｓｅ） ［１３］楚武利，刘前智，胡春波．航空叶片机原理［Ｍ］．西安：西北 【ＪＪ．Ｊｏｕｒｎａｌ ｏｆ Ａｅｒｏｓｐａｃｅ Ｐｏｗｅｒ，２０１ １，２６（１ １）：２６２３－２６２９． （ｉｎ Ｃｈｉｎｅｓｅ） 【１５］晏砺堂，洪杰，李其汉，等．压气机叶轮偏心引起的自激力 和稳定性的理论分析ＩＪ１．航空动力学报，１９９４，９（２）： １５６－１６０． ＹＡＮ Ｌｉｔａｎｇ，ＨＯＮＧ Ｊｉｅ，ＬＩ Ｑｉｈａｎ，ｅｔ ａ１．Ｓｅｌｆ－ｅｘｃｉｔｅｄ ｆｏｒｃｅｓ ａｎｄ ｓｔａｂｉｌｉｔｙ ａｎａｌｙｓｉｓ ｉｎｄｕｃｅｄ ｂｙ ｅｃｃｅｎｔｉｒｃｉｔｙ ｏｆ ｃｏｍｐｒｅｓｓｏｒ ｉｍｐｅｌｌｅｒ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ａｅｒｏｓｐａｃｅ Ｐｏｗｅｒ，１９９４，９（２）：１５６—１６０． （ｉｎ Ｃｈｉｎｅｓｅ） 【１６】姚四伟，张力先，霍岩．发动机燃烧室部件故障的分析与预 防『Ｊ１．西安航空技术高等专科学校学报，２００８，２６（１）： １８－２０． ＹＡＯ Ｓｉｗｅｉ，ＺＨＡＮＧ Ｌｉｘｉａｎ，ＨＵＯ Ｙａｎ．Ｆａｉｌｕｒｅ ａｎａｌｙｓｉｓ ａｎｄ ｐｒｅｖｅｎｔｉｏｎ ｏｆ ｅｎｇｉｎｅ ｃｏｍｂｕｓｔｉｏｎ ｃｈａｍｂｅｒ ｃｏｍｐｏｎｅｎｔ『Ｊ１． Ｊｏｕｒｎａｌ ｏｆ Ｘｉ’ａｎ Ａｅｒｏｔｅｃｈｎｉｃａｌ Ｃｏｌｌｅｇｅ，２００８，２６ （１）： １ ８－２０．（ｉｎ Ｃｈｉｎｅｓｅ） 【１７】刘庆琼．发动机Ｉ级压气机转子叶片断裂分析［Ｊ］．失效分 析与预防，２００７，２（２）：３５—３７． ＬＩＵ Ｑｉｑｕａｎ．Ｆｒａｃｔｕｒｅ ａｎａｌｙｓｉｓ ｏｆ １ ｓｔ ｓｔａｇｅ ｅｎｇｉｎｅ ｃｏｍｐｒｅｓｓｏｒ ｒｏｔｏｒ ｂｌａｄｅ［Ｊ］．Ｆａｉｌｕｒｅ Ａｎａｌｙｓｉｓ ａｎｄ Ｐｒｅｖｅｎｔｉｏｎ，２００７，２（２）： ３５—３７．（ｉｎ Ｃｈｉｎｅｓｅ） 【１８】李本威，李冬，沈伟，等．涡轮叶片粗糙度对其性能衰退的影 响研究ｌＪ１．航空计算技术，２００９，３９（５）：２６—３４． ＬＩ Ｂｅｎｗｅｉ，ＬＩ Ｄｏｎｇ，ＳＨＥＮ Ｗｅｉ，ｅｔ ａ１．Ｉｍｐａｃｔ ｏｆ ｒｏｕｇｈｎｅｓｓ ｏｆ ｔｕｒｂｉｎｅ ｂｌａｄｅ ｏｎ ｐｅｒｆｏｒｍａｎｃｅ ｒｅｃｅｓｓｉｏｎ［Ｊ１．Ａｅｒｏｎａｕｔｉｃａｌ Ｃｏｍｐｕｔｉｎｇ Ｔｅｃｈｎｉｑｕｅ，２００９，３９（５）：２６－３４．ｆｉｎ Ｃｈｉｎｅｓｅ） ［１９】王四季，廖明夫，杨伸记．主动式弹支干摩擦阻尼器控制转 子振动的实验【Ｊ１＿航空动力学报，２００７，２２（１１）： １８９３－１８９７． ＷＡＮ（；ｓｉｊｉ，ＬＩＡＯ Ｍｉｎｇｆｕ，ＹＡＮＧ Ｓｈｅｎｊｉ．Ｒｏｔｏｒ ｖｉｂｒａｔｉｏｎ ｅｘｐｅｒｉｍｅｎｔ ｂａｓｅｄ ｏｎ ａｃｔｉｖｅ ｅｌａｓｔｉｃ ｓｕｐｐｏｒｔ ａｎｄ ｄｒｙ ｆｒｉｃｔｉｏｎ ｄａｍｐｅｒ ｃｏｎｔｒｏｌ『Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ａｅｒｏｓｐａｃｅ Ｐｏｗｅｒ，２００７，２２ （１ １）：１８９３—１８９７．（ｉｎ Ｃｈｉｎｅｓｅ）
