魏松江，李書明

（中國民航大學航空工程學院，天津 300300）

BP神經(jīng)網(wǎng)絡(luò)在民航發(fā)動機實時監(jiān)控技術(shù)中的應(yīng)用研究

魏松江，李書明

（中國民航大學航空工程學院，天津 300300）

通過對民航發(fā)動機實時監(jiān)控技術(shù)中，傳統(tǒng)門限值方法和BP神經(jīng)網(wǎng)絡(luò)方法優(yōu)缺點的比較，提出運用BP神經(jīng)網(wǎng)絡(luò)進行民航發(fā)動機的實時監(jiān)控；然后對將BP神經(jīng)網(wǎng)絡(luò)方法運用到民航發(fā)動機實時監(jiān)控中的步驟進行了一一說明；并最終簡要地進行了過程模擬；最后結(jié)果顯示，BP神經(jīng)網(wǎng)絡(luò)能有效地進行民航發(fā)動機的實時監(jiān)控。

民航發(fā)動機；實時監(jiān)控；門限值法；BP神經(jīng)網(wǎng)絡(luò)

民航發(fā)動機的機構(gòu)十分復(fù)雜，其常常需要在高溫、高壓、高應(yīng)力和高轉(zhuǎn)速的狀態(tài)下工作,是一種多發(fā)故障性的機械。任何故障的發(fā)生都可能導(dǎo)致災(zāi)難的發(fā)生，所以，能夠及時地發(fā)現(xiàn)民航發(fā)動機的異常狀況就顯得特別的重要[1]。如今，航空工業(yè)發(fā)達國家對發(fā)動機狀態(tài)實時監(jiān)控技術(shù)的應(yīng)用研究已日趨成熟并普遍應(yīng)用[3]。健康管理系統(tǒng)（EHM）和視情維修的概念也早已被提了出來[5～6]。今天，視情維修已經(jīng)成為民航機務(wù)維修的主流[7]。而民航發(fā)動機的實時監(jiān)控技術(shù)的地位也越來越高。因為視情維修的關(guān)鍵就是在于快速、及時、準確地監(jiān)控出是民航發(fā)動機的哪些參數(shù)發(fā)生了超限，是哪些系統(tǒng)和部件發(fā)生了異常狀況。

1 傳統(tǒng)門限值法的優(yōu)缺點

在實際生活中，各大航空公司一般采取傳統(tǒng)的方法進行民航發(fā)動機的實時監(jiān)控，即門限值法。這種方法用起來往往比較快捷，并且看起來很直觀。但是其存在一個很大的缺陷，即一旦某種型號的民航發(fā)動機確定以后，其某個參數(shù)的門限值也就確定下來了，無論該民航發(fā)動機處于什么狀態(tài)，是起飛狀態(tài)或者是巡航狀態(tài)，這個門限值都不會發(fā)生變化。這明顯不利于民航發(fā)動機的實時監(jiān)控，因為在不同狀態(tài)下，民航發(fā)動機的某個參數(shù)的超限值是連續(xù)發(fā)生變化的。同時，進行民航發(fā)動機實時監(jiān)控時，需要同時監(jiān)控很多個參數(shù)，而這很多個參數(shù)往往是有千絲萬縷的聯(lián)系的，即具有相關(guān)性。但傳統(tǒng)的門限值法則往往是分開監(jiān)控各個參數(shù)，不能反映參數(shù)之間的這種相關(guān)性，且容錯能力差[1]。

2 利用BP神經(jīng)網(wǎng)絡(luò)進行民航發(fā)動機的實時監(jiān)控

利用BP神經(jīng)網(wǎng)絡(luò)進行民航發(fā)動機的實時監(jiān)控優(yōu)點：

（1）當民航發(fā)動機的狀態(tài)發(fā)生變化時，對應(yīng)參數(shù)的門限值所連成的邊界也就發(fā)生了變化。利用BP神經(jīng)網(wǎng)絡(luò)進行實時監(jiān)控時，可以緊隨這種變化，整體有效地檢測測量參數(shù)是否超限。

（2）利用BP神經(jīng)網(wǎng)絡(luò)還可以使測量參數(shù)之間的相關(guān)性問題得到有效地解決。

2.1 選取測量參數(shù)

對于民航發(fā)動機實時監(jiān)控所要選取的參數(shù)，往往需要考慮兩方面的因素。一方面，獲得盡可能多的民航發(fā)動機測量參數(shù)，但是在現(xiàn)實生活中，往往因為傳感器的原因，只能得到有限的測量參數(shù)；另一方面，控制測量參數(shù)之間的相關(guān)性，使相關(guān)性要小。同時要求所選取的測量參數(shù)能夠很敏銳地反映出所處民航發(fā)動機的故障狀況[1]。

對于民航發(fā)動機本身來說，對其要求是在整個飛行包線內(nèi)，在不同的工作狀態(tài)下，能達到低耗油率、大推力的標準。在本文中選取風扇轉(zhuǎn)速nL、高壓轉(zhuǎn)子轉(zhuǎn)速nH、壓氣機出口總壓Pt3、風扇出口總溫Tt21、低壓渦輪出口總溫Tt5和主燃油流量Wf作為系統(tǒng)的測量參數(shù)。實際利用的是nH、Pt3、Tt21、Tt5、Wf的偏差值，風扇轉(zhuǎn)速nL則用于反映民航發(fā)動機當前所處的狀態(tài)。這也是借鑒了GE公司用風扇轉(zhuǎn)速nL來反映民航發(fā)動機的工況的方法。

2.2 BP神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)的確定

本論文選取的BP神經(jīng)網(wǎng)絡(luò)是一個5進5出的結(jié)構(gòu)，輸入的是瞬態(tài)ΔnH、ΔPt3、ΔTt21、ΔTt5、ΔWf的絕對值歸一化后的值，輸出DnH、DTt21、DTt3、DPt5、DWf則分別代表nH、Pt3、Tt21、Tt5、Wf的正常程度。如圖1：

圖1 數(shù)據(jù)超限檢查的神經(jīng)網(wǎng)絡(luò)示意圖

（1）BP神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元數(shù)目的確定

能夠?qū)P神經(jīng)網(wǎng)絡(luò)中隱含層的神經(jīng)元數(shù)目確定在某個合適的值或者小范圍內(nèi)，對于該BP神經(jīng)網(wǎng)絡(luò)能否有效地發(fā)揮作用，具有很關(guān)鍵的作用。因為如果隱含層的神經(jīng)元數(shù)目太少，那么該神經(jīng)網(wǎng)絡(luò)的映射精度就會變低，結(jié)果會出現(xiàn)較大的偏差。如果隱含層神經(jīng)元數(shù)目太多會導(dǎo)致泛化能力會變差，并且誤差不一定最佳、學習時間還會過長。

對BP神經(jīng)網(wǎng)絡(luò)來講，要想確定它的結(jié)構(gòu)需要遵循兩條指導(dǎo)原則：

一是，在一般情況下，三層網(wǎng)絡(luò)就可以滿足要求；

二是，在三層網(wǎng)絡(luò)中，隱含層神經(jīng)元個數(shù)n1和n之間有以下近似關(guān)系[9]：

在本文中所用的BP神經(jīng)網(wǎng)絡(luò)中，因為n=5，則隱含層中神經(jīng)元的個數(shù)n1=11。那么可以確定該神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)是5、11、5。

（2）激活函數(shù)的選擇

BP網(wǎng)絡(luò)經(jīng)常采用S型的正切函數(shù)、S型對數(shù)函數(shù)或線性函數(shù)。

設(shè)x為函數(shù)的輸入，y為函數(shù)的輸出，則：

（1）雙曲正切S型函數(shù)：

（2）S型對數(shù)函數(shù)：

對于本文所應(yīng)用的BP神經(jīng)網(wǎng)絡(luò)，其輸入輸出均需歸一化到[0，1]之間，因此，為了將隱含層的神經(jīng)元的輸入映射到區(qū)間(-1，1)，隱含層選取雙曲正切S型函數(shù)；而為了可將輸出層的神經(jīng)元輸入很好的映射到區(qū)間(0，1)中，輸出層選擇S型對數(shù)函數(shù)。

（3）確定測量參數(shù)的有效性邊界

有效性邊界指的是民航發(fā)動機測量參數(shù)的超限邊界，其是由一個個所謂的門限值組成的。它隨著民航發(fā)動機狀態(tài)的不同而發(fā)生改變。本論文利用發(fā)動機的仿真模型來模擬得到參數(shù)。主要有以下步驟：

首先，把發(fā)動機仿真模型從慢車狀態(tài)加速到最大狀態(tài)，可以得到這個過渡態(tài)中所有的nL、nH、Pt3、Tt21、Tt5、Wf的值。從而，可以得到各個nL下的各參數(shù)的正常瞬態(tài)值，即基線值。

然后，利用這些基線值，可以得到各參數(shù)的偏差值。

最后，在模擬中發(fā)現(xiàn)，當民航發(fā)動機出現(xiàn)故障時，氣路參數(shù)偏離基線值絕大部分超過10%。故將各測量參數(shù)相對各自基線值的百分比小于±10%定義成正常，超過±10%則定義成異常，這也是基于在仿真過程中經(jīng)過統(tǒng)計發(fā)現(xiàn)，民航發(fā)動機發(fā)生故障的情況有95%以上都集中在偏離基線值10%以上的范圍內(nèi)，即正態(tài)分布中的3σ法則而考慮的。利用民航發(fā)動機的仿真非線性模型來模擬得到所需要的發(fā)動機在各個狀態(tài)下相對于nL的基線，然后根據(jù)以上準則得出測量參數(shù)的有效性邊界圖，它們都是連續(xù)的曲線。

2.3 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

把本文中的BP神經(jīng)網(wǎng)絡(luò)的誤差精度確定為0.01。然后通過訓(xùn)練，得到各層的權(quán)值和閾值。最后把這些權(quán)值和閾值用到民航發(fā)動機的實時監(jiān)控上。步驟是：

（1）首先把民航發(fā)動機各參數(shù)沒有發(fā)生變化時，即各參數(shù)和基線重合時的BP神經(jīng)網(wǎng)絡(luò)的輸出值定為1；把參數(shù)偏離所對應(yīng)的基線值25%時的BP神經(jīng)網(wǎng)絡(luò)的輸出定為0。根據(jù)2.2.3，當參數(shù)偏離所對應(yīng)的基線值是10%時，該BP神經(jīng)網(wǎng)絡(luò)的輸出值定為0.6，則當輸出值大于0.6時，民航發(fā)動機正常；當輸出值小于0.6時，民航發(fā)動機發(fā)生超限。

（2）利用民航發(fā)動機仿真模型模擬得到一系列BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。分別有：3個參數(shù)變化、2個不變化的樣本240種；2個參數(shù)變3個均不變化的樣本210種；1個參數(shù)變化、其他4個均不變化的樣本60種。三者合計共510個樣本。其中每種類型中超限樣本占33.3%。

（3）選取ΔnH、ΔPt3、ΔTt21、ΔTt5、ΔWf5個偏差值，進行歸一化處理后作為BP神經(jīng)網(wǎng)絡(luò)的輸入。

（4）進行BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，最終得到權(quán)值和閾值，然后儲存。

（5）設(shè)x是參數(shù)的基線值，t是參數(shù)偏差百分比。那么，最大的偏差值Δxmax為0.25x，當前的偏差絕對值Δx為tx。于是求得當前偏差歸一化后的值ΔxIN為：

由式（4）知，輸入樣本歸一化后的值與當前民航發(fā)動機狀態(tài)無關(guān)。所以無論民航發(fā)動機處于一種什么樣的狀態(tài)，BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本都是一樣的,即權(quán)值和閾值都一樣。

2.4 模擬用BP神經(jīng)網(wǎng)絡(luò)進行民航發(fā)動機的實時監(jiān)控

當民航發(fā)動機的仿真非線性模型模擬得到所需要的發(fā)動機的測量參數(shù)后，經(jīng)過處理作為BP神經(jīng)網(wǎng)絡(luò)的輸入值輸入網(wǎng)絡(luò)中。然后神經(jīng)網(wǎng)絡(luò)會利用已經(jīng)通過訓(xùn)練得到的權(quán)值（3.2）和閾值0.9進行計算，最后得出0.1的結(jié)果來和0.6作比較。最后得出所對應(yīng)的民航發(fā)動機測量參數(shù)是否超限。如果超限，則報警。

選取nL為設(shè)計點的86%，Pt3偏差了21%，其他參數(shù)沒有變化，得到此時神經(jīng)網(wǎng)絡(luò)的輸出為{0.989 4，0.996 3，0.996 1，0.2183，0.975 3}。顯然，Pt3發(fā)生了超限。由以上可知，該BP神經(jīng)網(wǎng)絡(luò)的輸出值是符合民航發(fā)動機參數(shù)超限檢查要求的。

當模擬的民航發(fā)動機參數(shù)中有兩個發(fā)生變化時，有意使這兩個參數(shù)超限。然后將參數(shù)進行絕對值歸一化處理后，作為本論文所要使用的BP神經(jīng)網(wǎng)絡(luò)的輸入值，會得到表1的結(jié)果。

可見采用BP神經(jīng)網(wǎng)絡(luò)符合民航發(fā)動機參數(shù)超限檢查的要求。

3 結(jié)束語

利用BP神經(jīng)網(wǎng)絡(luò)進行民航發(fā)動機狀態(tài)的實時監(jiān)控，具有門限值會隨發(fā)動機的狀態(tài)變化而變化和可以很好地解決測量參數(shù)之間相關(guān)性的優(yōu)點。相對于傳統(tǒng)的門限值法，它能準確地實時監(jiān)控民航發(fā)動機的狀態(tài)，是一種非常值得思考和研究的方法。

表1 當有兩個參數(shù)發(fā)生超限時，BP神經(jīng)網(wǎng)絡(luò)的輸出值

[1]李訓(xùn)亮，門路，周山.GA-BP神經(jīng)網(wǎng)絡(luò)在航空發(fā)動機狀態(tài)監(jiān)測中的應(yīng)用研究[J].計測技術(shù)，2011,（3）：22-23.

[2]郝 英，孫健國，白 杰.航空燃氣渦輪發(fā)動機氣路故障診斷現(xiàn)狀與展望[J].航空動力學報，2003，18（6）：753-760.

[3]Takahisa Kobayashi.Aircraft Engine Sensor/Actuator/Component Fault Diagnosis Using a Bankof Kalman Filters，NASA/CR-2003-212298。

[4]高占寶，梁旭，李行善.復(fù)雜系統(tǒng)綜合健康管理[J].測控技術(shù)，2005，24（8）：1-5.

[5]Sanjay Gary.Controls and Health Management Technologies for IntelligentAerospacePropulsion Systems，AIAA-2004-0949.

[6]李愛軍，章衛(wèi)國，譚健.飛行器健康管理技術(shù)綜述[J].電光與控制，2007，14（3）：79-83.

[7]梁旭，李行善.支持視情維修的故障預(yù)測技術(shù)研究[J].測控技術(shù)，2007，26（6）：5-14.

[8]張 飛，潘羅平.基于人工神經(jīng)網(wǎng)絡(luò)的水輪發(fā)電機組振動預(yù)測研究[J].人民長江，2011，(13)：88-89.

Application Research of the BPNeuralNetworks in CivilAviation Engine Real-time Monitoring

WEISong-jiang，LIShu-ming
（Civil Aviation University ofChina College of Aeronautical Engineering，Tianjin 300300，China）

With the comparison of the traditional thresholdmethod and the BP neuralnetworksmethod,the BP neural networksmethod is demonstrated to be used in the civilaviation engine real-timemonitoring technology.Then the steps of BP neural networksmethod are explained in detail;Finally,the process is simulated briefly;and the results show that the BPneuralworksareeffective.

civilaviation engine；real-timemonitoring；thresholdmethod；BPneuralnetworks

TP183；V263.6

B

1672-545X（2013）02-0070-03

2012-11-09

魏松江（1985—），男，河南鄭州人，在讀碩士研究生，碩士，研究方向為民航發(fā)動機的健康管理；李書明（1964—），男，河北邢臺人，教授，工學博士，研究方向為民航發(fā)動機的健康管理。