林澤力，王景霖，，鄭 國，沈 勇，何 泳

(1.故障診斷與健康管理技術(shù)航空科技重點(diǎn)實(shí)驗(yàn)室，上海 201601； 2.上海航空測控技術(shù)研究所，上海 201601)

?

基于灰色預(yù)測的直升機(jī)齒輪箱狀態(tài)預(yù)測方法

林澤力1，王景霖1，2，鄭 國2，沈 勇2，何 泳2

(1.故障診斷與健康管理技術(shù)航空科技重點(diǎn)實(shí)驗(yàn)室，上海 201601； 2.上海航空測控技術(shù)研究所，上海 201601)

作為直升機(jī)上重要的關(guān)鍵部件，直升機(jī)齒輪箱能夠?qū)?dòng)力轉(zhuǎn)換為動(dòng)力輸出形式，從而滿足不同形式下動(dòng)力的需要；針對(duì)直升機(jī)齒輪箱狀態(tài)無法準(zhǔn)確預(yù)測的技術(shù)難題，將灰色系統(tǒng)理論中的灰色預(yù)測方法運(yùn)用到直升機(jī)齒輪箱中，有效解決了齒輪箱使用狀態(tài)難以準(zhǔn)確預(yù)測的技術(shù)難題；首先對(duì)采集到的直升機(jī)齒輪箱的不同的振動(dòng)信號(hào)進(jìn)行特征提取，然后采用信息融合技術(shù)，將不同振動(dòng)信號(hào)的特征值進(jìn)行融合，最后運(yùn)用灰色預(yù)測方法對(duì)直升機(jī)齒輪箱的使用狀態(tài)進(jìn)行預(yù)測；文中對(duì)所提出的方法進(jìn)行了試驗(yàn)驗(yàn)證，結(jié)果表明，所提出的基于灰色預(yù)測的直升機(jī)齒輪箱狀態(tài)預(yù)測方法能夠?qū)崿F(xiàn)對(duì)直升機(jī)齒輪箱的狀態(tài)準(zhǔn)確預(yù)測的效能，并對(duì)其他航空設(shè)備以及機(jī)械設(shè)備的狀態(tài)預(yù)測具有一定的借鑒意義。

灰色預(yù)測；齒輪箱；狀態(tài)預(yù)測；信息融合

0 引言

直升機(jī)齒輪箱作為直升機(jī)上的一種連接和傳遞動(dòng)力的關(guān)鍵部件，其不僅能夠連接動(dòng)力輸出系統(tǒng)與動(dòng)力接收系統(tǒng)，而且還負(fù)責(zé)動(dòng)力傳遞，因此，在直升機(jī)上其具有重要的作用[1-2]。齒輪箱的健康狀態(tài)將直接影響直升機(jī)運(yùn)行的安全性和可靠性，據(jù)統(tǒng)計(jì)，在直升機(jī)旋轉(zhuǎn)部件出現(xiàn)的故障中，有大約60%的故障是由齒輪箱出現(xiàn)故障而造成的[3]。及時(shí)、準(zhǔn)確掌握齒輪箱運(yùn)行過程中的健康狀態(tài)，及早發(fā)現(xiàn)齒輪箱潛在故障，準(zhǔn)確預(yù)測直升機(jī)齒輪箱在運(yùn)行中的工作狀態(tài)，對(duì)于提高直升機(jī)的飛行安全、降低直升機(jī)停飛時(shí)間以及制定科學(xué)、高效的維修策略都具有重要的現(xiàn)實(shí)意義[4-5]。

近年來，人們在對(duì)大量方法進(jìn)行研究的基礎(chǔ)上，獲得了部分的應(yīng)用效果，如將神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等智能學(xué)習(xí)方法應(yīng)用到直升機(jī)齒輪箱的狀態(tài)預(yù)測上，雖然得到了一定的狀態(tài)預(yù)測效果，然而這些方法均有其優(yōu)缺點(diǎn)，無法滿足日益增長的航空技術(shù)發(fā)展的需要[6-7]。在通過對(duì)大量的預(yù)測方法的研究中，灰色系統(tǒng)理論中的灰色預(yù)測方法在對(duì)小樣本數(shù)據(jù)上的預(yù)測，具有重要的優(yōu)勢[8]，因此，本文采用基于灰色預(yù)測的狀態(tài)預(yù)測方法，對(duì)直升機(jī)齒輪箱進(jìn)行狀態(tài)預(yù)測，得到較好的預(yù)測結(jié)果。

1 灰色預(yù)測模型

1.1 灰色系統(tǒng)理論

灰色系統(tǒng)理論是1982 年由著名學(xué)者鄧聚龍教授提出，其僅通過某些已知信息，來獲取其中的有用部分，便能得到研究對(duì)象內(nèi)在的變化規(guī)律[9]。因此一經(jīng)提出，立即受到了國內(nèi)外各界的關(guān)注，廣泛應(yīng)用于經(jīng)濟(jì)管理、軍事科技、醫(yī)藥等眾多科學(xué)研究領(lǐng)域，并一直處于改進(jìn)發(fā)展當(dāng)中。

灰色系統(tǒng)理論主要內(nèi)容之一是灰色序列的生成，構(gòu)建灰色序列是灰色預(yù)測的關(guān)鍵，其生成方式有多種，包括累加生成、累減生成、插值生成等[10]。

1.2 灰色系統(tǒng)模型

灰色預(yù)測模型(GM(1,n)模型)的建模過程如下[11]：

(1)

根據(jù)上式可以建立n元一階線性微分方程：

(2)

(3)

(4)

(5)

其中：

(6)

(7)

X(1)(t)=eAt(X(1)(0)+A-1B)-A-1B

(8)

將時(shí)間響應(yīng)函數(shù)離散化做累減還原得到：

k=1,2,…n

(9)

因此，即可構(gòu)建灰色預(yù)測模型[12-13]。

2 振動(dòng)信號(hào)特征提取

通過在實(shí)驗(yàn)室狀態(tài)下模擬直升機(jī)齒輪箱的實(shí)際工作狀態(tài)，采集齒輪箱的振動(dòng)信號(hào)。本文運(yùn)用3個(gè)振動(dòng)傳感器采集齒輪箱上不同的振動(dòng)信號(hào)，獲得齒輪箱狀態(tài)預(yù)測的原始數(shù)據(jù)。采用基于小波分析的特征提取方法對(duì)原始信號(hào)進(jìn)行特征提取[14]，結(jié)果如表1所示。

表1 直升機(jī)齒輪箱的振動(dòng)信號(hào)特征值

3 振動(dòng)信號(hào)特征層融合

在實(shí)驗(yàn)室狀態(tài)下采集到的直升機(jī)齒輪箱的數(shù)據(jù)，進(jìn)行特征提取，提取能夠表征直升機(jī)齒輪箱狀態(tài)的特征值。為了更好的實(shí)現(xiàn)對(duì)直升機(jī)齒輪箱進(jìn)行狀態(tài)預(yù)測，需要對(duì)直升機(jī)齒輪箱振動(dòng)信號(hào)的特征值進(jìn)行信息融合，剔除不同的特征值之間的雜質(zhì)信息，從而方便運(yùn)用灰色預(yù)測方法對(duì)直升機(jī)齒輪箱進(jìn)行狀態(tài)預(yù)測。運(yùn)用基于加權(quán)融合算法的特征層融合方法進(jìn)行信息融合[15]，結(jié)果如表2所示。

表2 直升機(jī)齒輪箱的振動(dòng)信號(hào)特征值

4 基于灰色預(yù)測的直升機(jī)齒輪箱狀態(tài)預(yù)測

4.1 基于灰色預(yù)測的狀態(tài)預(yù)測方法實(shí)現(xiàn)步驟

通過對(duì)灰色預(yù)測方法的深入研究與分析，將灰色預(yù)測方法應(yīng)用到直升機(jī)齒輪箱狀態(tài)預(yù)測中，得到較好的預(yù)測效果。主要實(shí)現(xiàn)步驟如下[16]：

步驟1:在實(shí)驗(yàn)室狀態(tài)下模擬直升機(jī)齒輪箱的實(shí)際工作狀態(tài)，采集齒輪箱的三路振動(dòng)信號(hào)；

步驟2:運(yùn)用小波分析方法對(duì)所采集到的三路振動(dòng)信號(hào)進(jìn)行特征提取，提取振動(dòng)信號(hào)中的特征值；

步驟3:運(yùn)用加權(quán)融合算法對(duì)所提取到的特征值進(jìn)行信息融合，得到融合特征值；

步驟4:運(yùn)用灰色預(yù)測算法對(duì)直升機(jī)齒輪箱進(jìn)行狀態(tài)預(yù)測，得到預(yù)測結(jié)果；

步驟5:將預(yù)測結(jié)果與實(shí)際結(jié)果進(jìn)行對(duì)比，求取預(yù)測誤差。

4.2 基于灰色預(yù)測的直升機(jī)齒輪箱狀態(tài)預(yù)測案例

依據(jù)所研究的灰色理論中的灰色預(yù)測方法對(duì)直升機(jī)齒輪箱進(jìn)行狀態(tài)預(yù)測，以預(yù)測10組數(shù)據(jù)為例，得到預(yù)測結(jié)果值如表3所示，并計(jì)算得到百分比誤差為0.187 96%，與實(shí)際數(shù)據(jù)進(jìn)行相比，結(jié)果在可接受范圍之內(nèi)，從而可得到運(yùn)用基于灰色預(yù)測的直升機(jī)齒輪箱的狀態(tài)預(yù)測方法能夠?qū)崿F(xiàn)對(duì)直升機(jī)齒輪箱的狀態(tài)預(yù)測，能夠得到很好的預(yù)測效果。

5 結(jié)論

本文首先采用直升機(jī)齒輪箱專用試驗(yàn)平臺(tái)采集能夠表征直升機(jī)齒輪箱狀態(tài)特征的三組振動(dòng)信號(hào)，然后依據(jù)采集到的振動(dòng)信號(hào)，運(yùn)用特征提取技術(shù)，提取振動(dòng)信號(hào)中的特征成分，從而發(fā)掘出振動(dòng)信號(hào)中的有用成分，其次，依據(jù)提取的特征成分，運(yùn)用信息融合技術(shù)，將提取到的特征信息進(jìn)行信息融合，方便

表3 直升機(jī)齒輪箱灰色預(yù)測10組數(shù)據(jù)結(jié)果與實(shí)際對(duì)比

圖1 直升機(jī)齒輪箱狀態(tài)預(yù)測結(jié)果圖

運(yùn)用灰色預(yù)測方法對(duì)直升機(jī)齒輪箱進(jìn)行狀態(tài)預(yù)測，最后，通過對(duì)灰色系統(tǒng)理論的深入分析與研究，將灰色系統(tǒng)理論中的灰色預(yù)測方法運(yùn)用到直升機(jī)齒輪箱狀態(tài)預(yù)測中，從而得到直升機(jī)齒輪箱狀態(tài)預(yù)測結(jié)果，解決直升機(jī)齒輪箱狀態(tài)難以準(zhǔn)確預(yù)測的技術(shù)難題。

通過本文所提出直升機(jī)齒輪箱狀態(tài)預(yù)測方法的研究，得到直升機(jī)齒輪箱狀態(tài)預(yù)測結(jié)果，且預(yù)測結(jié)果與實(shí)際值進(jìn)行對(duì)比，誤差范圍在可接受的范圍之內(nèi)，從而表明該方法能夠?qū)崿F(xiàn)對(duì)直升機(jī)齒輪箱進(jìn)行狀態(tài)預(yù)測，且對(duì)于其他旋轉(zhuǎn)機(jī)械的狀態(tài)預(yù)測，具有一定的借鑒意義。

[1] 張志禹, 呂延軍, 張九龍, 等. 航空發(fā)動(dòng)機(jī)轉(zhuǎn)子碰磨故障瞬時(shí)平率診斷方法[J]. 交通運(yùn)輸工程學(xué)報(bào), 2007, 7(4): 21-23.

[2] Wilkinson C. Prognostic and health management for avionics[A]. 2004 IEEE Aerospace Conference Proceedings[C].2004: 3435-3447.

[3] 王瑩玉. 航空發(fā)電機(jī)健康狀態(tài)預(yù)測技術(shù)員研究[D]. 沈陽: 沈陽航空航天大學(xué), 2010.

[4] Azam M, Ghoshal S, et al. Prognostics and health management (PHM) of electromechanical actuation (EMA) systems for next-generation aircraft[J]. American Institute of Aeronautics and Astronautics, 2013.

[5] 侯新國,等. 基于D-S證據(jù)理論的感應(yīng)電動(dòng)機(jī)轉(zhuǎn)子故障診斷方法研究[J]. 電工技術(shù)學(xué)報(bào), 2004, 19(6): 36-38.

[6] 楊存祥, 朱 琛, 仝戰(zhàn)營. 基于EMD-神經(jīng)網(wǎng)絡(luò)的電動(dòng)機(jī)轉(zhuǎn)子故障診斷方法研究[J]. 電工文摘, 2011(4):36-39.

[7] 石受東. 基于多源信息融合的機(jī)電系統(tǒng)監(jiān)控方法研究[D]. 天津: 河北工業(yè)大學(xué), 2010.

[8] 相 江. 基于多子波支持向量機(jī)航電設(shè)備健康管理系統(tǒng)關(guān)鍵技術(shù)研究[D]. 西安：西安電子科技大學(xué), 2013.

[9] 吳立軍. 基于分層信息融合技術(shù)的航空發(fā)動(dòng)機(jī)故障診斷方法研究[D]. 天津：中國民用航空飛行學(xué)院，2009.

[10] 郭顯新, 郭小軍, 龍海躍. 直升機(jī)傳動(dòng)系統(tǒng)健康管理技術(shù)[J]. 機(jī)械傳動(dòng), 2011, 35(11): 86-89.

[11] 李軍星. 基于信息融合組合算法的復(fù)雜裝備傳動(dòng)關(guān)鍵部件壽命預(yù)測[D]. 重慶: 重慶大學(xué)，2013.

[12] Guillen A J, Gomez J F, Crespo A, et al. Advances in PHM application frameworks: processing methods, prognosis models, decision making[J]. The Italian Association of Chemical Engineering, 2013, 33: 391-396.

[13] Simon D L, et al. Aircraft engine gas path diagnostic methods: public benchmarking results[J]. Journal of Engineering for Gas Turbines and Power,2014， 136: 1-10.

[14] Nickerson B, Ulv R. Development of a Smart Wireless Networkable Sensor for Aircraft Engine Health Management [J]. IEEE, 2001, 7：3255-3262.

[15] 汪平平,張 歆, 劉 深. 基于線性最小方差和遞歸最小二乘的融合算法[J]. 探測與控制學(xué)報(bào), 2013, 35(2): 33-36.

[16] 閆建波. 基于BP神經(jīng)網(wǎng)絡(luò)的灰色預(yù)測模型[D].西安：西安理工大學(xué)，2009.

State Prediction of Helicopter Gearbox Based on Grey Prediction Method

Lin Zeli1，Wang Jinglin1，2，Zheng Guo2，Shen Yong2，He Yong2

(1.Shanghai Aero Measurement & Control Technology Research Institute,Shanghai 201601,China； 2.Aviation Key Laboratory of Science and Technology on Fault Diagnosis and Health Management,Shanghai 201601,China)

As a key part of the helicopter, the helicopter gearbox can convert power into the power output, so as to meet the need of different forms.Aiming at the technical problem of helicopter gearbox condition can not be accurately forecast, the grey prediction method is applied to the helicopter gearbox, so effectively solve the difficult technical problem of the accurately predict to the status gearbox. Firstly, the vibration signal of helicopter gearbox which have been collected, and the feature were picked up. Then, the paper used the information fusion technology for the characteristics of different values vibration signal to fusion. Finally, the paper used the grey prediction method for helicopter gearbox to state prediction. In this paper, the proposed method is verified by experiment. The results show that the proposed state grey prediction method can achieve the accurate prediction of helicopter gearbox state performance, and the state prediction method has a certain significance for other aviation equipment and machinery equipment.

grey prediction；gearbox；state prediction；information fusion

2015-11-16；

2015-12-22。

航空科學(xué)基金(2014ZD3301)。

林澤力(1987-)，男，河南商丘人，碩士研究生，主要從事飛機(jī)故障診斷與健康管理方向的研究。

1671-4598(2016)06-0024-03DOI：10.16526/j.cnki.11-4762/tp

V240.2TP

A