劉 劍， 任 和

（1.上海應(yīng)用技術(shù)大學(xué) 電氣與電子工程學(xué)院, 上海 201418；2.中國(guó)商用飛機(jī)有限責(zé)任公司, 上海 200126）

作為飛機(jī)的最重要部件之一，航空發(fā)動(dòng)機(jī)由許多子系統(tǒng)組成，工作過程極其復(fù)雜。在這些子系統(tǒng)中，滑油系統(tǒng)主要承擔(dān)滑油供給、部件潤(rùn)滑和散熱、系統(tǒng)清潔等功能。發(fā)動(dòng)機(jī)的高壓轉(zhuǎn)子及軸承高達(dá)每分鐘上萬轉(zhuǎn)轉(zhuǎn)速，傳動(dòng)系統(tǒng)存在長(zhǎng)時(shí)間的機(jī)械副摩擦，這些部件都需要滑油進(jìn)行潤(rùn)滑，吸收摩擦生熱和高溫零件傳導(dǎo)的熱量，并帶走由于機(jī)械磨損產(chǎn)生的金屬顆粒。因此，如果滑油系統(tǒng)發(fā)生故障，不僅僅是滑油系統(tǒng)本身受到損害，也會(huì)對(duì)發(fā)動(dòng)機(jī)主軸軸承與傳動(dòng)系統(tǒng)產(chǎn)生不利影響。因而，航空發(fā)動(dòng)機(jī)滑油系統(tǒng)是否正常工作對(duì)于整個(gè)發(fā)動(dòng)機(jī)的可靠性有著直接重大影響，也關(guān)乎飛機(jī)的運(yùn)行安全。在航空發(fā)動(dòng)機(jī)發(fā)展的過程中，對(duì)于滑油系統(tǒng)的實(shí)時(shí)健康監(jiān)測(cè)一直是航空發(fā)動(dòng)機(jī)可靠性的一個(gè)重要研究?jī)?nèi)容。

近年來，系統(tǒng)科學(xué)、控制理論、安全科學(xué)與工程、維修工程及大數(shù)據(jù)處理與模式識(shí)別，AI 人工智能等技術(shù)的發(fā)展，極大促進(jìn)了故障診斷、預(yù)測(cè)與健康管理等技術(shù)的發(fā)展?；拖到y(tǒng)故障診斷技術(shù)也面臨新的挑戰(zhàn)和發(fā)展。本文針對(duì)發(fā)動(dòng)機(jī)滑油系統(tǒng)的故障診斷與健康監(jiān)測(cè)技術(shù)研究進(jìn)展，從系統(tǒng)建模與故障模擬、在線故障診斷、離線故障定位、滑油屑末檢測(cè)和故障診斷系統(tǒng)5 方面進(jìn)行了梳理，并給出了未來發(fā)展趨勢(shì)。

1 系統(tǒng)建模與數(shù)字仿真

建立滑油系統(tǒng)的理論或仿真模型，模擬不同工況條件下滑油系統(tǒng)的運(yùn)行，可以為滑油系統(tǒng)的設(shè)計(jì)和故障診斷分析提供重要的參考依據(jù)。目前關(guān)于系統(tǒng)建模仿真與故障模擬，已經(jīng)開展了諸多研究工作，主要可歸納為3 類模型。

1.1 基于理論數(shù)學(xué)模型的方法

建立滑油系統(tǒng)部件級(jí)和系統(tǒng)級(jí)的數(shù)學(xué)模型是進(jìn)行系統(tǒng)性能分析、故障診斷工作的基礎(chǔ)。目前在這方面已經(jīng)開展了較多的研究工作。馬壯等[1]建立了發(fā)動(dòng)機(jī)滑油系統(tǒng)的穩(wěn)態(tài)壓力數(shù)學(xué)模型。首先確立了滑油系統(tǒng)主要零部件的數(shù)學(xué)物理模型，給出了管路壓力損失的計(jì)算模型；進(jìn)一步根據(jù)滑油系統(tǒng)正常狀態(tài)下的運(yùn)行數(shù)據(jù)，得到了系統(tǒng)級(jí)的數(shù)學(xué)模型。通過該模型能夠監(jiān)測(cè)滑油系統(tǒng)的性能衰退情況，并發(fā)現(xiàn)故障。劉波等[2]、周強(qiáng)等[3]基于航空發(fā)動(dòng)機(jī)滑油系統(tǒng)部附件特性，構(gòu)建了滑油系統(tǒng)穩(wěn)態(tài)計(jì)算模型，如圖1 所示。該模型使用8 個(gè)性能參數(shù)，采用向量計(jì)算和插值算法進(jìn)行計(jì)算。李昂等[4]建立了某型航空發(fā)動(dòng)機(jī)潤(rùn)滑供油系統(tǒng)數(shù)學(xué)模型。利用編程計(jì)算方法，可以得到系統(tǒng)在不同工況（轉(zhuǎn)速和溫度）下各點(diǎn)的滑油壓力和滑油流量等表征性能的參數(shù)數(shù)據(jù)。

圖1 基于發(fā)動(dòng)機(jī)性能參數(shù)的子系統(tǒng)紋波模型Fig.1 Steady model composed by subsystem based on engine performance parameters

系統(tǒng)性能分析的優(yōu)劣很大程度上取決于部件和系統(tǒng)數(shù)學(xué)模型的準(zhǔn)確性。對(duì)于部件級(jí)的建模和分析比較容易展開。由于滑油系統(tǒng)的復(fù)雜性和非線性，對(duì)于系統(tǒng)級(jí)的建模和分析則非常復(fù)雜。為便于理論分析計(jì)算，通常需要對(duì)系統(tǒng)進(jìn)行簡(jiǎn)化處理。因此基于理論數(shù)學(xué)模型的方法存在一定局限性，也不能全面直觀揭示系統(tǒng)的響應(yīng)特征。

1.2 基于專業(yè)仿真軟件的方法

基于MATLAB/Simulink 軟件的強(qiáng)大計(jì)算能力和通用數(shù)學(xué)模型仿真能力，部分研究人員建立了滑油系統(tǒng)仿真模型。閆星輝等[5]開發(fā)了MATLAB/Simulink 環(huán)境下的通用仿真模型庫(kù)，構(gòu)建了全系統(tǒng)仿真模型，包含滑油供給、滑油回流、通風(fēng)和熱力交換系統(tǒng)等。進(jìn)一步與GasTurb 發(fā)動(dòng)機(jī)模型進(jìn)行了聯(lián)合仿真，驗(yàn)證了模型的正確性。聯(lián)合仿真原理框圖如圖2 所示。

圖2 Simulink／GasTurb 聯(lián)合仿真原理圖Fig.2 Schematic diagram of Simulink/GasTurb co-simulation

Peng 等[6]在分析和仿真典型故障對(duì)測(cè)量參數(shù)影響的基礎(chǔ)上，利用參數(shù)趨勢(shì)分析法建立了潤(rùn)滑油系統(tǒng)在線故障診斷系統(tǒng)，并構(gòu)建了潤(rùn)滑油系統(tǒng)診斷的半實(shí)物仿真平臺(tái)（見圖3）。Chen 等[7]研究了磨損對(duì)潤(rùn)滑性能的影響，并獲得用于故障診斷的有效振動(dòng)特征。建立了一個(gè)由磨損的動(dòng)壓軸承支撐的兩盤轉(zhuǎn)子的有限元模型，通過線性和非線性模型來評(píng)估油膜力。Marrai[8]使用測(cè)試過程中的實(shí)驗(yàn)數(shù)據(jù)，建立Matlab/Simulink 模型對(duì)齒輪箱潤(rùn)滑系統(tǒng)的行為進(jìn)行了仿真。上述研究工作通過Simlink 仿真工具提升了系統(tǒng)級(jí)仿真能力，但是系統(tǒng)仿真的準(zhǔn)確性仍然取決于所建立模型的準(zhǔn)確性。對(duì)于系統(tǒng)的暫態(tài)過程，準(zhǔn)確性有待提高。

圖3 半實(shí)物仿真平臺(tái)結(jié)構(gòu)圖Fig.3 The structure of HIL simulation platform

為進(jìn)一步提升滑油系統(tǒng)仿真能力，F(xiàn)lowmaster、AMESim 等一些專業(yè)液壓系統(tǒng)仿真軟件已應(yīng)用于滑油系統(tǒng)仿真研究。蘇立超等[9]、郁麗等[10]利用Flowmaster 流體系統(tǒng)商用仿真軟件，建立了包含元件與節(jié)點(diǎn)的滑油流路仿真網(wǎng)絡(luò)模型，能夠?qū)Πl(fā)動(dòng)機(jī)滑油系統(tǒng)的壓力和流量進(jìn)行數(shù)值仿真。在給定的地面試車實(shí)驗(yàn)工況條件下，對(duì)某型發(fā)動(dòng)機(jī)的滑油系統(tǒng)壓力特性進(jìn)行了仿真，得到了系統(tǒng)內(nèi)部滑油壓力穩(wěn)態(tài)分布情況。白杰等[11]在AMESim 軟件中構(gòu)建了某型航空發(fā)動(dòng)機(jī)滑油系統(tǒng)供油子系統(tǒng)模型。首先對(duì)供油系統(tǒng)部件進(jìn)行數(shù)學(xué)物理建模，然后在軟件中搭建了整體模型，最后模擬供油油濾與活門的故障并注入系統(tǒng)，主要有單向活門卡滯、油濾堵塞、卸壓活門預(yù)緊力不足、旁通活門彈簧松弛這四類故障，最終得到了相應(yīng)故障與其對(duì)應(yīng)觀測(cè)點(diǎn)流量和壓力之間的映射情況。Lu 等[12]基于自主開發(fā)的航空發(fā)動(dòng)機(jī)滑油系統(tǒng)通用分析軟件GASLS，基于管道、彎頭、厚孔板、縮徑、膨脹和噴嘴在內(nèi)的元件的凈功理論和流動(dòng)阻力數(shù)學(xué)模型，對(duì)航空發(fā)動(dòng)機(jī)潤(rùn)滑系統(tǒng)進(jìn)行了油流、壓力和溫度分布的計(jì)算，并將潤(rùn)滑系統(tǒng)不同分支的油流結(jié)果與實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了比較。

1.3 黑盒模型方法

前面關(guān)于滑油系統(tǒng)的模型都屬于白盒模型，即必須基于明確的物理或數(shù)學(xué)模型才能建立。模型通常有更好的解釋性，內(nèi)部的工作原理也更容易揭示。相對(duì)于白盒模型，使用神經(jīng)網(wǎng)絡(luò)、復(fù)雜集成模型、梯度增強(qiáng)模型等方法建立的模型稱為黑盒模型。黑盒模型通常能夠獲得比較準(zhǔn)確的結(jié)果。然而，這些模型的內(nèi)部工作機(jī)制卻難以理解，也無法衡量每個(gè)特征參數(shù)對(duì)模型最終預(yù)測(cè)結(jié)果的權(quán)重大小，更不能揭示不同特征參數(shù)之間的關(guān)聯(lián)關(guān)系。Ma[13]提出了一種基于飛行試驗(yàn)數(shù)據(jù)的潤(rùn)滑系統(tǒng)建模方法，對(duì)基于大量飛行試驗(yàn)數(shù)據(jù)的人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了訓(xùn)練和驗(yàn)證，建立了發(fā)動(dòng)機(jī)全工況和全飛行包線下6 個(gè)潤(rùn)滑系統(tǒng)參數(shù)的模型，并提出了一種確定航空發(fā)動(dòng)機(jī)潤(rùn)滑系統(tǒng)主要影響參數(shù)的方法?；蛪毫NN 模型結(jié)構(gòu)圖如圖4 所示。

圖4 滑油壓力ANN 模型結(jié)構(gòu)Fig.4 Structure of oil supply pressure ANN model

2 在線故障診斷

2.1 單參數(shù)故障診斷

早期的參數(shù)故障診斷方法是基于滑油系統(tǒng)壓力單參數(shù)故障診斷。侯勝利等[14]構(gòu)建了一種采用遺傳編程算法的故障特征提取方法。利用遺傳算法，首先從原始滑油壓力數(shù)據(jù)集中構(gòu)建能有效反映故障本質(zhì)特征的復(fù)合特征參數(shù)；為能夠得到對(duì)故障分類識(shí)別準(zhǔn)確性高且數(shù)量最少的特征參數(shù)，使用Fisher 判別法進(jìn)行再次特征提取。試驗(yàn)結(jié)果表明，該算法模型獲取的故障特征參數(shù)對(duì)幾種滑油系統(tǒng)典型故障具有較強(qiáng)的識(shí)別能力。經(jīng)過遺傳算法和Fisher 判別方法提取的特征有效增大了樣本數(shù)據(jù)的可分性，分類準(zhǔn)確率提升了15%達(dá)到97%以上，且具有較好的魯棒性。單參數(shù)故障診斷具有一定局限性，不能全面反映系統(tǒng)各種故障特征。

2.2 多參數(shù)故障診斷

當(dāng)前大多數(shù)研究集中在滑油系統(tǒng)的多參數(shù)故障診斷?；拖到y(tǒng)中選取的典型參數(shù)主要有：壓力類參數(shù)（主要包括供油壓力、后軸承腔腔壓、滑油壓差）、溫度類參數(shù)（主要包括供油溫度和回油溫度——中軸承腔、后軸承腔、總回油溫度）和滑油液位等。目前主要使用神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)方法對(duì)故障進(jìn)行識(shí)別判斷。

Cui 等[15]針對(duì)目前飛機(jī)機(jī)載設(shè)備效果不佳的問題，構(gòu)建了基于神經(jīng)網(wǎng)絡(luò)及證據(jù)理論的數(shù)據(jù)融合模型。利用Dempster-Shafer 證據(jù)理論對(duì)2 個(gè)神經(jīng)網(wǎng)絡(luò)的監(jiān)測(cè)結(jié)果進(jìn)行信息融合。進(jìn)一步結(jié)合深度置信網(wǎng)絡(luò)（deep belief networks, DBN）方法的特征提取能力強(qiáng)和極限學(xué)習(xí)機(jī)（extreme learning machine, ELM）方法的快速學(xué)習(xí)優(yōu)勢(shì)特點(diǎn)，提出了基于DBN 和ELM 方法的航空發(fā)動(dòng)機(jī)滑油系統(tǒng)故障診斷模型[16]。基于DBN 和ELM 方法的航空發(fā)動(dòng)機(jī)故障診斷流程如圖5 所示。

圖5 航空發(fā)動(dòng)機(jī)故障診斷流程Fig.5 Flow chart of aero-engine fault diagnosis process

在構(gòu)建改進(jìn)的DBN 故障診斷模型時(shí)，使用了粒子群優(yōu)化算法調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)，降低了人為調(diào)整神經(jīng)網(wǎng)絡(luò)參數(shù)的不確定性對(duì)故障診斷結(jié)果造成的不良影響。文獻(xiàn)[17-20]中采用前饋神經(jīng)網(wǎng)絡(luò)與小波分析相結(jié)合的方法，開展了航空發(fā)動(dòng)機(jī)滑油系統(tǒng)小波網(wǎng)絡(luò)故障診斷模型研究，并給出了具體算法。結(jié)果表明，基于小波網(wǎng)絡(luò)的故障診斷模型具有收斂迭代速度快、對(duì)網(wǎng)絡(luò)參數(shù)魯棒性好等特點(diǎn)。曹惠玲等[21]基于自組織特征映射網(wǎng)絡(luò)（self-organizing feature mapping, SOFM 或SOM）神經(jīng)網(wǎng)絡(luò)方法，如圖6 所示，構(gòu)建了航空發(fā)動(dòng)機(jī)滑油系統(tǒng)的健康評(píng)估模型。利用SOM 網(wǎng)絡(luò)方法，確定了不同工況條件下系統(tǒng)健康參數(shù)指標(biāo)；將故障情況下的健康指數(shù)進(jìn)行對(duì)照比較，給出系統(tǒng)的健康層次等級(jí)，為決策者評(píng)估滑油系統(tǒng)的健康狀況提供參考。

圖6 二維陣列SOM 神經(jīng)網(wǎng)絡(luò)模型Fig.6 SOM neural network model of two-dimensional array

朱永新[22]構(gòu)建了航空發(fā)動(dòng)機(jī)滑油系統(tǒng)的改進(jìn)支持向量機(jī)故障診斷模型。針對(duì)支持向量機(jī)的分類問題，使用了平均距離計(jì)算方法。與主元分析法相比，該方法對(duì)于故障數(shù)據(jù)降維效果顯著。Jiang等[23]提出了一種基于主成分分析（principal component analysis，PCA）和支持向量機(jī)（support vector machine, SVM）的方法識(shí)別飛機(jī)發(fā)動(dòng)機(jī)潤(rùn)滑系統(tǒng)的異常狀態(tài)，診斷框圖如圖7 所示。利用主成分分析法建立故障監(jiān)測(cè)模型，提取故障特征。根據(jù)故障特征向量，利用支持向量機(jī)建立分類器用于識(shí)別發(fā)動(dòng)機(jī)故障。

圖7 飛機(jī)發(fā)動(dòng)機(jī)滑油系統(tǒng)故障診斷圖Fig.7 Diagram of fault diagnosis of aero-engine lubricating oil system

3 離線故障定位

在早期滑油系統(tǒng)故障診斷中，離線故障定位占據(jù)重要的地位。即根據(jù)已經(jīng)發(fā)現(xiàn)的具體故障現(xiàn)象，進(jìn)行故障根因查找和故障準(zhǔn)確定位。故障樹分析法作為分析復(fù)雜系統(tǒng)可靠性及安全性的重要方法，可以定量化評(píng)估故障原因的影響程度，為系統(tǒng)故障診斷的有效實(shí)施提供理論支撐，在滑油系統(tǒng)離線故障診斷中得到了廣泛的應(yīng)用。

陳農(nóng)田等[24]研究了模糊故障樹理論在CFM56-7B 發(fā)動(dòng)機(jī)滑油系統(tǒng)滲漏的故障診斷。在故障根因最小事件求解方法中使用下行法進(jìn)行計(jì)算；根據(jù)滑油故障發(fā)生概率具有模糊和不確定性特點(diǎn)，為確定故障根因事件風(fēng)險(xiǎn)重要度，使用Delphi 系統(tǒng)專家調(diào)研數(shù)據(jù)并運(yùn)用模糊數(shù)學(xué)理論進(jìn)行了定量化分析。孫楊慧等[25]研究了考慮容錯(cuò)與余度備份的系統(tǒng)故障建模與動(dòng)態(tài)故障樹分析方法，該方法結(jié)合動(dòng)態(tài)邏輯門和模塊化思想，為解決航空發(fā)動(dòng)機(jī)滑油系統(tǒng)安全性分析提供了新思路。陳可嘉等[26]將故障樹分析方法與灰色關(guān)聯(lián)分析方法相結(jié)合，提出了一種航空發(fā)動(dòng)機(jī)滑油系統(tǒng)故障分析方法。該方法能夠有效識(shí)別出最大關(guān)聯(lián)故障原因，進(jìn)而為發(fā)動(dòng)機(jī)的故障修理提供重要參考。此外，神經(jīng)網(wǎng)絡(luò)算法也得到了應(yīng)用。都昌兵等[27]把基于神經(jīng)網(wǎng)絡(luò)BP 算法的故障診斷技術(shù)引入航空發(fā)動(dòng)機(jī)滑油系統(tǒng)，較好地提高了故障定位的準(zhǔn)確度。

4 滑油屑末檢測(cè)

滑油屑末（顆粒）是表征發(fā)動(dòng)機(jī)內(nèi)部零部件的磨損程度和滑油品質(zhì)的重要參考物，不僅可以直觀反映傳動(dòng)系統(tǒng)、軸承等零件的磨損狀態(tài)，還可以根據(jù)歷史數(shù)據(jù)預(yù)測(cè)磨損的退化趨勢(shì)，盡早發(fā)現(xiàn)發(fā)動(dòng)機(jī)機(jī)械故障[28]。根據(jù)使用的技術(shù)方法和測(cè)量?jī)x器的不同，大體分為基于定期采集滑油油樣的離線式監(jiān)測(cè)和在線式監(jiān)測(cè)兩大類。

4.1 離線分析

離線式監(jiān)測(cè)技術(shù)方法中主要分為光譜分析、油液分析和鐵譜分析法。許多西方國(guó)家在上世紀(jì)中期，就開始了定期采集發(fā)動(dòng)機(jī)油液進(jìn)行分析來監(jiān)測(cè)發(fā)動(dòng)機(jī)狀態(tài)。

4.1.1 滑油屑光譜分析

在發(fā)動(dòng)機(jī)故障診斷和監(jiān)測(cè)中，光譜分析技術(shù)是應(yīng)用最早的現(xiàn)代分析技術(shù)，其原理就是根據(jù)所采集油樣中所含有的金屬元素原子，其發(fā)射出的不同波長(zhǎng)特征的譜線來開展相應(yīng)金屬元素的定性與定量分析。通過測(cè)量譜線的波長(zhǎng)和相對(duì)強(qiáng)度，能夠獲得滑油液中的對(duì)應(yīng)金屬元素的成分及含量大小。該方法具有多元素檢測(cè)、分析速度快、界限值低、準(zhǔn)確性高的特點(diǎn)[29]。當(dāng)前，針對(duì)滑油中光譜Fe、Cu成分?jǐn)?shù)據(jù)處理分析開展了諸多研究[30-42]。對(duì)于采集的光譜成分?jǐn)?shù)據(jù)，運(yùn)用AR 時(shí)序模型、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、灰色GM(1,1)模型、D_S 證據(jù)理論等模型對(duì)數(shù)據(jù)進(jìn)行識(shí)別處理，有效地提高了處理速度和精度。

滑油光譜分析技術(shù)存在一定的局限性[43]：它對(duì)5 μm 以下直徑的磨粒發(fā)光，對(duì)于大于5 μm 的效果很差；光譜分析只能監(jiān)測(cè)油液中所含金屬元素的濃度，其表征的是各摩擦副所產(chǎn)生的磨損累積數(shù)量，并不能得到磨損顆粒尺寸、形狀和物理特征等方面的信息。為了能得到磨粒的狀態(tài)特征等故障關(guān)鍵信息參數(shù)，光譜分析通常與其他檢測(cè)技術(shù)手段一起使用。

4.1.2 滑油屑鐵譜分析

油液鐵譜分析技術(shù)是針對(duì)航空發(fā)動(dòng)機(jī)滑油系統(tǒng)內(nèi)采集的油樣，借助高梯度強(qiáng)磁場(chǎng)的作用，將磨損顆粒分離出來，并在譜片上按一定規(guī)律排列；進(jìn)一步使用鐵譜顯微鏡等儀器檢驗(yàn)分析這些磨損顆粒的大小、形狀、數(shù)量和成分，開展定性和定量分析。通過鐵譜分析可以推測(cè)設(shè)備磨損發(fā)生的部位、磨損程度和產(chǎn)生機(jī)理等。與光譜分析相比，鐵譜分析技術(shù)可以對(duì)尺寸范圍更大的磨粒進(jìn)行分析，同時(shí)還可以觀察到磨粒的形狀特征。

當(dāng)前使用鐵譜與光譜分析技術(shù)相結(jié)合的方式，已成為航空發(fā)動(dòng)機(jī)內(nèi)部磨損狀態(tài)監(jiān)測(cè)的一種高效的故障診斷方法[24]。常用的鐵譜儀器有分析式鐵譜儀直讀式鐵譜儀、旋轉(zhuǎn)式鐵譜儀、和在線鐵譜儀等，使用比較廣泛。隨著磨損顆粒分形理論不斷成熟，以及計(jì)算機(jī)圖像處理技術(shù)進(jìn)步，根據(jù)鐵譜磨粒特征分析磨損機(jī)理、磨損類型及磨損程度的應(yīng)用研究也朝著智能化方向發(fā)展。磨粒的形狀特征分析準(zhǔn)確度不斷提高，反映磨粒類型的特征參數(shù)指標(biāo)體系也日趨完備。當(dāng)前基于圖像的滑油磨屑分析技術(shù)已有不少研究成果[44-51]。

鐵譜分析也存在其局限性，由于油樣中存在的磨粒形態(tài)參數(shù)各異、復(fù)雜多變，難以進(jìn)行準(zhǔn)確的定性分析；而且存在著以下缺點(diǎn)：缺乏描述磨粒定量形態(tài)的特征參數(shù)，分析精度較低以及數(shù)據(jù)重復(fù)性差等。

4.2 在線檢測(cè)

傳統(tǒng)的離線檢測(cè)方法雖然具有檢測(cè)精度高、獲取信息面全等優(yōu)點(diǎn)，但是也存在一些缺點(diǎn)：①檢測(cè)周期長(zhǎng)，不能迅速反映設(shè)備的工作狀況；②在測(cè)試過程中樣本油液受污染侵入的環(huán)節(jié)較多，采樣后會(huì)產(chǎn)生信息失真；③檢測(cè)的準(zhǔn)確性很大程度上依賴于實(shí)驗(yàn)操作員個(gè)人的能力水平和經(jīng)驗(yàn)。因此離線檢測(cè)方法不適于跟機(jī)實(shí)時(shí)使用，也不能用于滑油系統(tǒng)故障的早期診斷和預(yù)防。相比較而言，油液在線監(jiān)測(cè)法優(yōu)勢(shì)明顯，除了具備離線檢測(cè)方法全部?jī)?yōu)點(diǎn)外，還能對(duì)油液磨粒樣本進(jìn)行實(shí)時(shí)監(jiān)測(cè)和連續(xù)分析。因此該方法自提出后，受到了許多科研工作者的青睞。

滑油磨粒的在線監(jiān)測(cè)不需要采集油液樣本，而是由安裝在發(fā)動(dòng)機(jī)滑油系統(tǒng)管路上的傳感器進(jìn)行在線數(shù)據(jù)采集，通過確定的測(cè)量機(jī)理對(duì)磨粒進(jìn)行實(shí)時(shí)監(jiān)測(cè)。根據(jù)物理檢測(cè)原理不同，可以分為四大類：電磁法、光學(xué)法、能量法和聲學(xué)法等。目前基于各種傳感原理的滑油屑在線檢測(cè)系統(tǒng)已有諸多重要成果[52-63]，文獻(xiàn)[61-62]中全面綜述了滑油屑各種傳感器的研究進(jìn)展。磨粒在線監(jiān)測(cè)受多個(gè)外界因素影響，同時(shí)由于傳感器設(shè)計(jì)復(fù)雜和安裝布置位置不理想，要實(shí)現(xiàn)全流域的滑油磨粒在線實(shí)時(shí)監(jiān)測(cè)，并具有較高的可靠性和靈敏度等性能指標(biāo)，未來還面臨諸多挑戰(zhàn)。

5 故障診斷系統(tǒng)

滑油故障診斷系統(tǒng)總體結(jié)構(gòu)通常由三大部分組成：診斷與預(yù)測(cè)模塊、故障診斷專家系統(tǒng)模塊（以領(lǐng)域知識(shí)為核心）、綜合診斷與決策模塊[64]。早期的滑油故障診斷系統(tǒng)大都是基于滑油磨屑的獨(dú)立診斷系統(tǒng)[64-69]。圖8 給出了某典型的滑油光譜故障診斷專家系統(tǒng)[64]。當(dāng)前滑油故障診斷系統(tǒng)已經(jīng)融入發(fā)動(dòng)機(jī)故障診斷系統(tǒng)，成為其中一個(gè)模塊功能，在這方面已有眾多研究成果[70-79]。

圖8 滑油光譜故障診斷專家系統(tǒng)Fig.8 Expert system for fault diagnosis of lubricating oil spectral

6 滑油系統(tǒng)故障診斷發(fā)展趨勢(shì)

從滑油系統(tǒng)故障診斷國(guó)內(nèi)外研究現(xiàn)狀看，其未來發(fā)展趨勢(shì)可以總結(jié)如下：

（1） 研究更加有效的多參數(shù)信息融合故障診斷與定位方法。單純利用單信號(hào)的故障判據(jù)來確定非常困難，也難以準(zhǔn)確定位故障發(fā)生點(diǎn)。一旦對(duì)應(yīng)的傳感器故障，可能造成誤判，因此需要同時(shí)考慮若干相關(guān)參數(shù)進(jìn)行綜合分析。參數(shù)維數(shù)越多處理起來就越復(fù)雜。目前，針對(duì)多參數(shù)的融合處理開展了一定的研究工作，但不足以覆蓋滑油系統(tǒng)的全部故障；故障定位準(zhǔn)確性還有待提高。因此，如何從多參數(shù)信息中高效地提取出故障信息，并準(zhǔn)確定位故障發(fā)生點(diǎn)已經(jīng)成為亟待解決的問題。

（2） 研究多故障情況下的故障診斷與定位方法。傳統(tǒng)的單一故障的診斷已經(jīng)發(fā)展了很多算法。但對(duì)于多故障發(fā)生、故障特征混疊的應(yīng)用場(chǎng)合研究甚少，也是未來發(fā)展的方向。必須深入研究滑油系統(tǒng)各元件故障失效機(jī)理、故障傳遞關(guān)系、輸入輸出關(guān)系及發(fā)動(dòng)機(jī)其他系統(tǒng)與環(huán)境的相互作用，從而提高多故障診斷的定位率。

（3） 研究滑油品質(zhì)性能退化的檢測(cè)技術(shù)。研究滑油品質(zhì)性能退化特征與滑油性能參數(shù)耦合模型，發(fā)展先進(jìn)的基于滑油理化特性、光電磁特性變化的滑油功能失效的接觸式和非接觸式監(jiān)測(cè)和評(píng)估方法，建立基于滑油性能退化表征參數(shù)(粘度和介電常數(shù))的滑油剩余壽命預(yù)測(cè)方法。

（4） 提高故障診斷實(shí)時(shí)性。實(shí)時(shí)監(jiān)測(cè)、診斷與預(yù)測(cè)是航空發(fā)動(dòng)機(jī)健康管理的必然要求。因此必須具備高效、準(zhǔn)確、故障信號(hào)采樣和傳遞，快速、有效的數(shù)據(jù)分析、故障識(shí)別及決策支持，并利用高性能計(jì)算機(jī)、高速網(wǎng)絡(luò)通信技術(shù)及大數(shù)據(jù)分析技術(shù)、先進(jìn)的故障機(jī)理和并開發(fā)專家系統(tǒng)，為實(shí)時(shí)診斷的實(shí)現(xiàn)提供技術(shù)保障。同時(shí)，要開發(fā)快速、高效的故障診斷模型和算法，提高故障診斷實(shí)時(shí)性。

（5） 診斷、預(yù)測(cè)與維護(hù)一體化?，F(xiàn)代復(fù)雜裝備不僅要求在系統(tǒng)出現(xiàn)故障的情況下進(jìn)行有效的診斷和定位，還要求可以準(zhǔn)確分析出裝備目前的健康狀態(tài)，預(yù)測(cè)故障發(fā)生發(fā)展過程，給出剩余壽命，并通過實(shí)時(shí)通信將系統(tǒng)目前的健康狀態(tài)傳送至維修保障中心，從而實(shí)時(shí)調(diào)度維修備件和維修人員，實(shí)現(xiàn)故障部件的快速維修及即將出現(xiàn)的故障的部件的備件貯備，從而大大提升系統(tǒng)的維修保障性。

7 結(jié) 語

滑油系統(tǒng)作為航空發(fā)動(dòng)機(jī)的重要組成部分，其運(yùn)行狀況對(duì)發(fā)動(dòng)機(jī)的狀態(tài)、性能和壽命有著重要的影響。本文全面地綜述了航空發(fā)動(dòng)機(jī)滑油系統(tǒng)建模與數(shù)字仿真、在線故障診斷、離線故障定位、滑油屑末檢測(cè)和故障診斷系統(tǒng)5 個(gè)方面的技術(shù)研究進(jìn)展，討論分析了滑油系統(tǒng)故障診斷的未來發(fā)展趨勢(shì)，為今后滑油系統(tǒng)技術(shù)發(fā)展和工程實(shí)施應(yīng)用提供了有價(jià)值的思路。隨著精確的部件級(jí)和系統(tǒng)級(jí)模型建立，更多先進(jìn)的故障診斷算法開發(fā)，未來航空發(fā)動(dòng)滑油系統(tǒng)故障診斷將加速進(jìn)入工程實(shí)用化階段。