赵洪利, 陈天铭, 郑 涅

(中国民航大学航空工程学院, 天津 300300)

0 引 言

当前,在航空发动机的维修中,预测与健康管理(prognostics and health management,PHM)技术发挥着重要作用,能够通过传感器收集到的数据,进行航空发动机在翼剩余使用寿命(remaining useful life,RUL)预测和健康管理,指导发动机维修。这不仅可以有效地保障飞机的飞行安全,还可用于规划发动机维修,降低维修成本,帮助航空公司实现经济性,安全性目标[1]。

发动机RUL预测是一种预测发动机未来故障时间或维持正常运行剩余时间的技术[2]。该技术能够在发动机出现故障之前预留足够的时间,同时获取可靠的维修策略[3]。因此,在RUL预测领域,准确可靠的预测方法至关重要[4-5]。当前发动机RUL预测主要分为3类:基于物理失效模型的方法、基于数据驱动的方法和混合方法[6]。目前的研究方向主要集中在基于数据驱动的方法。因为该方法更容易实现,有较为准确的预测,而且能够通过各种传感器收集的监视数据来代替系统退化的物理知识[7]。

基于退化建模和回归预测是数据驱动方法的主要研究方向。文献[8]基于欧氏距离综合多源数据,通过非线性漂移Wiener过程预测RUL。文献[9]采用基于多阶段Wiener过程的正态总体均值和变异系数一致性检验的方法进行剩余寿命预测。文献[10]提出一种整合自编码神经网络和双向长短期记忆神经网络优势的混合健康状态预测模型,优化涡扇发动机的剩余使用寿命预测。文献[11]基于改进的门控循环单元进行预测,克服传统门控循环单元型在处理多状态参数时的重复建模问题。……