航空发动机杂志已发表格式范文参考
1.军用航空发动机气路故障诊断技术进展
作者：李大为;王奕首;李 军;谢业平;张博文;夏迩豪
作者单位：厦门大学;中国航发沈阳发动机研究所
关键词：气路故障诊断;健康管理;军用航空发动机;自适应循环发动机
摘要：随着航空发动机健康管理系统中气路故障诊断技术的日趋进步，从提高飞行安全性及降低视情维修成本的角度出发， 越来越多的军用航空发动机在研发过程中更聚焦于气路故障诊断设计。为了提升发动机工作安全性，系统梳理了国内外军用航 空发动机气路故障诊断技术的发展历程，并按4个阶段对技术特征进行总结归纳。核心研究了基于数学模型、数据驱动和信息融 合的气路故障诊断的一般方法和各自方法的优缺点，并提出了军用航空发动机气路故障诊断的关键技术，针对先进军用变循环发 动机的特点和需求，给出了军用发动机气路故障诊断设计工程上应分阶段实施、利用机载实时模型开展不可测参数与可测参数关 联研究、加强模式转换等过渡态气路故障诊断设计、辩证地处理控制系统和健康管理系统的功能分配关系等，可供中国未来开展 自适应循环发动机的气路故障诊断设计时参考。
0 引言
军用航空发动机是复杂的热力旋转机械系统，具 有“4 高”混合的运行环境特点，即工作温度高、压力 高、转速高和工作应力高。与民用发动机相比，军用 发动机具有工作参数范围宽及工作参数变化剧烈等 特点，因此，发动机性能和结构件极易出现各种退化 和故障，需要适当监控，以提前发现故障或故障趋势， 并发出告警及采用维修处置措施，从而保障飞行安 全。因此，故障诊断、预测和健康管理（Prognosis & Health Management，PHM）技术应运而生，可提高发动 机安全性、维修性，实现发动机适情维修。通过及时维修间接避免发动机故障换件，从而降低发动机的运 行成本[1-3] 。发动机故障类别从不同维度出发有多种 划分。按照寿命周期维度，存在短期的突变故障和长 期衰退磨损故障[4] ；按照发动机设计专业维度，则存在 气路流道故障、振动故障、滑油故障和疲劳故障等[5] 。 据统计，85%以上发动机故障是由气路流道引起的[6] ， 因 此 ，气 路 故 障 诊 断 是 发 动 机 健 康 管 理（Engine Health Management，EHM）系统的最核心、最重要的组 成部分。同时，军用发动机由于受到隐身、推重比等 特有需求导致的结构尺寸等限制，可安装的测试传感 器数量有限，而测试参数工作范围较大（飞行包线往 往比民机的大），对机载传感器可靠性要求更高，增大 了发动机气路故障诊断设计难度，因此，更应该加强 对发动机气路故障诊断设计研究。本文的气路故障 诊断指的是航空发动机结构件包含最多、负荷环境最 恶劣的主流道气路，不包括滑油、振动等系统的故障 诊断。
在20世纪60年代，Urban首先开展了气路分析工 作[7] ，随后 T700[8] 、F404-GE-400[9] 、F100[10] 、F119[11-12] 、 EJ200[13] 、AL-41F1S[14] 、F135[15-16] 等军用发动机先后增 加了气路故障诊断设计，主要根据设计经验及数学模 型实现了少数单稳态工况的气路故障诊断功能，而缺 少对于过渡态、全寿命周期的气路故障诊断。鲁峰 等[17-18] 、张丽[19] 开展了数据驱动、信息融合等先进气路 故障诊断方法研究，但工程化实现仍不理想。
本文梳理了国内外军用航空发动机健康管理系 统中气路故障诊断设计发展历程，归纳总结军用航空 发动机气路故障诊断设计的一般方法和关键技术，并 针对工程化不足的现状，结合先进军用自适应变循环 发动机特点，给出了气路诊断设计工程化建议。
1 气路故障诊断历程及现状
1.1 气路故障诊断相关标准简述
早期的气路故障诊断一般表现为发动机控制系 统的监控功能，发动机维护也是预设好的定期维护。 随着健康管理技术的发展及视情维护等需求，气路故 障诊断逐渐从控制系统中独立出来，成为健康管理系 统中的重要组成部分和研究热点，并建立专门用于气 路故障诊断及存储的调节器，研究目标侧重于提高发 动机安全性、降低维护和运营成本[20-21] 。民用航空发 动机由于注重运营成本因素，更早地研究气路故障诊 断及健康管理并进行验证，目前已形成较为全面的健 康 管 理 或 气 路 故 障 诊 断 相 关 标 准 ，如 SAE AIR 5120A-2016[22] 、ISO 13374[23] 等。相比之下，军用航空 发动机健康管理或气路故障诊断标准暂未见公开发 表，仅是从安全性监控角度在测试系统章节提出了相 应要求，如 MIL-E-5007E[24] 、JSGS-87231A[25] 、JSSG2007A[26] 、GJB 241A-2010[27] 、GJB 242A-2018[28] 等相应 的测试章节。目前，军用航空发动机健康管理系统缺 少与发动机设计、制造、全寿命周期的运维之间的协 同设计，随着发动机对经济成本因素的关注，面向视 情维护的气路故障诊断也愈受重视，研究越来越深 入。从公开资料来看，F35联合攻击机、阵风战斗机、 T-50飞机、P-8A多任务预警机、UCAV无人机、C-130 运输机、UH-60“黑鹰”直升机等飞机均开展了发动机 健康管理中的气路故障诊断设计和验证研究[14] ，后续 应建立相关军用发动机健康管理气路故障诊断的标 准，如气路故障级别标准、性能趋势预测标准、寿命预 测标准、性能模型建立标准等工程型号中亟需解决的 标准。
1.2 军用航空发动机气路故障诊断技术发展历程
1967年，Urban开创了气路分析法[7] ，将发动机非 线性故障模型简化为线性数学模型，提出故障影响系 数矩阵诊断方法。同时期，RR 公司设计的 MK202发 动机实现了滑油系统的相关参数监测[7] ，这是航空发 动机首次将故障诊断概念融入发动机设计过程中。
20 世纪 70 年代，随着发动机装机传感器数量的 增多，例如发动机排气温度、主燃油流量等主流道的 测试参数，可用于故障诊断的监控参数越来越多。美 国 GE 公司设计的 T700 发动机通过控制系统实现了 发动机个别状态监视，可以完成少数部件系统的单参 数故障诊断。T700发动机的控制系统由电子控制单 元（Digital Electronic Control Device Unit，DECDU）和 液压机械装置（Hydrodynamic Mechanical Unit，HMU） 组成，可以实现部分性能参数的监控功能，同时增加 了 1 个数据记录设备[8] 。1979 年，GE 公司设计的 F404-GE-400涡扇发动机在控制系统中通过 10个相 关参数的测试和检查，可以实现发动机监视和寿命跟 踪功能[9] 。综上所述，此时期的健康监测功能是由控 制系统完成，监测主要是对发动机个别可测的工作参 数极值进行判断，数据记录设备记录的数据在离线状 态下并未被利用分析。
20 世纪 80 年代，随着数字式电子控制器技术的 突飞猛进，采用数字调节器开展发动机全状态参数监 控得到推广。英国整合前期开发的状态监控系统 （Engine Unit Monitoring System，EUMS）和低循环疲劳 计数器（Low Cycle Fatigue Counter，LCFC）升级成为面 向发动机机群的寿命状态监视诊断系统，对发动机关 键件进行监控[8] 。1982年，美国 PW 公司在 F100发动 机控制系统中集成了数字电子控制器，其中电路板中 特别设置发动机诊断单元（Engine Diagnostic Unit， EDU），通过 37 个信号实现了状态监视功能，F100 发 动机气路诊断监测参数[9-10] 如图 1所示。俄罗斯在米 -8直升机的TB2⁃117A等发动机平台上将故障诊断与 发电机性能进行关联；RD-33、AL-31F发动机在模拟 式综合调节器（控制器）上也实现了发动机状态监视 和告警功能[14] ，具体包括发动机气路性能、滑油系统、 燃油系统的相关诊断。综上所述，此时期的气路故障 诊断仍仅是由控制系统电子控制器完成，但已经出现 独立诊断的电子控制单元模块，但记录的数据仍未从 时间维度串联起来进行应用，控制器也无实时计算的 数学模型。
20 世纪 90 年代，气路故障诊断技术得到了跨越 式发展，美国先进联合攻击机F22配装的F119发动机 在设计时，正式提出健康管理气路故障诊断概念，其 气 路 诊 断 功 能 由 控 制 系 统（Full Authority Digital Engine Control，FADEC）和 健 康 管 理 诊 断 单 元 （Comprehensive Engine Diagnostic Unit，CEDU）共同实 现，硬件分为机载实时系统和地面支撑保障系统。机 载实时系统内置性能计算模型（STORM 模型），可以 实现发动机参数监控、故障诊断及隔离等功能，同时 可以向飞行员发送告警信号、向地面维护人员发送维 护建议信息。CEDU 可以实时诊断发动机起飞和巡 航稳态的健康诊断，可以自动记录故障前、中、后的快 照数据，F119 发动机气路故障诊断架构如图 2[12,14] 所 示。EJ200 发动机健康管理系统分为机载实时系统 和地面支撑保障系统，前者可以记录发动机稳态特征 参数，同时可以实时计算发动机推力修正量；后者对 空中存储的数据进行更详细的分析，包括用于故障预 测的性能退化趋势分析和寿命预测等。EJ200 发动 机气路故障诊断逻辑如图 3[13] 所示。配装 T-50 歼击 机的 AL-41F1S（也称 117S）发动机是在 AL-31F 发动 机基础上采用数字式电子调节器（控制器），并升级 了故障诊断功能，可以实现性能、振动、寿命的诊 断[14] 。综上所述，此时期的气路诊断已经专门设置 了电子调节器（CEDU）进行逻辑诊断，同时测试参数 数量也有大幅度增加，发动机设置了实时计算的数 学模型，可以实现根据某一具体飞行状态进行实时 的气路故障诊断。同时，设置了地面离线系统，可对 发动机历史数据进行分析，实现了全生命周期的性 能预测功能。
21 世纪，代表气路故障诊断技术最高水平的发 动机为 PW 公司的 F135 发动机，其 PHM 系统沿用了 F119 发动机的架构，由双 FADEC 和 CEDU 组成。汉 胜公司新研发了进气碎屑检测系统（Ingested Debris Monitoring System，IDMS）和 排 气 碎 屑 检 测 系 统 （Exhaust Debris Monitoring System，EDMS），专门用于 气路监控。F35飞机气路故障诊断硬件配置如图4所 示 。 同 时 ，将 机 载 实 时 系 统 内 置 性 能 计 算 模 型 （ESTORM模型）进行了升级，可以根据发动机飞行中 的故障进行性能自适应工作状态的调节，并可以将数 据实时传送到基地的地面系统，实现了基于状态的维 修（Condition Based Maintenance，CBM）[15] 。 NASA 开 发了基于传感数据层、特征层和决策层3层信息融合 的故障诊断算法，并应用于 F117 发动机的 PHM 系 统[16] 。GE公司开发了基于特征级提取和融合的智能 算法，并应用于F136发动机，实现了故障检测和寿命 预测功能[4] 。综上所述，此时期的气路故障诊断系统 架构参照上个时期基本未发生太大变化，主要是软件 算法随着大数据、智能技术发展得到了提高。同时， 针对与常规构型不同的新研部件（如升力风扇、偏转 喷管）对使用场景的要求（近地面进排气需求），开发 专门的气路故障诊断单元和测试，但并未对过渡态等 典型状态进行诊断。
与国外相比，中国在发动机健康管理系统中的气 路诊断技术起步较晚，其中自主研发的现役航空发动 机，通过控制系统可以实现发动机重要参数的监控和定期的维护保障，尚不具备故障诊断及隔离功能。但 结合相关先进发动机研制工作，已开展了气路故障诊 断关键技术的工程化研究[21-22] 。
1.3 小结
通过前文梳理不难看出，军用航空发动机气路故 障诊断技术已由控制系统中单一模块简单监视逐步 扩展到基于专用处理器的按状态实时计算与监控。 从单参数监控逐步扩展到多参数联合故障诊断，再到 全生命周期故障诊断。每个阶段工程项目都有典型 的技术特征。本文按 4 个阶段进行技术特征总结划 分，具体的气路故障诊断技术发展历程如图 5 所示。 从图中可见，萌芽阶段（第 1 阶段）：气路故障诊断技 术特征归纳为在控制系统中具备单一超限参数的诊 断功能；成长阶段（第 2 阶段）：在控制系统中设置专 门模块进行多参数的联合运算，监控发动机参数全包 线范围极值，从而实现关键系统的故障诊断；初步成 形阶段（第3阶段）：气路故障诊断分为机载和地面系 统，并设置单独处理器实现更为复杂的多参数联合实 时运算，可以具体识别单一飞行状态并进行更精准的 诊断，地面系统实现了全生命周期内的性能及寿命预 测；发展成熟阶段（第 4 阶段）：在机载和地面系统框 架不变的基础上，诊断和预测算法融入了更多大数据 分析和智能融合算法，升级了专门用于诊断的计算模 型，并可实现多个稳定状态的诊断和预测，同时针对 不同于常规构型的部件进行有针对性的设置故障诊 断单元（如升力风扇和偏转喷管工作环境的监控要 求），并将诊断信息通知给飞行员及地面维护人员。
2 气路故障诊断方法及关键技术
2.1 气路故障诊断方法
气路故障诊断是利用发动机可测参数或基于测 试参数的计算结果与所谓的“健康状态标准”进行对比，从而判断发动机运行状态或未来运行状态可能出 现的故障，并将故障定位到可隔离更换的部件，便于 第一时间采取相应的维修措施，降低故障发生的可能 性，同时也可降低维护成本。气路故障诊断机理如图 6所示。从图中可见，航空发动机故障产生原因包括 外物侵入、气动热烧蚀、使用磨损等多种因素，可归纳 为短期作用因素和长期作用因素 2 类。这将直接导 致发动机结构件或结构件间尺寸发生变化，进而导致 发动机性能退化，这些性能变化将在发动机可测参数 上显性化表示，设计人员根据故障诊断判据与测试参 数变化进行比较，实现基于状态的维修。
在整个气路故障诊断过程中，可以用 5个环节进 行概括（图 6）。依据测试参数对象、对比的“健康标 准”[29-30] 、诊断算法[31] 、过程方式[32] 等不同维度，气路故 障诊断方法也有多种划分，气路故障诊断方法分类见 表 1，其中也有交叉重合的部分，随着大数据、数字孪 生技术的发展，越来越多的人工智能算法融入发动机 数学模型和数据分析模型中，信息融合技术逐步工程 化成熟。本文倾向按照“健康标准”产生方式将气路 故障诊断方法分为3类，即基于数学模型的气路故障 诊断、基于数据驱动的气路故障诊断，以及基于信息 融合的气路故障诊断。
2.1.1 基于数学模型的气路故障诊断
基于数学模型的气路故障诊断方法是指将航空 发动机用数学模型进行表达，将发动机测试参数与数 学模型计算结果进行对比，从而判断气路故障是否发 生。数学模型可分为线性模型和非线性模型。其中，线性模型又进一步分为参数估计和状态估计2种，基 本原理是把发动机状态或参数用线性模型进行表达， 同时采用参数辨识方法计算健康标准，应用较多的是 卡尔曼滤波法。陈大光等[34] 采用基于线性模型的小 偏差法建立了初期发动机故障诊断模型，实现了故障 识别。范作民等[35-36] 从故障因子及线性分段方面深 入研究了线性模型，表明计算精度和收敛时间均达到 了不错的效果。非线性模型是将发动机状态用非线 性模型进行表达（常见的是发动机部件建模法），对测 试参数与模型计算结果进行比较。当差值在置信区 间内时，则求解最优解，再选出差值最小的那组解，从 而判断故障发生的概率，应用较多的是扩展卡尔曼滤 波法、增强的卡尔曼滤波法。由于发动机是典型的非 线性系统，因此，该方法生成的健康标准更为准确，但 计算速度和计算结果存储对硬件的要求较线性系统 更高，也限制了机载系统实时计算的应用。1995年， Cranfield大学Urban等[37] 开发了Pythia软件，实现了发 动机非线性气路故障诊断。时至今日，为了大幅缩短 诊断时间，仍然有学者探索更具针对性的非线性模型 算法设计，如基于变权重的最小二乘法、基于 Sigma 点卡尔曼滤波、数学模型与粒子群和 BP 神经网络等 算法融合[38-39] 。
2.1.2 基于数据驱动的气路故障诊断
由于发动机是典型的非线性系统，其制造公差、 性能衰减和传感器测试误差等因素都会对数学模型 计算结果产生较大影响，因此，很难用准确的数学模 型来精准的表达发动机全生命周期气路性能参数演 变。基于数据驱动的故障诊断方法可以一定程度上 解决该问题，它不需要准确的数学模型，只需利用专 家经验和已发生的故障数据进行训练和学习，就可以 以较高的准确率实现发动机气路故障诊断。常用的 方法包括人工神经网络法、机器学习、多元统计分析、 专家系统方法、模糊推理方法、支持向量机和极限学 习法等。鲁峰等[38-39] 、Zhou 等[40-42] 分别建立基于数据 驱动的故障诊断模型，实现了故障预测。张光明[43] 采 用共轭梯度法和比例共轭梯度法，解决了神经网络容 易陷入局部最小值的问题。任茹菲[44] 提出了基于数 据驱动的核主元分析算法，有效地解决了测试不确 定性。
2.1.3 基于信息融合的气路故障诊断
信息融合的工作原理是利用多个传感器观测信 息，把多个传感器在时间或空间上的冗余或互补信息 进行组合或融合，获得被测对象的一致性解释或描 述，是信息综合处理过程。常用的融合包括数据融 合、特征融合、决策融合等方式[45-46] 。目前用于航空 发动机气路故障诊断的信息融合方法主要有贝叶斯 融合、DS 证据融合、智能融合、模糊融合、集成融合 等[47-49] ，数学工具包括概率论、推理网络、模糊理论和 神经网络等[50-52] 。尹晓静[33] 建立了多种基于置信规则 的发动机气路故障健康状态评估模型，有效地解决了 模型的准确性问题。鲁峰[18] 以模型和数据为基础，提 出在数据链路的决策层构建蜕化参数模糊化的D-S， 有效地解决了建模误差和噪声、样本导致的测量误差 高等问题。李大为等[52] 、鲁峰[53] 对发动机数据格式及 规范化进行了相应研究。赵姝帆等[54] 、王奕首等[55] 分 别在基于数据的基础上结合先进优化算法，使模型的 计算精度显著提高、计算时间显著缩短。
2.1.4 小结
基于数学模型诊断、基于数据驱动诊断都有各自 的优缺点，没有哪种方法拥有绝对的优势。气路故障 诊断方法优缺点对比见表 2。基于信息融合的诊断 可以通过设置数据层、特征层、决策层不同层级的估计分析融合，改善多源测试数据的冗余性，提高数据 间互补性，并融合数学模型和数据驱动的权重决策， 实现对发动机的气路故障诊断，从而降低气路故障诊 断的虚警率和漏检率，提高诊断精度。越来越多的学 者和工程设计人员投入精力开展信息融合的故障诊 断技术研究，同时 F135 和 F136 等先进军用发动机 PHM 系统中均应用了信息融合诊断技术。因此，未 来趋势将是基于模型和数据的信息融合的气路故障 诊断[56-58] 。
2.2 气路诊断关键技术
从第 2.1 节中可见，工程型号上无论采用何种方 法进行气路故障诊断，都可用数据采集（Data Acquis⁃ tion，DA）、数据处理（Data Manipulation，DM）、状态检 测（State Detection，SD）确认、健康评估（Health Assess⁃ ment，HA）确认、预测评估（Prognostic Assessment，PA） 确认、维修建议（Maintenance Recommedation，MR）6 个典型过程进行描述，气路故障诊断处理过程如图 7 所示。在各典型过程中包含传感器设计、模型建立、 数据处理算法等不同维度的技术，综合上述国内外气 路故障诊断分析及先进发动机需求，从工程化角度提 出如下关键技术。
2.2.1 增加过渡态故障诊断
现有的气路故障方法大多是先识别发动机稳态 工作的状态，然后采取不同的算法对发动机进行气路 故障诊断，但对于过渡态过程诊断却研究较少。对于 先进的军用航空发动机来说，由于高机动性要求，过 渡态工作过程在飞行任务中占有较大比例；对于变循 环发动机，流路几何面积调节更是增加过渡态过程复 杂性。同时，对于发动机油门角度不变时，随着高度、 表速不断变化，发动机工作点处于非稳态工作。上述 过程中发动机转速、温度、压力等参数均随时间剧烈 变化，产生故障的可能性才是最大的。因此，对于军 用航空发动机来说，典型过渡态气路故障诊断是不可 或缺的。例如：全包线范围内包含加减速、遭遇加减 速、加力接通/切断、变循环模式转换等多种形式，如 何在全包线范围内开展发动机过渡态状态识别及挑 选过渡态过程故障特征参数（如时间、转速升高率、加 速油量等）作为健康标准判据评估亟需解决；另一方 面，对于过渡态过程中大惯性介质、小时间常数等建 模及过渡态测试数据的小波分析等算法处理也是未 来研究的重点[59-61] 。
2.2.2 建立综合“健康标准”
精准的发动机数学模型是制定发动机健康标准 的最关键因素，除了自身精准的气动热力学数学模型 外，还应考虑2种因素：（1）随时间变化的全生命期发 动机性能变化，即性能衰减；（2）由于生产制造产生的 发动机个体差异带表现出来的性能差异及测试环境 误差。对于变循环发动机来说，由于可调变量增多， 对性能状态影响更大。上述 2 种因素又相互作用影 响发动机数学模型的准确性。为此，从工程角度可以 采取热力模型+试验特性录取的方法来解决。一方 面，可通过鉴定过程试验数据来修正性能衰减模型的 准确性。另一方面，当技术鉴定后，新发动机出厂装 机后可进行典型状态性能录取，建立个体发动机性能 基线数据，在每一台基线数据模型基础上进行故障诊 断判据设计，消除测试偏差等带来的影响，从而建立 更加精准的气路诊断健康标准。
2.2.3 发展基于信息融合的算法
基于数学模型和基于数据驱动的气路诊断方法 发展到一定程度均有其局限性。随着军用发动机技 术不断进步，发动机工作温度、压力、应力、过载范围 不断增大，发动机部件之间及部件与系统之间相互耦 合越来越紧密，大大增加了发动机数学模型的复杂程 度。此外，基于数据驱动的气路诊断过度依赖已有故 障数据和专家经验，对于未发生过的故障却无法准确 判断。综合上述2方面的特点，应大力发展基于信息 融合的气路故障诊断。一方面，可以使诊断方法具有较好的原理可解释性，通过专家经验与数学模型的结 合，更好地反映发动机的物理性质，增加诊断结果的 可信度；另一方面，数据信息的融合丰富了诊断系统 的数据集，提高了获取信息的综合能力，为测量参数 有限条件下的航空发动机气路故障诊断提供了支撑。
3 发展趋势
军用航空发动机经过近 70 年的发展，伴随着相 关学科技术的不断进步，推重比、涡轮前温度、单位推 力等性能指标逐步提高，未来先进发动机涡轮前温度 预计将达到 2200 K甚至更高。但涡轮叶片的材料及 冷却技术仍赶不上整机指标的增长速度。为了充分 发挥涡喷、涡扇发动机等基本构型发动机的优势潜 力，变循环发动机应运而生，从美国公布 6 代机选型 动力 XA100 和 XA101 来看，未来先进军用航空发动 机大概率是自适应变循环发动机，RR公司、土耳其和 日本等的相关公司也相继开展了变循环发动机研 制[62] 。未来军用变循环航空发动机气路故障诊断设 计在工程型号上可以从以下几方面进行。
3.1 气路故障诊断设计工程化分阶段实施
对于变循环发动机而言，系统的复杂度不再是常 规涡扇发动机与涡喷发动机叠加那样简单，因此，很 难获得准确的数学模型。从国外公开资料来看，需要 针对核心机驱动风扇、涵道引射器及变几何低压涡轮 等部件有针对性的建立模型和特性研究，如涵道引射 器特性表现形式（涵道比、压比、换算转速等关系）开 展研究，方便发动机热力模型计算精准及收敛速度。 参考 F135 发动机对新研部件的设计经验，变循环发 动机应针对核心机驱动风扇、涵道引射器等新构型部 件及容易出现故障的关键件，在考虑具体使用场景的 条件下开展监控测试及故障针对算法研究，如变循环 模式转换过程中代表涵道比参数变化的特征参数研 究。由于在发动机研发阶段，无法获得足够已验的样 本数据进行数据训练，因此，在气路故障诊断工程设 计应分前后期 2 个阶段开展，前期以型号设计的稳 态、过渡态计算模型为主，建立“热力模型+试验特性” 录取的综合健康标准，开展气路故障诊断判据及阈值 的训练；后期当发动机已验证数据积累到一定程度， 则重点开展“基于模型+数据”的信息融合气路故障诊 断设计，并将此技术路线固化在发动机技术状态管 理中。
3.2 机载系统中不可测参数与可测参数特征关联
军用发动机由于质量及安装尺寸的限制，无法根 据原始需求有针对性的安排测试传感器，同时由于涡 轮叶片、加力燃烧室等高温高压工作且容易出现故障 部件更需要测试参数进行监控。因此，需要借助机载 模型实时计算结果间接判断易出现故障部件的工作 情况。在全包线范围内，需要依据不同发动机典型状 态，开展可测参数与不可测参数特征映射关联研究， 通过敏感度分析找到可测参数与不可测参数强关联 关系，利用主成分分析（Principal Component Analysis， PCA）等理论建立气路故障判据，如利用涡轮出口温 度、燃油流量、转速等组合参数计算式间接判断涡轮 工作参数等方法。
3.3 开展过渡态气路故障诊断设计
针对军用航空发动机过渡态占比高的特点，在模 式转换过程易回流、失速，加减速过程中发动机气动 稳定性不足，加力通断过程中压力脉动、振荡燃烧等 故障频发场景，开展典型过渡态状态判据设计。针对 可测参数，开展状态特征参数应考虑过渡态测试传感 器延时影响，同时应加大过渡态模型精细化建设，开 展动态仿真算法平衡方程优化，动态过程部件特性的 插值计算、容腔设定计算等技术研究。此外，还应根 据不同测试范围热电偶惯性差异，开展过渡态过程测 试信号的补偿、小波分析等处理方法研究，从而提高 过渡态过程参数测试的准确性和及时性。
3.4 辩证处理FADEC与CEDU的功能分配
美国 F119 和 F135 发动机气路故障诊断是由 FADEC与 CEDU 共同实现的，其中，FADEC主要实现 控制规律及部分故障诊断后重构处理功能；而 CEDU 则实现部分数据处理、故障诊断、信息报告生成、数据 存储等功能。目前，二者之间并无绝对功能界限划 分，也无相关理论或标准指导工程设计。考虑到先进 军机普遍设置机载模型，根据传感器测试数据实时进 行计算，FADEC与CEDU任何1个处理器均能实现控 制、故障诊断等功能。为避免工程项目上功能设置重 复 、节 省 空 间 和 质 量 的 综 合 考 虑 ，可 对 CEDU 和 FADEC进行功能分工。FADEC只负责发动机的控制 （包括故障后的重构控制），CEDU只负责故障诊断和 趋势预测，同时将诊断结果实时发送给 FADEC，进行 故障重构控制，实现二者之间无功能上的交叉。
3.5 加强协同设计
军用发动机在外场服役过程中，经过清洗、单元 体更换等维护后，性能水平会一定程度得到提高，本 应在机载模型中应得到体现，特别是定量影响的数学 模型，但目前暂未见相关公开资料指导工程型号开展 研发，也未见相关使用维护机载模型。因此，急需在 航空发动机数学模型中开展适情维护数字化建设，特 别是机载模型需结合发动机制造、装配过程的数据， 如：（1）发动机清洗叶片后，压缩部件效率提高具体数 值；（2）某外场可更换单元新件状态与一定工作时数 后状态参数理论的变化情况，是否需要外场发动机动 态工作校准等方面。随着国家数字工程的实施，更有 必要在工程项目气路故障架构设计中考虑适情维护 数字化协同设计。
3.6 加强工程应用转换
从上述分析可见，基于信息融合的气路故障诊断 已开展了较为广泛的理论研究，虽取得了一定的基础 理论研究成果，但普遍存在理论研究与工程应用脱 节，缺乏工程数据支持和试验验证等缺陷。融合诊断 需要以基于模型和基于数据的方法为基础，进行传感 数据级、数据特征级和决策级等不同层级的融合，扩 大传感器获取数据范围，提高测试结果可靠性，降低 信息的不确定性，改善置信度，提高决策能力。基于 融合算法的气路故障诊断如图 8 所示。在气路故障 诊断设计时，需要系统地进行需求分析，针对工程变 循环发动机应根据表征部件性能、功能的强关联参数 进行传感器数据选择，结合数学模型的实时计算能力 安排特征参数运算，并且结合大量工程数据对算法进 行反复的迭代修正和测试，充分考虑发动机设计与使 用过程中的不确定性因素。
4 结束语
目前中国大部分军用航空发动机的气路故障诊 断仍停留在基于知识或经验的诊断，对未发生过的故 障具有很大的局限性。随着大数据、数字孪生技术的 发展，基于模型、数据信息融合的算法将是未来的发 展方向。同时，随着健康管理系统的成熟，CEDU 与 FADEC的功能划分将逐步清晰，CEDU负责发动机机 载和离线系统的故障诊断和预测，同时将诊断结果发 送给 FADEC；FADEC 则更加专注发动机寻优控制及 重构等功能。拥有先进气路故障诊断技术的发动机， 一定会大幅提高发动机的安全性和维护成本。
