[发明专利]一种航空发动机燃油调节器故障诊断方法

说明书

技术领域

本发明属于故障诊断技术，具体涉及一种航空发动机燃油调节器故障诊断方法。

背景技术

航空发动机燃油调节器属于一种结构复杂的机械液压系统，由多个相互之间有耦合关系的元部件组成，是航空发动机的重要组成部分。燃油调节器一方面作为主控制量燃油的执行机构，另一方面作为航空发动机数字控制系统的机械液压控制备份，其性能好坏直接影响发动机的工作状态，甚至会影响飞机的安全性和可靠性。一旦航空发动机燃油调节系统中某个元部件发生故障，整个燃油调节器的功能都会受到影响，如果故障不能及时排除，可能会造成重大的事故。因此，对燃油调节器进行故障诊断是非常有价值的。

在航空发动机燃油调节器的故障诊断方面，国内外公开发表的文献较少，亦未有相关专利涉及此方面的内容。在已有文献中，多是对某个单一液压元件(如电液伺服阀)进行故障诊断，未对整个燃油调节器进行故障诊断，而且所用模型多是简化模型，精度较低，与真实的物理过程存在一定差距。尤其，在工程实践中，针对整个燃油调节器没有成熟的故障诊断方法。一旦发生故障，多是采用试凑法来进行故障排查，这种方法操作繁复，效率低下，诊断精度不高，甚至可能引发新的问题。此外，该种方法需要操作人员具有较高的技术水平与工程经验，存在一定的局限性。

对于航空发动机燃油调节器而言，当前的故障诊断技术已经渐渐满足不了工程的实际需要。因此，探索出一种有效且适用于工程实践的高效故障诊断方法成为一个亟需解决的问题。燃油调节器故障的检测和诊断也因此具备了广阔的研究和应用前景。

发明内容

本发明是为了解决现有技术存在的操作繁复，效率低下，诊断精度不高的问题，而提出的一种航空发动机燃油调节器故障诊断方法。

一种航空发动机燃油调节器故障诊断方法，包括以下步骤：

步骤1：分析燃油调节器机理，通过部件级建模方法，建立燃油调节器部件级模型，在此基础上进行稳态和动态计算，得到燃油调节器的机械起动、油门速度、静态流量等特性，以燃油调节器出厂数据为标准，考核所建立的航空发动机燃油调节器部件级模型的精确度和准确度；

步骤2：根据试验数据，并与步骤1所建的燃油调节器模型的仿真数据进行对比，对流量系数、雷诺数、摩擦系数等参数进行修正，减小仿真数据与试验数据之间的差异，得到高精度的燃油调节器模型；

步骤3：根据燃油调节器维修报告，获取燃油调节器内易发生故障的类型，并对燃油调节器的失效案例及故障发生机理进行分析总结，分别为：磨损、疲劳、液压油污染和密封件老化；

步骤4：针对真实燃油调节器在运行过程中可能发生的各种故障，根据故障发生的机理，对不同的故障模式进行分类，分别为：阀芯卡死、弹簧疲劳断裂、喷嘴堵塞、内泄漏和外泄漏，在燃油调节器正常模型的基础上，采用增大摩擦系数、减小弹簧预紧力、减小喷嘴直径、增大壳体间隙、增大节流嘴直径等方法来模拟真实燃油调节器中可能出现的各类故障；

步骤5：从燃油调节器的可测输出量中，选取压力、流量、温度等物理量作为反映系统状态的特征参数，并对步骤4中，各种故障模式下的特征参数值进行提取；

步骤6：针对每种故障模式，分别做多组仿真，提取步骤5所述特征参数值，建立不同故障模式对应的样本集，并将所述样本集划分为训练样本和测试样本；

步骤7：选择基于Leverberg-Marquardt算法的BP神经网络作为燃油调节器故障诊断的分类器，对各故障模式进行分类描述，以步骤6中所述样本作为输入项，样本对应的分类描述作为输出项，实现燃油调节器的故障诊断。

步骤7中的具体步骤为：

步骤7.1：获取燃油调节器在各种状态下的特征参数，作为神经网络的输入项。对于燃油调节器来说，这些参数可以是流量、压力、温度等物理量；

步骤7.2：根据燃油调节器的五种故障模式：阀芯卡死、弹簧疲劳断裂、喷嘴堵塞、内泄漏和外泄漏，对每种故障模式进行分类描述；

步骤7.3：设计神经网络。需要设定的参数包括神经网络的层数和各层神经元个数。其中，输入层神经元数由选取的特征参数个数决定，为3；输出层神经元个数由状态数决定，为5；

步骤7.4：训练。以步骤6得到的多组训练样本作为输入，各样本对应的分类描述作为输出，从而得到神经网络模型；

步骤7.5：检测。神经网络训练完成后，即可对步骤6得到的测试样本进行检测。在检测的过程中，可能会出现误判，这时需要把误判的样本加入到训练样本中去，对神经网络进一步训练，从而达到要求。

本发明的有益效果：