172航　空　动　力　学　报第24卷

表4　光谱监控成功预报的8台故障发动机滑油监测结果

Table4　Monitoringdataofoilsamplesfrom8engineswithpotentialmalfunction

自动磨粒检测数据

发动机编号

切屑磨粒/

(个/mL)

3017#2032#3116#3021#2276#1098#3062#3104#

332991123175211

光谱数据

总磨粒/

(个/mL)133117851309365Fe/10-66.41.86.27.13.113.20

Cu/10-61.26.10.85.05.60.83.10.9

严重滑动磨粒/

(个/mL)4839394541197535

疲劳磨粒/

(个/mL)52493774292919623

注:该型发动机铁浓度警告值6.0×10-60×10-6;4.0×0-6,浓度异常值6.0×10-6.

　　,可,包括轴承疲劳失效在内的各种类型磨损故障.

(CFE5)then“轴R5:IF“Fe元素浓度异常”

(CFR5)[CF5]承疲劳失效”

(CFE6)then“轴R6:IF“Cu元素浓度异常”(CFR6)[CF6]承疲劳失效”

3　基于滑油综合监控的故障融合

诊断算法

　　本文设定滑油综合监控数据包括光谱数据和自动磨粒检测数据,其中光谱数据包括:Fe元素浓度和Cu元素浓度;自动磨粒数据包括:切削磨粒浓度、严重滑动磨粒浓度、疲劳磨粒浓度、总磨粒浓度.本文设定诊断故障模式为“轴承疲劳失

效”进行计算.针对其它设定的故障模式(如滑油泵磨损等)的算法可以此类推.

根据规则推理的诊断方式,由滑油综合监控数据,可以建立如下诊断规则.即

(CFE1)then“轴R1:IF“切削磨粒浓度异常”(CFR1)[CF1]承疲劳失效”

(CFE2)thenR2:IF“严重滑动磨粒浓度异常”(CFR2)[CF2]“轴承疲劳失效”

(CFE3)then“轴R3:IF“疲劳磨粒浓度异常”(CFR3)[CF3]承疲劳失效”

(CFE4)then“轴承R4:IF“总磨粒浓度异常”(CFR4)[CF4]疲劳失效”

其中CFEi(i=1,2,…,6)为监控数据为异常

时的可信度,即为证据i的可信度;CFRi(i=1,2,…,6)为每条规则的可信度.本文认为,如果存在监控数据异常的情况下一定可以推出“轴承疲劳失效”这一结论,则可设定CFRi=1(i=1,2,…,6).事实上,每个监控数据不能直接推出“轴承疲劳失效”结论,因此,CFRi应根据实际情况取0到1之间不同的任意值.CFi(i=1,2,…,6)为每条规则的综合可信度.即

CFi=CFEi×CFRi,

(i=1,2,…,6)

(1)

为计算油样检测数据异常(即各条证据)的可信度,本文引入模糊集合概念,设滑油综合监控数据异常为一模糊子集Ai(i=1,2,…,6),通过确定隶属度函数,可以得到实际检测数据对Ai的隶属度μAi(xi),(i=1,2,…6),此时,可以用隶属度μ6)来作为证据的可信Ai(xi),(i=1,2,…度,即

(2)CFEi=μAi(xi),　(i=1,2,…,6)

根据实际情况,对于磨粒数据,通常设定一个