第1期陈立波等:航空发动机滑油综合监控中的磨损故障融合诊断研究173

异常界限值LW,可以确定其隶属度函数如式(3),其隶属度曲线如图1所示.

μAi(xi)=

,　　　(1<xi<LW

)LW

的一种方法.它建立了广义Bayes理论,根据人的推理模式,采用概率区间或不确定区间来决定多证据下假设的似然函数.对于两重假设问题.设每个陈述对假设A的支持程度分别为m1(A),

θ)

,m2(θ),…,mn(θ),m2(A),…,mn(A),以及m1(且有

1,　　　　　　(xi>LW)

(i=1,2,3,4)

(3)

θ)=1-m1(A)m1(

θ)=1-m2(A)m2(…

θ)=1-mn(A)mn(

由数学归纳法可以证明得到

m(A)=1-n

i=1n

(5)

7

θ)mi((6)

在本文,对于两重假设问题,A为“轴

承疲劳失效”,集合θ为A.因此,可以根

图1　磨粒数据隶属度函数

Fig.1　Functionofsubjectiondegreeforwear

debrismonitoring

(),即每)的支持,D,得到融合诊断结果.

根据实际情况,,界限值,即警告值,2所示.

μAi(xi)=

,　　　　　　　　　(0<x

i<LS1)LS1

4　故障融合诊断

4.1　诊断流程

　　根据某型航空发动机的故障特点,开发了发动机滑油监控专家系统EOMES1.0(Engineoilmonitoringexpertsystem1.0).该系统是诊断型

0.5+0.5,(LS1<xi<LS2)

LS2-LS1

专家系统,运用了基于知识规则的专家系统开发策略[8],由知识库、数据库、推理机、解释系统和知识获取系统等组成.在故障诊断过程中融合了光

(4)

1,　　　　　　　　　　　　(xi>LS2)

(i=5,6)

谱分析和自动磨粒检测等多种监控信息,实施基于多源信息的融合诊断.用户通过过程的需要,将知识库的征兆信息传送给推理机,推理机根据诊断过程的需要,对知识库中的各条知识及全局数据库中的各项事实进行搜索或继续向用户索要征兆信息,诊断结果通过人机接口返回给用户,并根据诊断结论给出发动机维护的建议措施.

诊断过程中,专家系统首先将光谱数据和磨粒数据信息分别进行单项诊断,提取出信息的征兆集,再结合不同监控方法的监控阈值,得到各监控数据对故障支持的可信度,最后利用D2S证据理论进行决策层的信息融合,对发动机状态最终融合评判,提出维修建议.基于滑油光谱和自动磨粒检测的发动机滑油综合监控的融合诊断过程如图3所示.

图2　光谱数据隶属度函数

Fig.2　Functionofsubjectiondegreefor

SOAmonitoring

D2S证据理论[6]是目前决策层融合中最常用