超级军网基于状态分类评价的发动机故障诊断决策系统(航空工程与 ...
来源：百度文库 编辑：超级军网 时间：2024/05/03 02:30:18
Decision System for Fault Diagnosis of Engines Using State Classification Appraisec ◎杨慧 熊育婷 吴月伟/中国民用航空学院
提出了基于状态分类评价的决策系统。依据发动机构造的特点，将技术状态分成物理类和逻辑类。同时将专家系统和决策支持系统集成在一起构成智能决策支持系统（IDSS），为航空发动机故障诊断和维修提供更好的决策支持。
因子分析方法是通过建立数学模型，对故障征兆和飞行数据进行解析的故障诊断方法，由于它对故障的检测和诊断仅限于测量变量，从而不能进行复杂的故障检测与诊断。而在发动机实际故障诊断中，必须要处理大量的复杂信息，特别是测量数据以外的不确定信息，这对于建立和使用数学模型是非常困难的。由于在具体的诊断过程中，必须排除交叉式的状态，或者增加能够区分的征兆，因此上述问题需要靠专家长年积累的经验知识来帮助诊断。传统的专家系统，多数在假设的情况下诊断，诊断效率不高，对于监控数据很难量化，不易提供在线诊断。本文介绍的基于状态分类评价的决策系统有望解决上述问题。
本方法依据发动机构造的特点，将技术状态分成两类：物理类和逻辑类。物理状态即发动机物理变化引起的零部件故障，通过基本功能参数与零件几何特性关系建立动态故障模型；逻辑状态即发动机工作状态和其他零件故障引发的故障现象，故障状态本身没有明确的界限值，推理过程中伴有一定的模糊性，对此依据专家知识采用D-S算法和预测故障程度相结合的方法，通过调度器将两种状态有效地区分，从而达到对发动机进行整体诊断。
从目前技术发展及维修保障要求来看，利用计算机互联网络、故障诊断专家系统、智能决策支持等成熟技术是解决上述问题的有效方法。将专家系统与决策支持系统集成在一起，构成智能决策支持系统，既便于模块化开发、集成和调试，又利于整个系统的功能扩展和升级，从而能够为航空发动机故障诊断和维修提供更好的决策支持。
本文介绍的决策系统，已应用于波音747、767飞机的PW4000、JT9D发动机故障诊断中，其结果表明，使用基于状态量分类评价的方法，可以克服监控数据不能量化的问题，还能提高诊断效率，扩大诊断范围，便于在线使用。
系统构成
1. 数据采集系统
诊断用数据采集系统如图1所示。故障诊断所用数据一部分来自发动机监控室，另一部分则来自于场外维修人员。因此数据采集有两种方式：来自监控系统的测量值和场外的观测值，两种不同的征兆量通过直接输入和人机交互输入切换完成，并通过网络实时传送给故障诊断决策系统。一般情况下，故障数据均为从巡航状态监控数据和地面维修数据中提取而得。
2. 决策支持系统的构造
决策支持系统的构造如图2所示。决策层主要负责将任务进行分解，分解后对不同的状态经推理机分别评价。为了能够协调解决问题，评价的中间结果返回决策层，由冲突消解算法对故障诊断排序，根据排序结果给出决策。诊断决策系统依据故障信号发现故障部位，并根据故障程度对发动机的故障状况做出预测和判断，并给出维修策略和方案。综合数据库由数学模型和专家知识构成，诊断结果经过人-机界面解释给用户。
定量评价和定性评价
1.状态分类器
发动机的工作特点是燃油调节系统、启动系统、润滑系统、引气系统、压气机导流叶片的转动控制系统等彼此间的复杂协调作用，如何有效地进行状态分类是本研究要解决的问题之一。发动机的任何一种状态均取决于一系列参数，而大多数参数，在使用过程中要进行检测，通常由于检测技术上的复杂和经济上的原因等，只对评定征兆的那些参数进行检测。因此，本系统将物理类故障锁定为只取决于测量数据诊断的故障上，如果在测量数据以外还有其他的故障现象出现，那么将使用调度器，对输入的其他故障现象与测量数据的关系编写成议程逐一进行审查，依据规则提取相关信息，若相关信息不影响测量数据则归类于物理类故障，否则归类于逻辑故障。无论物理类故障还是逻辑类故障最终都将由系统的决策层给出故障定位。
2. 定量诊断方法
发动机在工作过程中进气损失增大对涡轮、压气机工作状态的影响不大，然而却会造成每秒钟空气流量的减少，单位推力和功率减少，燃油消耗量增加，发动机经济性能恶化。压气机和发动机其他部件效率降低会导致功率特性劣化，并对发动机的寿命和可靠性有着重要影响。本系统作为用于诊断用的发动机数学模型，依据基本功能参数与发动机气流通道零件几何特性的关系，建立如下诊断方程组：
式中：δＨｊ：监控值与标准值偏差；εｊ：监控误差；Ｋｉｊ，ｑｉｊ：故障相互影响常系数；δηｉ：主要结构部件效率与计算值偏差；δＦｉ：气流通道主要零部件流通截面积超差值，ｊ＝１，２，３……，参数序号；ｉ＝１，２，３……，损失系数序号。
依据已知参数，诊断方程（１）式经整理如下：
其中Ｃ为常系数Ｋｉｊ构成的行列式，Ｃｉ为用δＨｊ－εｊ代替Ｃ中的第ｉ列构成的行列式。Ｄ为常系数ｑｉｊ构成的行列式，Ｄｉ为用δＨｊ－εｊ代替Ｄ中的第ｉ列构成的行列式。
在选择建立物理状态量因果关系定量评价诊断时，主要考虑到以下几个方面。
（１）在发动机的寿命期内，发动机的经济参数和功率参数不可避免的会劣化，参数劣化的具体反映就是发动机气流通道的损失系数产生变化，从而导致发动机气流通道零件的几何特性发生变化。
（２）燃油调节器装置失调，会降低燃烧完全性，从而导致发动机在工作状态无变化的情况下，燃油消耗率和小时消耗量增加。因此，将发动机转速、排气温度、燃油流量、振动和功率等作为主要监控目标，通过监控数据的采集，提取故障信息判断故障产生的原因。为支援诊断结果，系统还使用最小风险算法计算出故障定位的可信度，计算公式如下：
式中ψ为残差矩阵，ηＦ为估计值。
3. 定性诊断方法
定性诊断中包含了大量非计量性的量和人类感知等不确切的信息。为了有效地检测和隔离故障，依据网络构造的知识源，通过对故障现象的推理找出故障原因，本系统采用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ算法来决定故障的置信度，即：
ＭＡｉｊ＝１（４）
Ｍφ＝０（５）
其中：θ为故障集合，Ｍ（Ａｉｊ）节点要素的基本概率，取值范围１－０，即使假设被否定也不取负值，φ为空集合。故障征兆输入后，所有的假设通道生成，通道之间的通信依据置信度的传播，各通道基本概率的结合规则如下：
故障的置信度由（７）式求出。
ＢｅＡ＝Ｍ（Ａｃ（7）
4.诊断决策支持
由于飞机发动机系统比较复杂，无论是定量诊断还是定性诊断，每次故障诊断后可能会出现几种诊断结果，单纯依靠置信度对故障的假设进行排序，还不能达到快速对故障定位目的。为此本文采用多属性方法对故障进行排序，即预测故障程度与确信度相结合的方法。首先将已知故障现象根据采集的数据预测出故障发生的程度，然后对故障程度与确信度分别排序，通过幂指数函数形式的价值函数算法给出故障决策支持。
应用研究及特点
为确认状态分类评价方法的有效性，将本系统对波音７４７、７６７飞机的发动机进行了故障诊断应用，并与单纯的定性和定量评价系统进行比较，共对４１种故障进行分析，分析结果如表１所示。
分析结果表明：本文提出的基于状态分类评价的航空发动机故障诊断决策系统诊断能力更强。
综上所述，本系统具有下述特点：（1）可以在不分解发动机情况下对物理故障进行预测和判断；（2）采用了定性评价和定量评价相结合的方法，能够对发动机进行整体诊断；（３）知识库内容丰富，积累了大量的专家知识；（４）将专家系统和决策支持系统集成在一起，提高了系统的决策控制的智能化和自动化水平，同时提供在线诊断的功能，给用户提供了极大的方便。Decision System for Fault Diagnosis of Engines Using State Classification Appraisec ◎杨慧 熊育婷 吴月伟/中国民用航空学院
提出了基于状态分类评价的决策系统。依据发动机构造的特点，将技术状态分成物理类和逻辑类。同时将专家系统和决策支持系统集成在一起构成智能决策支持系统（IDSS），为航空发动机故障诊断和维修提供更好的决策支持。
因子分析方法是通过建立数学模型，对故障征兆和飞行数据进行解析的故障诊断方法，由于它对故障的检测和诊断仅限于测量变量，从而不能进行复杂的故障检测与诊断。而在发动机实际故障诊断中，必须要处理大量的复杂信息，特别是测量数据以外的不确定信息，这对于建立和使用数学模型是非常困难的。由于在具体的诊断过程中，必须排除交叉式的状态，或者增加能够区分的征兆，因此上述问题需要靠专家长年积累的经验知识来帮助诊断。传统的专家系统，多数在假设的情况下诊断，诊断效率不高，对于监控数据很难量化，不易提供在线诊断。本文介绍的基于状态分类评价的决策系统有望解决上述问题。
本方法依据发动机构造的特点，将技术状态分成两类：物理类和逻辑类。物理状态即发动机物理变化引起的零部件故障，通过基本功能参数与零件几何特性关系建立动态故障模型；逻辑状态即发动机工作状态和其他零件故障引发的故障现象，故障状态本身没有明确的界限值，推理过程中伴有一定的模糊性，对此依据专家知识采用D-S算法和预测故障程度相结合的方法，通过调度器将两种状态有效地区分，从而达到对发动机进行整体诊断。
从目前技术发展及维修保障要求来看，利用计算机互联网络、故障诊断专家系统、智能决策支持等成熟技术是解决上述问题的有效方法。将专家系统与决策支持系统集成在一起，构成智能决策支持系统，既便于模块化开发、集成和调试，又利于整个系统的功能扩展和升级，从而能够为航空发动机故障诊断和维修提供更好的决策支持。
本文介绍的决策系统，已应用于波音747、767飞机的PW4000、JT9D发动机故障诊断中，其结果表明，使用基于状态量分类评价的方法，可以克服监控数据不能量化的问题，还能提高诊断效率，扩大诊断范围，便于在线使用。
系统构成
1. 数据采集系统
诊断用数据采集系统如图1所示。故障诊断所用数据一部分来自发动机监控室，另一部分则来自于场外维修人员。因此数据采集有两种方式：来自监控系统的测量值和场外的观测值，两种不同的征兆量通过直接输入和人机交互输入切换完成，并通过网络实时传送给故障诊断决策系统。一般情况下，故障数据均为从巡航状态监控数据和地面维修数据中提取而得。
2. 决策支持系统的构造
决策支持系统的构造如图2所示。决策层主要负责将任务进行分解，分解后对不同的状态经推理机分别评价。为了能够协调解决问题，评价的中间结果返回决策层，由冲突消解算法对故障诊断排序，根据排序结果给出决策。诊断决策系统依据故障信号发现故障部位，并根据故障程度对发动机的故障状况做出预测和判断，并给出维修策略和方案。综合数据库由数学模型和专家知识构成，诊断结果经过人-机界面解释给用户。
定量评价和定性评价
1.状态分类器
发动机的工作特点是燃油调节系统、启动系统、润滑系统、引气系统、压气机导流叶片的转动控制系统等彼此间的复杂协调作用，如何有效地进行状态分类是本研究要解决的问题之一。发动机的任何一种状态均取决于一系列参数，而大多数参数，在使用过程中要进行检测，通常由于检测技术上的复杂和经济上的原因等，只对评定征兆的那些参数进行检测。因此，本系统将物理类故障锁定为只取决于测量数据诊断的故障上，如果在测量数据以外还有其他的故障现象出现，那么将使用调度器，对输入的其他故障现象与测量数据的关系编写成议程逐一进行审查，依据规则提取相关信息，若相关信息不影响测量数据则归类于物理类故障，否则归类于逻辑故障。无论物理类故障还是逻辑类故障最终都将由系统的决策层给出故障定位。
2. 定量诊断方法
发动机在工作过程中进气损失增大对涡轮、压气机工作状态的影响不大，然而却会造成每秒钟空气流量的减少，单位推力和功率减少，燃油消耗量增加，发动机经济性能恶化。压气机和发动机其他部件效率降低会导致功率特性劣化，并对发动机的寿命和可靠性有着重要影响。本系统作为用于诊断用的发动机数学模型，依据基本功能参数与发动机气流通道零件几何特性的关系，建立如下诊断方程组：
式中：δＨｊ：监控值与标准值偏差；εｊ：监控误差；Ｋｉｊ，ｑｉｊ：故障相互影响常系数；δηｉ：主要结构部件效率与计算值偏差；δＦｉ：气流通道主要零部件流通截面积超差值，ｊ＝１，２，３……，参数序号；ｉ＝１，２，３……，损失系数序号。
依据已知参数，诊断方程（１）式经整理如下：
其中Ｃ为常系数Ｋｉｊ构成的行列式，Ｃｉ为用δＨｊ－εｊ代替Ｃ中的第ｉ列构成的行列式。Ｄ为常系数ｑｉｊ构成的行列式，Ｄｉ为用δＨｊ－εｊ代替Ｄ中的第ｉ列构成的行列式。
在选择建立物理状态量因果关系定量评价诊断时，主要考虑到以下几个方面。
（１）在发动机的寿命期内，发动机的经济参数和功率参数不可避免的会劣化，参数劣化的具体反映就是发动机气流通道的损失系数产生变化，从而导致发动机气流通道零件的几何特性发生变化。
（２）燃油调节器装置失调，会降低燃烧完全性，从而导致发动机在工作状态无变化的情况下，燃油消耗率和小时消耗量增加。因此，将发动机转速、排气温度、燃油流量、振动和功率等作为主要监控目标，通过监控数据的采集，提取故障信息判断故障产生的原因。为支援诊断结果，系统还使用最小风险算法计算出故障定位的可信度，计算公式如下：
式中ψ为残差矩阵，ηＦ为估计值。
3. 定性诊断方法
定性诊断中包含了大量非计量性的量和人类感知等不确切的信息。为了有效地检测和隔离故障，依据网络构造的知识源，通过对故障现象的推理找出故障原因，本系统采用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ算法来决定故障的置信度，即：
ＭＡｉｊ＝１（４）
Ｍφ＝０（５）
其中：θ为故障集合，Ｍ（Ａｉｊ）节点要素的基本概率，取值范围１－０，即使假设被否定也不取负值，φ为空集合。故障征兆输入后，所有的假设通道生成，通道之间的通信依据置信度的传播，各通道基本概率的结合规则如下：
故障的置信度由（７）式求出。
ＢｅＡ＝Ｍ（Ａｃ（7）
4.诊断决策支持
由于飞机发动机系统比较复杂，无论是定量诊断还是定性诊断，每次故障诊断后可能会出现几种诊断结果，单纯依靠置信度对故障的假设进行排序，还不能达到快速对故障定位目的。为此本文采用多属性方法对故障进行排序，即预测故障程度与确信度相结合的方法。首先将已知故障现象根据采集的数据预测出故障发生的程度，然后对故障程度与确信度分别排序，通过幂指数函数形式的价值函数算法给出故障决策支持。
应用研究及特点
为确认状态分类评价方法的有效性，将本系统对波音７４７、７６７飞机的发动机进行了故障诊断应用，并与单纯的定性和定量评价系统进行比较，共对４１种故障进行分析，分析结果如表１所示。
分析结果表明：本文提出的基于状态分类评价的航空发动机故障诊断决策系统诊断能力更强。
综上所述，本系统具有下述特点：（1）可以在不分解发动机情况下对物理故障进行预测和判断；（2）采用了定性评价和定量评价相结合的方法，能够对发动机进行整体诊断；（３）知识库内容丰富，积累了大量的专家知识；（４）将专家系统和决策支持系统集成在一起，提高了系统的决策控制的智能化和自动化水平，同时提供在线诊断的功能，给用户提供了极大的方便。
提出了基于状态分类评价的决策系统。依据发动机构造的特点，将技术状态分成物理类和逻辑类。同时将专家系统和决策支持系统集成在一起构成智能决策支持系统（IDSS），为航空发动机故障诊断和维修提供更好的决策支持。
因子分析方法是通过建立数学模型，对故障征兆和飞行数据进行解析的故障诊断方法，由于它对故障的检测和诊断仅限于测量变量，从而不能进行复杂的故障检测与诊断。而在发动机实际故障诊断中，必须要处理大量的复杂信息，特别是测量数据以外的不确定信息，这对于建立和使用数学模型是非常困难的。由于在具体的诊断过程中，必须排除交叉式的状态，或者增加能够区分的征兆，因此上述问题需要靠专家长年积累的经验知识来帮助诊断。传统的专家系统，多数在假设的情况下诊断，诊断效率不高，对于监控数据很难量化，不易提供在线诊断。本文介绍的基于状态分类评价的决策系统有望解决上述问题。
本方法依据发动机构造的特点，将技术状态分成两类：物理类和逻辑类。物理状态即发动机物理变化引起的零部件故障，通过基本功能参数与零件几何特性关系建立动态故障模型；逻辑状态即发动机工作状态和其他零件故障引发的故障现象，故障状态本身没有明确的界限值，推理过程中伴有一定的模糊性，对此依据专家知识采用D-S算法和预测故障程度相结合的方法，通过调度器将两种状态有效地区分，从而达到对发动机进行整体诊断。
从目前技术发展及维修保障要求来看，利用计算机互联网络、故障诊断专家系统、智能决策支持等成熟技术是解决上述问题的有效方法。将专家系统与决策支持系统集成在一起，构成智能决策支持系统，既便于模块化开发、集成和调试，又利于整个系统的功能扩展和升级，从而能够为航空发动机故障诊断和维修提供更好的决策支持。
本文介绍的决策系统，已应用于波音747、767飞机的PW4000、JT9D发动机故障诊断中，其结果表明，使用基于状态量分类评价的方法，可以克服监控数据不能量化的问题，还能提高诊断效率，扩大诊断范围，便于在线使用。
系统构成
1. 数据采集系统
诊断用数据采集系统如图1所示。故障诊断所用数据一部分来自发动机监控室，另一部分则来自于场外维修人员。因此数据采集有两种方式：来自监控系统的测量值和场外的观测值，两种不同的征兆量通过直接输入和人机交互输入切换完成，并通过网络实时传送给故障诊断决策系统。一般情况下，故障数据均为从巡航状态监控数据和地面维修数据中提取而得。
2. 决策支持系统的构造
决策支持系统的构造如图2所示。决策层主要负责将任务进行分解，分解后对不同的状态经推理机分别评价。为了能够协调解决问题，评价的中间结果返回决策层，由冲突消解算法对故障诊断排序，根据排序结果给出决策。诊断决策系统依据故障信号发现故障部位，并根据故障程度对发动机的故障状况做出预测和判断，并给出维修策略和方案。综合数据库由数学模型和专家知识构成，诊断结果经过人-机界面解释给用户。
定量评价和定性评价
1.状态分类器
发动机的工作特点是燃油调节系统、启动系统、润滑系统、引气系统、压气机导流叶片的转动控制系统等彼此间的复杂协调作用，如何有效地进行状态分类是本研究要解决的问题之一。发动机的任何一种状态均取决于一系列参数，而大多数参数，在使用过程中要进行检测，通常由于检测技术上的复杂和经济上的原因等，只对评定征兆的那些参数进行检测。因此，本系统将物理类故障锁定为只取决于测量数据诊断的故障上，如果在测量数据以外还有其他的故障现象出现，那么将使用调度器，对输入的其他故障现象与测量数据的关系编写成议程逐一进行审查，依据规则提取相关信息，若相关信息不影响测量数据则归类于物理类故障，否则归类于逻辑故障。无论物理类故障还是逻辑类故障最终都将由系统的决策层给出故障定位。
2. 定量诊断方法
发动机在工作过程中进气损失增大对涡轮、压气机工作状态的影响不大，然而却会造成每秒钟空气流量的减少，单位推力和功率减少，燃油消耗量增加，发动机经济性能恶化。压气机和发动机其他部件效率降低会导致功率特性劣化，并对发动机的寿命和可靠性有着重要影响。本系统作为用于诊断用的发动机数学模型，依据基本功能参数与发动机气流通道零件几何特性的关系，建立如下诊断方程组：
式中：δＨｊ：监控值与标准值偏差；εｊ：监控误差；Ｋｉｊ，ｑｉｊ：故障相互影响常系数；δηｉ：主要结构部件效率与计算值偏差；δＦｉ：气流通道主要零部件流通截面积超差值，ｊ＝１，２，３……，参数序号；ｉ＝１，２，３……，损失系数序号。
依据已知参数，诊断方程（１）式经整理如下：
其中Ｃ为常系数Ｋｉｊ构成的行列式，Ｃｉ为用δＨｊ－εｊ代替Ｃ中的第ｉ列构成的行列式。Ｄ为常系数ｑｉｊ构成的行列式，Ｄｉ为用δＨｊ－εｊ代替Ｄ中的第ｉ列构成的行列式。
在选择建立物理状态量因果关系定量评价诊断时，主要考虑到以下几个方面。
（１）在发动机的寿命期内，发动机的经济参数和功率参数不可避免的会劣化，参数劣化的具体反映就是发动机气流通道的损失系数产生变化，从而导致发动机气流通道零件的几何特性发生变化。
（２）燃油调节器装置失调，会降低燃烧完全性，从而导致发动机在工作状态无变化的情况下，燃油消耗率和小时消耗量增加。因此，将发动机转速、排气温度、燃油流量、振动和功率等作为主要监控目标，通过监控数据的采集，提取故障信息判断故障产生的原因。为支援诊断结果，系统还使用最小风险算法计算出故障定位的可信度，计算公式如下：
式中ψ为残差矩阵，ηＦ为估计值。
3. 定性诊断方法
定性诊断中包含了大量非计量性的量和人类感知等不确切的信息。为了有效地检测和隔离故障，依据网络构造的知识源，通过对故障现象的推理找出故障原因，本系统采用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ算法来决定故障的置信度，即：
ＭＡｉｊ＝１（４）
Ｍφ＝０（５）
其中：θ为故障集合，Ｍ（Ａｉｊ）节点要素的基本概率，取值范围１－０，即使假设被否定也不取负值，φ为空集合。故障征兆输入后，所有的假设通道生成，通道之间的通信依据置信度的传播，各通道基本概率的结合规则如下：
故障的置信度由（７）式求出。
ＢｅＡ＝Ｍ（Ａｃ（7）
4.诊断决策支持
由于飞机发动机系统比较复杂，无论是定量诊断还是定性诊断，每次故障诊断后可能会出现几种诊断结果，单纯依靠置信度对故障的假设进行排序，还不能达到快速对故障定位目的。为此本文采用多属性方法对故障进行排序，即预测故障程度与确信度相结合的方法。首先将已知故障现象根据采集的数据预测出故障发生的程度，然后对故障程度与确信度分别排序，通过幂指数函数形式的价值函数算法给出故障决策支持。
应用研究及特点
为确认状态分类评价方法的有效性，将本系统对波音７４７、７６７飞机的发动机进行了故障诊断应用，并与单纯的定性和定量评价系统进行比较，共对４１种故障进行分析，分析结果如表１所示。
分析结果表明：本文提出的基于状态分类评价的航空发动机故障诊断决策系统诊断能力更强。
综上所述，本系统具有下述特点：（1）可以在不分解发动机情况下对物理故障进行预测和判断；（2）采用了定性评价和定量评价相结合的方法，能够对发动机进行整体诊断；（３）知识库内容丰富，积累了大量的专家知识；（４）将专家系统和决策支持系统集成在一起，提高了系统的决策控制的智能化和自动化水平，同时提供在线诊断的功能，给用户提供了极大的方便。Decision System for Fault Diagnosis of Engines Using State Classification Appraisec ◎杨慧 熊育婷 吴月伟/中国民用航空学院
提出了基于状态分类评价的决策系统。依据发动机构造的特点，将技术状态分成物理类和逻辑类。同时将专家系统和决策支持系统集成在一起构成智能决策支持系统（IDSS），为航空发动机故障诊断和维修提供更好的决策支持。
因子分析方法是通过建立数学模型，对故障征兆和飞行数据进行解析的故障诊断方法，由于它对故障的检测和诊断仅限于测量变量，从而不能进行复杂的故障检测与诊断。而在发动机实际故障诊断中，必须要处理大量的复杂信息，特别是测量数据以外的不确定信息，这对于建立和使用数学模型是非常困难的。由于在具体的诊断过程中，必须排除交叉式的状态，或者增加能够区分的征兆，因此上述问题需要靠专家长年积累的经验知识来帮助诊断。传统的专家系统，多数在假设的情况下诊断，诊断效率不高，对于监控数据很难量化，不易提供在线诊断。本文介绍的基于状态分类评价的决策系统有望解决上述问题。
本方法依据发动机构造的特点，将技术状态分成两类：物理类和逻辑类。物理状态即发动机物理变化引起的零部件故障，通过基本功能参数与零件几何特性关系建立动态故障模型；逻辑状态即发动机工作状态和其他零件故障引发的故障现象，故障状态本身没有明确的界限值，推理过程中伴有一定的模糊性，对此依据专家知识采用D-S算法和预测故障程度相结合的方法，通过调度器将两种状态有效地区分，从而达到对发动机进行整体诊断。
从目前技术发展及维修保障要求来看，利用计算机互联网络、故障诊断专家系统、智能决策支持等成熟技术是解决上述问题的有效方法。将专家系统与决策支持系统集成在一起，构成智能决策支持系统，既便于模块化开发、集成和调试，又利于整个系统的功能扩展和升级，从而能够为航空发动机故障诊断和维修提供更好的决策支持。
本文介绍的决策系统，已应用于波音747、767飞机的PW4000、JT9D发动机故障诊断中，其结果表明，使用基于状态量分类评价的方法，可以克服监控数据不能量化的问题，还能提高诊断效率，扩大诊断范围，便于在线使用。
系统构成
1. 数据采集系统
诊断用数据采集系统如图1所示。故障诊断所用数据一部分来自发动机监控室，另一部分则来自于场外维修人员。因此数据采集有两种方式：来自监控系统的测量值和场外的观测值，两种不同的征兆量通过直接输入和人机交互输入切换完成，并通过网络实时传送给故障诊断决策系统。一般情况下，故障数据均为从巡航状态监控数据和地面维修数据中提取而得。
2. 决策支持系统的构造
决策支持系统的构造如图2所示。决策层主要负责将任务进行分解，分解后对不同的状态经推理机分别评价。为了能够协调解决问题，评价的中间结果返回决策层，由冲突消解算法对故障诊断排序，根据排序结果给出决策。诊断决策系统依据故障信号发现故障部位，并根据故障程度对发动机的故障状况做出预测和判断，并给出维修策略和方案。综合数据库由数学模型和专家知识构成，诊断结果经过人-机界面解释给用户。
定量评价和定性评价
1.状态分类器
发动机的工作特点是燃油调节系统、启动系统、润滑系统、引气系统、压气机导流叶片的转动控制系统等彼此间的复杂协调作用，如何有效地进行状态分类是本研究要解决的问题之一。发动机的任何一种状态均取决于一系列参数，而大多数参数，在使用过程中要进行检测，通常由于检测技术上的复杂和经济上的原因等，只对评定征兆的那些参数进行检测。因此，本系统将物理类故障锁定为只取决于测量数据诊断的故障上，如果在测量数据以外还有其他的故障现象出现，那么将使用调度器，对输入的其他故障现象与测量数据的关系编写成议程逐一进行审查，依据规则提取相关信息，若相关信息不影响测量数据则归类于物理类故障，否则归类于逻辑故障。无论物理类故障还是逻辑类故障最终都将由系统的决策层给出故障定位。
2. 定量诊断方法
发动机在工作过程中进气损失增大对涡轮、压气机工作状态的影响不大，然而却会造成每秒钟空气流量的减少，单位推力和功率减少，燃油消耗量增加，发动机经济性能恶化。压气机和发动机其他部件效率降低会导致功率特性劣化，并对发动机的寿命和可靠性有着重要影响。本系统作为用于诊断用的发动机数学模型，依据基本功能参数与发动机气流通道零件几何特性的关系，建立如下诊断方程组：
式中：δＨｊ：监控值与标准值偏差；εｊ：监控误差；Ｋｉｊ，ｑｉｊ：故障相互影响常系数；δηｉ：主要结构部件效率与计算值偏差；δＦｉ：气流通道主要零部件流通截面积超差值，ｊ＝１，２，３……，参数序号；ｉ＝１，２，３……，损失系数序号。
依据已知参数，诊断方程（１）式经整理如下：
其中Ｃ为常系数Ｋｉｊ构成的行列式，Ｃｉ为用δＨｊ－εｊ代替Ｃ中的第ｉ列构成的行列式。Ｄ为常系数ｑｉｊ构成的行列式，Ｄｉ为用δＨｊ－εｊ代替Ｄ中的第ｉ列构成的行列式。
在选择建立物理状态量因果关系定量评价诊断时，主要考虑到以下几个方面。
（１）在发动机的寿命期内，发动机的经济参数和功率参数不可避免的会劣化，参数劣化的具体反映就是发动机气流通道的损失系数产生变化，从而导致发动机气流通道零件的几何特性发生变化。
（２）燃油调节器装置失调，会降低燃烧完全性，从而导致发动机在工作状态无变化的情况下，燃油消耗率和小时消耗量增加。因此，将发动机转速、排气温度、燃油流量、振动和功率等作为主要监控目标，通过监控数据的采集，提取故障信息判断故障产生的原因。为支援诊断结果，系统还使用最小风险算法计算出故障定位的可信度，计算公式如下：
式中ψ为残差矩阵，ηＦ为估计值。
3. 定性诊断方法
定性诊断中包含了大量非计量性的量和人类感知等不确切的信息。为了有效地检测和隔离故障，依据网络构造的知识源，通过对故障现象的推理找出故障原因，本系统采用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ算法来决定故障的置信度，即：
ＭＡｉｊ＝１（４）
Ｍφ＝０（５）
其中：θ为故障集合，Ｍ（Ａｉｊ）节点要素的基本概率，取值范围１－０，即使假设被否定也不取负值，φ为空集合。故障征兆输入后，所有的假设通道生成，通道之间的通信依据置信度的传播，各通道基本概率的结合规则如下：
故障的置信度由（７）式求出。
ＢｅＡ＝Ｍ（Ａｃ（7）
4.诊断决策支持
由于飞机发动机系统比较复杂，无论是定量诊断还是定性诊断，每次故障诊断后可能会出现几种诊断结果，单纯依靠置信度对故障的假设进行排序，还不能达到快速对故障定位目的。为此本文采用多属性方法对故障进行排序，即预测故障程度与确信度相结合的方法。首先将已知故障现象根据采集的数据预测出故障发生的程度，然后对故障程度与确信度分别排序，通过幂指数函数形式的价值函数算法给出故障决策支持。
应用研究及特点
为确认状态分类评价方法的有效性，将本系统对波音７４７、７６７飞机的发动机进行了故障诊断应用，并与单纯的定性和定量评价系统进行比较，共对４１种故障进行分析，分析结果如表１所示。
分析结果表明：本文提出的基于状态分类评价的航空发动机故障诊断决策系统诊断能力更强。
综上所述，本系统具有下述特点：（1）可以在不分解发动机情况下对物理故障进行预测和判断；（2）采用了定性评价和定量评价相结合的方法，能够对发动机进行整体诊断；（３）知识库内容丰富，积累了大量的专家知识；（４）将专家系统和决策支持系统集成在一起，提高了系统的决策控制的智能化和自动化水平，同时提供在线诊断的功能，给用户提供了极大的方便。