基于KPCA和DBN的航空发动机排气温度基线模型

王奕首，余映红，卿新林，殷 锴，赵 奇

（1.厦门大学航空航天学院，福建厦门361102；2.中国商用航空发动机有限责任公司，上海200241）

0 引言

航空发动机健康管理（Engine Health Moni-toring，EHM）是利用分布在发动机上的传感器所获得的数据，借助各种先进智能算法来监控、预测和管理发动机的健康状态[1]，以提高飞行安全性和可靠性，缩短发动机停机时间，提高运行效率，并减少发动机维修费用[2]。气路监控是EHM的核心[3]。其中，航空发动机排气温度（Exhaust Gas Temperature，EGT）是反映发动机工作状况的重要气路参数，在发动机起动和飞机起飞阶段，通过监控该参数值来保护发动机，防止发生意外事故。如果EGT超过规定值，就可能是燃烧室、涡轮叶片和尾喷管等发动机部件出现了异常，所以建立发动机排气温度基线具有重要意义。

由于航空发动机工作过程复杂，所处的环境恶劣，基于回归分析求解具体基线方程的方法无法实时满足任意1组输入和输出的定量描述要求。随着人工智能的快速发展，神经网络为解决这种不确定输入和输出描述提供了可能[4]。国内外学者在人工神经网络基线建模领域取得了众多研究成果。付金华等[4]以CFM56-5B发动机为例，使用NeuroSolutions6软件实现RBF神经网络算法，并建立EGT、燃油流量（Fuel Flow，FF）和高压转子转速（High-Pressure Rotor，N2）健康基线；彭云飞[5]采用基于回归分析的方法挖掘出厂家监控系统内的基线库，并提出基于过程神经网络（Process Neural Network，PNN）的发动机气路状态参数预测方法；王珃[6]利用遗传算法优化的反向传播（Back Propagation，BP）神经网络分别求解CFM56-7B发动机的状态参数的基线模型。……