基于DSRBM的航空发动机数据降维与状态预测*

（海军航空大学 烟台 264001）

1 引言

航空工业的飞速发展带动了航空发动机研究的高潮。一方面由于发动机是飞机的核心部件，飞行发动机的运行状态对飞机的安全性、可靠性和操作性具有直接影响，航空发动机的维修成本占到了整个飞机维修成本40%甚至以上；另一方面，其经常工作在高温高压的环境下，不可避免地面临各种异常及故障［1］。因此，准确评估航空发动机的运行状况，对飞机整体的健康监控，航空公司降低维修成本，提高飞行安全具有重要意义。

目前，对于状态预测国内外的研究主要分为三大类：基于数学模型的预测方法，基于经验专家知识库的预测方法和基于数据驱动的信号处理方法［2］。基于数学模型的方法，其预测效果与模型的准确性正相关，多用于检测系统，但是对于复杂系统（例如飞行发动机）很难有精确的模型表达。基于经验专家知识库的方法，综合主客观分析，考虑领域专业知识与人工判定相结合，使用概率模型和随机模型对发动机进行状态预测，但结果不足以适应发动机的复杂动态过程。基于数据驱动的方法，挖掘监测数据间的内部联系，将原始检测传感器数据转化为相关的发动机行为模式，从而完成状态预测与故障诊断。目前的研究大多集中于此，Jain和Lad［3］使用逐步回归特征子集选择技术构建ANN模型，实现了状态预测。马建仓等利用振动信号时域指标和小波包分解对发动机进行故障诊断［4］。陈恬［5］等提出运用粗糙集理论实现对发动机的智能诊断方法。……