基于D-S 证据理论的航空发动机状态评估研究

许文博，王 潇，秦春伟，谭明岩，左松涛，杜 朋

（沈阳航空航天大学安全工程学院，辽宁沈阳 110136）

0 引言

由于航空发动机的工作条件往往极其恶劣[1]，航空发动机作为航空器的核心，其维护难度较高且要求较严格。因此如何准确评估发动机的劣化状态是很关键且具有重要意义的。

评估机械设备的健康状态需要考虑到设备的故障模式、历史记录、功能组成及工作环境等，是非常复杂的综合性决策过程。国内外很多学者对此方面进行了研究，主要方法有马尔科夫模型、比例模型、灰色理论、支持向量机等[2]。虽然上述方法均表现出了不错的性能，但也存在缺乏明确状态依据、未充分利用机械设备的多种性能参数等问题。鉴于航空发动机监控信息具有多参数的特性，且传感器数据具有不可靠性、不确定性和冲突性等特点，基于D-S 证据理论和BP 神经网络方法，实现航空发动机的健康状态评估，通过多源信息融合，最大限度确保航空发动机状态评估的客观性。

1 基于D-S 证据理论与BP 神经网络的健康状态评估过程

1.1 建立航空发动机健康状态辨识框架

近年来，PHM（Prognostic and Health Management，故障预测与健康管理）在航空领域的长足发展，使得很多学者致力于健康状态方面的研究[3]，对于航空发动机健康状态的概念也有更加深入的讨论。按四个等级划分航空发动机的状态[4]，其识别框架为Θ＝｛健康、合格、异常、故障｝，具体描述见表1。

表1 航空发动机状态等级

以航空发动机的健康状态为论域，识别框架Θ={健康、合格、异常、故障}，其中各元素均有模糊性，可用模糊集合理论来处理此问题[5]。……