一种用于航空发动机可靠性与不确定性评估的时标变换多性能耦合退化模型
《Aerospace Science and Technology》:A time-scale transformed multi-performance coupled degradation model for reliability and uncertainty assessment of aero-engine
【字体:
大
中
小
】
时间:2026年09月26日
来源:Aerospace Science and Technology 6.4
编辑推荐:
•开发了一种基于时间尺度变换随机过程的多变量航空发动机退化框架。
•异质随机过程与 Copula 依赖建模相结合。
•通过分段贝叶斯 MCMC 估计纳入水洗效应。
•阈值不确定性对剩余使用寿命(RUL)预测表现出次线性影响。
•通过 PPC 和 LOO 验证实现了稳健的准确性
•开发了一种基于时间尺度变换随机过程的多变量航空发动机退化框架。
•异质随机过程与 Copula 依赖建模相结合。
•通过分段贝叶斯 MCMC 估计纳入水洗效应。
•阈值不确定性对剩余使用寿命(RUL)预测表现出次线性影响。
•通过 PPC 和 LOO 验证实现了稳健的准确性和泛化能力。
引言
随着航空运输的持续扩展和运行环境的日益复杂,航空发动机在长期服役过程中不可避免地会出现性能退化。由此产生的可靠性水平对飞行安全和维护决策至关重要。因此,基于运行数据的健康状态评估和剩余使用寿命(RUL)预测已成为航空发动机健康管理中的关键问题。在实际应用中,航空发动机的健康状况通常由机载监测系统或快速存取记录器(QAR)数据获得的多个性能指标来表征,这些指标反映了燃气通路、燃油系统和压气机等关键子系统的综合退化行为。Liu 等人 [1] 基于 QAR 数据开发了因果变换器网络(CTNet),以提高非平稳序列的预测能力,而 Cui 等人 [2] 采用 EGTM 作为燃气通路性能预测的关键指标。Zagorowska 等人 [3] 证明压气机效率退化显著影响系统性能,表明其作为燃气通路退化代表指标的有效性。这些研究表明,基于性能退化数据的可靠性和寿命预测是一种可行且广泛采用的方法。
随机过程模型已广泛应用于退化建模 [4]。反高斯(IG)过程在建模单调递增退化方面表现良好 [5,6],但不足以捕捉航空发动机中常见的非单调行为,如裂纹扩展和磨损波动 [7]。相比之下,Wiener 过程能够描述非单调和高随机性的退化轨迹,已成为建模复杂退化过程的基本工具,并被广泛研究 [8]。Dong 等人 [9] 提出了用于失效建模的双变量 Wiener 过程,并进一步研究了多阈值场景下的退化 [10]。Wang 等人 [11] 通过引入自适应漂移和扩散项改进了 Wiener 过程,而 Hu 等人 [12] 将数据驱动的 Wiener 模型应用于轴承退化。对于表现出明显波动和均值回复行为的退化过程,Ornstein-Uhlenbeck(OU)过程引起了越来越多的关注。Wang 等人 [13] 开发了时变均值 OU 模型以捕捉阶段性退化,而 Deng 等人 [14] 建立了基于 OU 的退化模型并推导出相应的首达时间分布,证明了其在建模非单调退化方面的有效性。Wu 等人 [15] 进一步验证了 OU 过程在建模性能指标时的物理可解释性,表明其适用于具有随机波动和均值回复特性的变量。为了应对航空发动机退化数据的非线性特征,Whitmore [16]、Park [17]、Elwang [18] 和 Jiang 等人 [19] 采用了时间尺度或变量变换来线性化退化轨迹,从而提高了模型拟合性能。总体而言,为不同的性能指标选择适当的随机过程并结合时间尺度变换,提供了一种表征复杂退化行为的有效方法。
然而,航空发动机系统通常受到多种退化机制耦合效应的影响,且不同的性能指标之间往往存在显著的统计依赖性 [20]。因此,基于单一特征的建模不足以准确反映系统的整体健康状况。近年来,多性能耦合退化建模引起了越来越多的关注。Shen 等人 [21] 将 Copula 函数引入多指标退化建模以表征依赖结构。Sun 等人 [22] 和 Li 等人 [23] 分别开发了基于 D-vine 和 vine Copula 的多变量退化模型,增强了对复杂依赖关系的表征。在此基础上,Cheng 等人 [24] 将双变量 Wiener 过程与蒙特卡洛模拟相结合,用于多个退化特征的可信度建模。Pan 等人 [25] 和 Bo Sun 等人 [26] 进一步研究了 Copula 函数在捕捉耦合退化关系方面的应用。Wen 等人 [27] 强调 Copula 函数提供了一种灵活的机制来连接不同随机过程的边际退化分布,从而实现对多变量依赖结构的有效建模。总体而言,基于 Copula 的方法为建模多个退化特征之间的复杂依赖关系提供了一个统一且灵活的概率框架,非常适合航空发动机的多性能退化建模。
基于上述研究,可以确定两个主要局限性。首先,为了拟合单一随机过程,现有方法通常仅选择具有相似演化特征的退化指标,这未能完全捕捉多个发动机部件的协调退化,并可能导致系统级可靠性评估出现偏差。实际上,不同的性能指标表现出异质的退化行为,单一随机过程不足以准确描述它们的演化。其次,对于结合维护事件的多性能耦合退化过程的动态参数估计,关注有限。大多数现有研究采用分步估计策略,首先建立边际模型,随后估计 Copula 参数。这种解耦方法可能引入误差累积,并且未能充分考虑维护对退化演化的阶段性影响。
为了解决这些问题,本研究提出了一种基于时间尺度变换的多变量随机退化建模框架,并结合 Copula 函数构建多性能耦合可靠性模型。对于每个水洗分段,采用带有 MCMC 的贝叶斯推断来联合估计相应边际随机过程模型内的参数。基于估计的边际分布,随后构建概率积分变换样本,并使用 Copula 函数来识别和估计多个退化指标之间的依赖结构。此外,考虑到水洗维护的阶段性影响,开发了一种分段 MCMC 估计方案,并使用时间加权聚合来获得机队级等效参数,从而明确量化维护引起的不确定性。基于动态更新的参数分布,进行剩余使用寿命(RUL)预测,并使用航空发动机数据进行验证。结果表明,所提出的方法提高了参数估计准确性和预测稳定性,同时提供了对退化演化的更准确表征。
与现有的 Wiener-Copula 框架相比,本研究的关键贡献在于开发了一个统一的概率建模框架,该框架集成了异质随机退化过程、分段贝叶斯参数估计和基于 Copula 的依赖建模。在每个边际退化模型中,使用 MCMC 联合估计随机过程参数,然后对拟合的边际分布进行变换以用于后续的 Copula 依赖分析。基于水洗的分段用于捕捉边际退化动力学中的阶段性变化,而用于系统级可靠性和 RUL 评估的依赖结构是在机队层面表征的,而不是在不同水洗间隔内变化。该框架容纳了异质退化特征和维护引起的阶段性变化,同时为非线性退化行为和多变量依赖提供了统一表征。因此,所提出的方法提高了多性能退化建模的一致性和工程可解释性。
本工作的主要贡献总结如下:
(1) 提出了一种用于航空发动机的多性能耦合退化建模框架,该框架通过分段随机建模方案纳入了异质退化特征和水洗引起的不确定性。
(2) 采用贝叶斯 MCMC 方法进行联合参数估计,同时使用 Copula 函数来表征多个性能指标之间的统计依赖性。
(3) 引入了一种概率失效阈值建模策略,将确定性失效准则扩展为随机事件,并将维护效应和阈值不确定性明确纳入可靠性分析。
(4) 基于所提出的多变量退化模型进行剩余使用寿命(RUL)预测,并使用航空发动机数据进行验证。
本文的其余部分组织如下。第 2 节介绍选定的性能指标及其物理意义。第 3 节提出了多性能退化建模框架和水洗不确定性的处理方法。第 4 节描述了贝叶斯参数估计和模型选择方法。第 5 节提供了案例研究和结果分析。最后,第 6 节总结了论文并概述了未来的研究方向。
章节片段
性能特征选择
航空发动机因磨损、老化和燃气通路积垢不可避免地逐渐出现性能退化。准确的退化表征对 PHM 至关重要。用于表征发动机退化的性能指标应满足几个基本标准,包括对退化引起的变化具有高敏感性、相对于潜在失效机制具有清晰的物理可解释性、与实际退化演化一致、对……的鲁棒性
航空发动机退化建模
航空发动机的退化轨迹受多种退化因素相互作用的控制。基于这一概念,开发了一个多性能耦合退化建模框架,如图 2 所示。所提出的框架由三个主要步骤组成:
(1) 数据预处理。通过缺失数据填补、异常值去除和噪声滤波对从机载传感器获得的 ACARS 数据进行预处理。随后进行相关性分析和正态性检验,是……
参数估计的贝叶斯推断
第 3 节使用具有时间尺度变换的随机过程对退化数据进行建模,引入首达时间来描述剩余使用寿命(RUL),并采用 Copula 函数来捕捉退化路径之间的依赖性。由于模型参数涵盖整个退化过程且是高维的,解析解通常不可行。因此,采用结合贝叶斯推断的蒙特卡洛方法进行数值估计。
确定退化特征量的数据源和失效阈值
数据预处理的具体步骤如图 2 的第 1 阶段所示。
结论
为了解决准确表征航空发动机多个性能指标之间依赖关系的挑战,本研究开发了一个多变量耦合退化建模框架,该框架集成了时间尺度变换随机过程和基于 Copula 的依赖结构。与传统的 Wiener-Copula 方法相比,所提出的框架改善了对非线性退化行为的表征,容纳了跨……的演化模式
CRediT 作者贡献声明
Juanzhang Xie: 写作 – 审阅与编辑,写作 – 原稿,可视化,验证,方法论,调查,构思。
Kaiqiang Yang: 写作 – 审阅与编辑,可视化,验证。
Xueshun Li: 写作 – 审阅与编辑,验证,构思。
Ziyi Wang: 写作 – 审阅与编辑。
Lanxin Zhang: 写作 – 审阅与编辑。
Yongjun Zhao: 写作 – 审阅与编辑,监督,项目管理,构思。
Juanzhang Xie|Kaiqiang Yang|Xueshun Li|Ziyi Wang|Lanxin Zhang|Yongjun Zhao
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号