从技术手段上确保飞行安全一直是航空发达国家高度重视的重大问题,围绕发动机飞行安全开展的状态监控和故障诊断技术,从20世纪50年代开始一直持续不断的发展。如今,配装故障预测与健康管理系统已经成为先进战机发动机的重要标志和显著特征。某飞机作为一种满足纵深攻击作战半径和全天候精确打击能力的现代化对地攻击机,现已成为航空兵对地攻击机中坚,在国土防空和对敌威慑方面有着十分重要的战略和战术意义。该型飞机装配两台某航空发动机,属于燃气涡轮发动机,其压气机有一种常见的不稳定工作状态称为喘振。喘振一旦发生后果极其严重,轻则损毁机件,重则危及飞行安全。为避免压气机工作过程中发生喘振,发动机上都设置有防喘控制系统,与发动机上燃油系统、滑油系统和起动系统等诸多控制系统相比,防喘控制系统控制关系更为复杂、故障率更高。为此本文以空军武器装备科研项目“某航空发动机故障预测和健康管理技术研究”为研究背景,以某航空发动机防喘控制系统为研究对象,以提高航空装备综合保障能力为目的,较全面的研究了故障预测与健康管理技术中的数据采集技术、可靠性分析方法、状态预测技术和剩余寿命预测技术,取得了有应用价值和前景的研究成果。主要研究内容有:(1)在深入分析防喘控制系统工作原理和控制规律的基础上,确定了反映系统工作状态的三个关键参数本文从航空发动机普遍采用的轴流式压气机喘振的根本原因、引起喘振的条件和防止喘振的措施入手,深入分析了某航空发动机防喘控制系统的结构、工作原理以及控制规律,并根据控制规律确定了发动机进口温度(T1)、高压压气机转子转速(NH)和可调导流叶片角度(IGV)为反映防喘控制系统工作状态的三个关键参数。(2)为获得反映防喘控制系统工作状态的关键参数数据和反映系统可靠性的完全样本故障数据,针对关键状态参数特点设计开发了高精度测量电路,并利用关键状态参数监测系统故障为获得反映防喘控制系统工作状态的关键参数数据,设计开发了发动机进口温度、高压压气机转子转速和可调导流叶片角度测量电路,并通过试验分析了三个关键状态参数的测量精度;针对测量结果被噪声干扰失真的问题,研究了基于小波分析的去噪方法,以信噪比和平滑度为评价指标,通过仿真计算对比,确定采用6层Daubechies小波软阈值去噪的方法;为获得反映系统可靠性的完全样本故障数据,以防喘控制系统关键状态参数计算得到的控制规律曲线为判断依据,如果曲线超出稳定工作边界,认为系统处于故障状态,此时刻的飞行时间为该防喘控制系统的故障时间,通过这种方法在长期监测过程中得到某飞行中队8架飞机16台发动机防喘控制系统的完全样本故障数据。(3)基于威布尔分布、支持向量回归机和人工蜂群算法相结合方法,并利用反映防喘控制系统可靠性的完全样本故障数据估计可靠性模型,依据模型对某航空发动机防喘控制系统的可靠性进行分析为全面掌握某航空发动机防喘控制系统可靠性,对维修保障决策提出建议,本文提出了基于威布尔分布、支持向量回归机和人工蜂群算法相结合的方法,并利用反映防喘控制系统可靠性的完全样本故障数据估计威布尔分布模型参数;通过对比发现在小样本条件下极大似然估计威布尔分布模型参数偏差较大,最小二乘估计效果也不理想,本文提出了基于支持向量回归机的威布尔分布模型参数估计方法,以均方根误差为评价指标,通过仿真计算证明了这种算法的有效性;为进一步提高估计效果,又提出了基于人工蜂群算法优化支持向量机惩罚参数和不敏感损失函数的方法,仍以均方根误差为评价指标,通过仿真计算证明了优化算法的效果;依据威布尔分布模型对某航空发动机防喘控制系统的可靠性进行了分析。(4)基于自组织特征映射神经网络、隐马尔可夫和模拟退火算法相结合方法,并利用反映防喘控制系统工作状态的关键参数训练状态预测模型,依据模型对某航空发动机防喘控制系统的状态进行预测为准确预测某航空发动机防喘控制系统当前所处工作状态,及时有效地采取预防性维修措施,本文提出了基于自组织特征映射神经网络、隐马尔可夫和模拟退火算法相结合的方法,针对各个状态下的隐马尔可夫模型训练问题,研究了基于自组织特征映射神经网络的数据分类方法,对反映防喘控制系统工作状态的关键参数进行了分类,生成了各个状态下离散的观测序列;针对观测序列不能直观反映系统所处状态问题,研究了基于隐马尔可夫模型方法构建预测模型,追踪系统性能退化过程;针对Baum-Welch算法训练隐马尔可夫模型参数容易陷入局部极小值问题,提出了将局部寻优且收敛速度快的Baum-Welch方法与全局寻优能力强收敛速度却较慢的模拟退化算法相结合的改进训练算法,提高了模型估计的准确性,通过仿真计算验证了算法的有效性;依据状态预测模型对某航空发动机防喘控制系统的状态进行了预测。(5)基于比例故障率、隐马尔可夫和粒子群优化算法相结合方法,并利用完全样本故障数据和关键状态参数数据估计剩余寿命预测模型,依据模型对某航空发动机防喘控制系统的剩余寿命进行预测为掌握某航空发动机防喘控制系统的剩余寿命,以此为依据制定维修策略,本文提出了基于比例故障率、隐马尔可夫和粒子群优化算法相结合的方法,用比例故障率模型建立系统故障率与其工作时间和各伴随变量之间的关系,用隐马尔可夫模型来描述每个伴随变量的状态转移过程;基于粒子群优化算法,利用反映系统可靠性的完全样本故障数据和反映系统工作状态的关键参数数据估计比例故障率模型参数,并提出了在LDW算法和NLDW算法基础上的改进算法,解决粒子群优化算法容易陷入局部解的问题,通过仿真计算对比表明了算法的有效性;依据比例故障率模型对某航空发动机防喘控制系统的剩余寿命进行了预测。基于上述故障预测与健康管理技术研究成果,本文设计开发了某航空发动机地面综合健康管理系统,采用Visual Basic和Matlab混合编程的方式,包括数据管理、状态监测、故障预测和评价报告等功能,通过收集系统故障数据和性能状态信息,准确预测系统工作状态和剩余寿命,并给出状态评价报告,在提高系统安全性、减少寿命周期费用和提高维修保障效率等方面发挥了重要作用。