摘要
XRF(X射线荧光)技术利用同位素放射源辐射被测物质,通过一系列装置产生能谱,根据能谱来判别物质的元素类别。这种技术在冶金、地质勘探中已经得到广泛的应用。本文把它应用到发动机智能监测中来,致力于研制出一套新型的智能监测系统。
智能分析技术,包括状态预测和故障诊断。成功的诊断推理、计算方法很多,本文重点研究了灰色系统理论的灰预测和灰色关联度分析两个分支,以及统计法、人工免疫系统。
灰色预测是把被预测系统看成是一个灰色系统,利用存在的已知信息去推知含有故障模式的不可知信息及其特性、状态和发展趋势。本文系统模型用该方法预测油液金属含量和发动机状态。灰关联度分析是灰色理论的一种新方法,它用关联度大小来描述事物、因素之间关联程度的一种定量化的方法。系统模型用该方法分析油液中各元素的浓度关联度,从而判别发动机的工况和元素分组。
人工免疫系统,是受生物免疫系统的启发而产生的一种新型的智能计算方法。它通过对原始数据模式进行学习记忆,以及进一步的调整,记忆了不同的数据模式,然后对这些模式进行分类和“标记”,其结果可用于模式识别和状态聚类。
本文的研究工作包括两部分:同位素XRF能谱处理与分析、智能分析模型。前者的输入是能谱数字数据,输出是元素浓度,同时元素浓度又是后者的输入,后者输出是发动机当前状态和预测状态。最后,基于以上的研究工作开发了发动机智能监测软件系统。
XRF (X-ray fluorescence) technology, using isotope radioactive sources to eradiate materials which to be measured, produces energy spectrum through a series of installations, which is used to determine the elemental material categories. This technology has been widely used in metallurgy industry and geological exploration. In this paper it is applied into the engine intelligent monitoring, so that a new type of intelligent monitoring system could be developed.
Intelligent analysis technology includes status prediction and fault diagnosis. There have many successful diagnosis reasoning and calculation methods been excogitated. In this paper it focuses on two branches of grey system theory (Gray Forecasting and Gray Relational Analysis), as well as Statistics, Artificial Immune System.
Gray Forecasting, regarding the predicted system as a grey system, makes use of information known to deduce the information unknown that contain failure mode and its specialty, status and development trends. The system model, in this paper, predicts metal content in oil and the engine status with this method. Gray Relational Analysis is a new and quantitative method of grey system theory, which describes the degree of correlation between the objects and factors with relational value. The system model, analyzes relational value of concentration of various elements in oil, which is used to conclude engine condition and elemental grouping.
Artificial immune system is a new type of intelligent calculation that is inspired of biological immune system. It learns and memorizes the original data models, and then, does further adjustment to memorize the different data models. Finally the models are classified and marked, the results of which are used for pattern recognition and state clustering.
This study contains two parts: XRF energy spectrum processing and analysis, intelligent analysis model. For the former, its input is spectrum digital data, while its output is element concentrations. Meanwhile element concentration is the input of the latter, and the outputs of the latter are current status and prediction status of the engine. Finally, an intelligent monitoring software system of engine is developed based on the above research.
引文
[1]张宝珍,世界民航维护、修理和大修业发展趋势,数控机床市场,2006,第10期,30～32页.
[2]霍志勤,罗帆,近十年中国民航事故及事故征候的统计分析,中国安全科学学报,2006,第16卷第12期.
[3]方昌德,发动机状态监测和故障诊断系统的发展,推进技术,2005.
[4]虞和济,陈长征等,基于神经网络的智能诊断,冶金工业出版社,2000.
[5]王国庆,润滑油液监测技术现状与发展,润滑油,2004,第19卷第5期.
[6]董宏军,赵海波等,我国油液分析技术现状及发展趋势,林业机械与木工设备,2004.
[7]姜旭峰,费逸伟等,滑油监测技术在航空发动机预防性维修中的应用,润滑与密封,2004,第2期.
[8]严新平,从Technology Showcase_2000国际会议谈油液监测技术的发展,状态监测与诊断技术,2000.8.
[9]黎琼炜,新型油液在线监控技术,测控技术,2005,第24卷第4期.
[10] Gary R.Humphrey,RobertWhitlock,etal.Energy Dispersive X-Ray Fluorescence Evaluation of Debris from F-18 Engine Oil Filters,1998.
[11] A.Zararsiz,R.Kirmaz,etal.Determination of wear metals in used lubricating oils by X-ray fluorescence spectrometry,Nuclear Instruments and Methods in Physics Research,1996.
[12]王毅民,王晓红,我国地质分析中X射线光谱技术的回顾与展望,岩矿测试,2000,第19卷第4期.
[13]赖万昌,葛良全,新型高灵敏度XRF分析仪的研制与应用,核技术,2003,第26卷第11期.
[14] John V. Gilfrich etal. X-Ray Fluorescence Analysis at the Naval Research Laboratory,Naval Research Laboratory,1998.
[15]张圈世,常永福,用XRF分析稀土元素时同位素激发源的选择,核电子学与探测技术,2000,第20卷第2期.
[16]袁梅,吕俊芳等,IXRF法用于航空发动机磨损在线监测的研究,北京航空航天大学学报,2000,第26期第2期,153～155.
[17]张家骅,徐君权等编著,放射性同位素X射线荧光分析,原子能出版社,1981第二版.
[18] Gary R.Humphrey,Robert Whitlock,Darrell B.Churchill,The Path to AffordableLong Term Failure Warning:The XRF-Wear Monitor,1998/6.
[19] G.福尔迪阿克(匈)著,安石生等译,放射性同位素的工业应用,北京:原子能出版社,1988.
[20] Dennis J. Kalnicky, Raj Singhvi,Field portable XRF analysis of environmental samples,Journal of Hazardous Materials,2001 ,93～122页.
[21]吴永鹏,赖万昌,新一代多道X射线荧光分析仪的研制,分析测试技术与仪器,2003,第9卷第1期.
[22]胡宾鑫,方方等,一种新型现场多道核能谱数据采集系统的设计,信息与电子工程,2004,第2卷第2期,129～132页.
[23]任家富,周建斌等,基于DSP技术的多道核脉冲幅度分析器的设计,核电子学与探测技术,2006,第26卷第5期,580～583页.
[24]袁梅,张俊芳等,航空发动机磨损在线监测的能谱数据处理方法研究,仪器仪表,2000,第21卷第2期,173～176页.
[25]曾国强,林延畅等,可视化XRF软件数据采集系统的开发,物探化探计算技术,2004,第26卷第3期,274～277页.
[26]郭余峰,自然伽马能谱的平滑滤波处理,大庆石油学院学报,2003,第27卷第3期,113～117页.
[27]段再煜,陈建华等,基于Matlab平台上γ能谱光滑处理,核动力工程,2006,第28卷第3期,125～127页.
[28] Jian-Zhong Tang,Qing-Feng Wang, Online fault diagnosis and prevention expert system for dredgers, Expert System with Appliction,2006,512～521页.
[29]王英,沙云东,航空发动机故障诊断技术综述,沈阳航空工业学院学报,2007,第24卷第2期,11～14页.
[30] Chen Guo, Yang Yuwei, etal. Intelligent Fusion for Aeroengine Wear Fault Diagnosis, Transaction of Nanjing University of Aeronautics & Astronautics, Dec.2006.
[31]韩力群编著,人工神经网络理论、设计及应用,化学工业出版社,2004.
[32]曾建武,粗糙集理论及故障诊断应用研究,[硕士学位论文],杭州,浙江大学,2006.
[33]何学文,基于支持向量机的故障智能诊断理论与方法研究,[博士学位论文],长沙,中南大学,2004年12月.
[34]刘闯,人工神经网络和基于案例推理相结合用于故障诊断,[硕士学位论文],南京,南京航空航天大学,2005年1月.
[35]邓聚龙著,灰色系统基本方法,华中科技大学出版社,2005年1月版.
[36]孙颖楷,陈海,基于灰色系统理论的内燃机故障诊断,贵州工业大学学报(自然科学版),2000,第29卷第5期,80～83页.
[37]陈志伟,米东,润滑油光谱数据关联度分析再发动机状态监测中的应用研究,润滑与密封,2006,第6期,107～109页.
[38]树悦,陈东林,航空发动机磨损趋势预测的GM (1, 1)模型方法,润滑与密封,2005,第5期,96～100页.
[39]罗运柏,于萍等,用灰色模型预测变压器油中溶解气体的含量,中国电机工程学报,2001,第21卷第3期,65～69页.
[40]郑长松,马彪,基于改进欧拉算法的灰预测模型在综合传动故障预测中的应用研究,润滑与密封,2007,第32卷第5期,45～47页.
[41]万耀青,郑长松等,院子发射光谱仪作油液分析故障诊断的界限值问题,机械强度,2006,485～487页.
[42]任伟建,于宗艳,人工免疫系统及其在故障诊断领域中的应用,系统工程与电子技术,2006.
[43]陈强,基于免疫原理的齿轮箱故障检测和诊断方法研究,矿山机械,2005.
[44] Guan-Chun Luh?, Wei-Chong Cheng,Immune model-based fault diagnosis,Mathematics and Computers in Simulation,2004.
[45]刘赛,人工免疫系统中反向选择算法的改进,计算机工程,2005.
[46]陈立波,张占刚,应用滑油光谱监控技术成功预报的一起航空发动机异常磨损故障,材料工程,2003年增刊,146～147页.
[47]姚红宇等,民航飞机失效分析实例选编,中国民航出版社,2003年12月版.
[48] Hess A,Fila L,The joint strike fighter(JSF) PHM concept potential in pact on aging aircraft problems [A], Proceedings of IEEE Aerospace Conference [C],2002-06:3021-3026.
[49] Gill J J, Lessons learned from rotary and fixed-wing HUMS applications [A],Proceedings of IEEE Aerospace Conference[C]. 2000:423-431.
[50] Greitzer F L, Pawlowski R A. Embedded prognostics health monitoring [A]. Proceedings of the International Instrum entation Symposium [C]. 2002-05:301-310.
[51]梁旭,李行善,支持视情维修的故障预测技术研究,测控技术,2007,第26卷第6期,5～8页.
[52]萨师煊,王珊,数据库系统概论(第三版),高等教育出版社,2000年2月第3版.
[53] Jon Bates,Tim Tompkins著,何健辉等译,实用Visual C++6.0教程,清华大学出版社,2000年8月第1版.
