【精品】燃氣輪機氣路故障及其診斷技術(shù)研究

1、燃氣輪機氣路故障及其診斷技術(shù)研究2發(fā)動機性能蛻化在發(fā)動機幣個壽命周期內(nèi)，出現(xiàn)與發(fā)動機性能蛻化相關(guān)的故障在所難免。 發(fā)動機件能蛻化址指燃氣輪機的性能參數(shù)偽離早準值或設計值。發(fā)動機的件能 哀減可以通過臉視耗汕率(sfc)、egt和功率輸出等性能參數(shù)來觀測。如圖2. 1 所示,圖中橫坐標為發(fā)動機運行時間,縱坐標是耗油率相對f初始狀態(tài)的增加 址。發(fā)動機的性能衰減會導致功率輸出或推力的減少以及耗汕率的増加，從而 影響到燃氣輪機的運營成本和發(fā)動機使用壽命。典型的發(fā)妙機熱力霸環(huán)寺傷怖時間圖2.1性能蛻化ys便用時間宙圖2我們可以發(fā)現(xiàn)，發(fā)動機件能變化可以大致分成兩個時間段，短期蛻 化和長期蛻化。顯然,性能蛻化

2、并非隨使用時何線性變化當發(fā)動機剛開始投 入使用時，短期蛻化隨z迅速發(fā)生。這是山發(fā)動機的灰轉(zhuǎn)部件和非旋轉(zhuǎn)部件 創(chuàng)的辭介所致。曲葉尖間隙磨介建立葫發(fā)動機的性能衰減進入慢性變化期. 并隨著氏期的使用不斷積累-發(fā)動機性能可以通過發(fā)動機大修得到部分恢復。發(fā)動機的辻能蛻化是由于弘種類型的發(fā)動機部件故障所致"卞要的發(fā)動機 部件包括了壓氣機、燃燒室和渦輪。發(fā)動機氣路故障就足發(fā)動機化其使用壽命 內(nèi)發(fā)生在發(fā)動機各氣路部件卜的各種故障。發(fā)動機的性能蛻化根源可以追蹤到 部件級故障。以卜部分將介紹典熨的燃氣輪機氣路故障類熨及比對總體件能的 影響.2.1.1燃氣輪機氣路故障本小節(jié)主要分析各類典型氣路故障及其癥狀

3、。這樣有助于我們了解氣路故 障的發(fā)生機制，開發(fā)氣路故障診斷系統(tǒng)。污垢壓氣機污垢可以定義為由于空氣內(nèi)的污染物導致壓氣機翼型和壞形底部表 面粘結(jié)大量微粒物厲。由丁燃氣渦輪發(fā)動機工作時吸入大量連續(xù)的空氣流，因而 污垢是十分常見的氣路故障。據(jù)分析，超過70%的整體發(fā)動機性能衰減都與壓 氣機污垢有關(guān)卜化壓氣機污垢會導致壓氣機增壓比、效率和喘振裕度的減少，還 可能進一步誘發(fā)葉片表面的腐蝕和侵蝕以及轉(zhuǎn)子不平衡i化這些粘積物不僅導致 壓氣機本身性能的蛻化，而且間接地彩響j'發(fā)動機總體性能，比如耗油率、egt 和發(fā)動機排放物譏典型的壓氣機污垢會導致大約3%的通流能力和1%的壓氣機 效率的減少文獻5中，b

4、ouris等人建立了基f能量守恒的粘積物模型，分 析了堆積形成機制口通過數(shù)雖分析方法該文獻得出結(jié)論：翼型前緣有較高的 堆積率，紊流的干擾是下游葉片表面堆積物形成的主要原因。同樣，渦輪的葉 片嘿熨表血也可能會粘結(jié)燃油燃燒余尿，而導致渦輪污垢。但是渦輪污垢不像 壓氣機污垢那么經(jīng)常岀現(xiàn)壓氣機潔洗是去處壓氣機污垢，部分恢復發(fā)動機性能的主要方法。燃氣輪 機的清洗方法包括了濃縮清洗劑、注入諸如谷殼的固體顆粒物和清水清洗。文 獻4中，mund等人分析了燃氣輪機壓氣機清洗的發(fā)展歷程并總結(jié)在線清洗系統(tǒng) 主要設計參數(shù)。(2) 侵蝕侵蝕是由于堅碩的小固體顆粒撞擊在氣路部件而致的翼型和封嚴我面物祛除在許多地區(qū)，空氣中

5、都存在微小固體顆粒，兇而燃氣輪機經(jīng)常發(fā)生侵蝕現(xiàn)侵蝕會增加氣路表面粗糙度，增加葉尖間限和破壞了光滑的翼型麗緣°研 究表明表血粗糙度過大會嚴匝影響燃氣輪機的性能i叫為了研究葉片侵蝕帶來的 彩響，文獻7建立基于壓氣機性能仿真模型。如圖2,2所示，葉片侵蝕會對壓氣 機等爛效率仃極其明顯的影響.1佃對增壓比的影響相對小一些口在渦輪，侵蝕 會增加渦輪增壓器通流面積。典型的渦輪侵蝕會導致通流能力提高2%效率降低光滑粗槿尖瞎損o o o o絕熱效率7.08.09.010.011.0空氣流量(k"o圖2. 2表面粗檢度和葉尖侵逆對等癇效率的影咆.二10皿腐蝕腐蝕足一種由于眾蘇在腐蝕環(huán)境而導致

6、的故障類型。在燃氣渦輪發(fā)動機中, 山于發(fā)動機入口空氣含有污染物或燃油中的硫化物引起的化學反應會導致7路 祁件的表血材料不斷脫落“濕腐蝕的發(fā)生是由尸壓氣機靈型表血q潮濕空氣、 鹽和酸性物質(zhì)以及空氣中口，能含有的電抗性氣體等化學反應山。壓氣機的腐蝕會 致材料特性的衰減，増加翼型表面的粗糙度，并啟終導致通流能力和等埔效 率的降低-熱腐蝕是一種嚴電的燃氣渦輪發(fā)動機故障它可以定義為一種由于燃油燃 饒后的®化堆積物對翼型涂層的破壞導致的快速性腐蝕國。熱腐蝕可以分為兩 類：髙溫熱腐蝕和低溫熱腐蝕。島溫熱腐蝕會引起急速的農(nóng)而材料的脫離。典 型的渦輪腐蝕會導致通流能力的增加和等爛效率的減少山。通常在壓

7、氣機和渦輪 采用涂層和選擇合適的結(jié)構(gòu)化合金是有效控制腐蝕的方法w(4)葉尖間隙増加壓氣機和渦輪都會發(fā)生葉尖磨損。發(fā)動機旋轉(zhuǎn)部件和非轉(zhuǎn)動部件間的間隙 一般設計在很小的范圍內(nèi),以盡屋減少旋轉(zhuǎn)葉片的效率損失。全新的或大修后 的發(fā)動機會在試車中建立合適的葉尖間隙，該何際任以后的運行中般會垂本 保持不變。渦輪葉尖封嚴睛損通常會在發(fā)動機丿川減速過程中發(fā)生。葉尖間隙的增加會片致逃逸氣流的增多，從而嚴重影峋發(fā)動機部件效率、 壓氣機通流能力和增壓比。對壓氣機葉尖間隙的增加研究發(fā)現(xiàn)葉尖間隙從1% 葉片弦長變?yōu)?.5%會導致大于15%的增壓比損失叫(5) 外來物損傷和內(nèi)來物損傷夕卜來物損傷(fod)可以定義為由于較

8、人的物體撞擊在燃氣輪機氣路部件所 引起的損傷山"燃氣輪機特別是航空發(fā)動機經(jīng)常暴谿在外，可能受到嚎和冰也等 外來物損傷。1仙發(fā)動機附近的小物體也可能被吸入發(fā)動機內(nèi)。內(nèi)來物損傷(dod) 是由于總裝時遺留在發(fā)動機內(nèi)的微小皺碎片或發(fā)動機在運行中從自身脫離的物 質(zhì)導致的損傷。fod和dod會導致燃氣渦輪發(fā)動機仁路部件發(fā)生應力集中、裂痕、殘余 應力和微結(jié)構(gòu)損傷i網(wǎng)。而這些變化會引起部件效率的人雖降低。(6) 燃燒系統(tǒng)蛻化在不同的功率輸出一匚況卜燃燒效率的變化疑很小，因浙燃燒室對發(fā)動機性 能蛻化的影響不大"然而，燃油噴嘴的焦炭會引起燃油噴射分石不均，可能引 起熱瑞部件的過熱損傷。燃燒室

9、出口溫度分布的變化會導致臨時性的或水久性的卜'游部件變形i嘰因 而燃燒室蛻化會對渦輪性能產(chǎn)生間接影響。熱端部件損傷會導致渦輪通流能力 的增加以及效率的降低。2.1.2氣路故障指數(shù)發(fā)動機部件待性足通過其健康參數(shù)來衡呆的"對于壓氣機和渦輪，通常采 用兩個特性參數(shù)：通流能力和等炳效率.為了呈化氣路故障的嚴亜程度，各種 氣路故障可以采用發(fā)動機部件持性參數(shù)的改變屋(百分比)作為其杲化指數(shù)。但 是，某特定的故障指數(shù)可能映射個或箏個氣路故障，這是因為人們還不能 完全定量分析氣路故備的形成過程，從故障引起的結(jié)果看不同的氣路故璋可能 會引起相同的健康參數(shù)變化。發(fā)動機的氣路故障表現(xiàn)為i叫(1)

10、污垢：引起壓氣機和渦繪的通流能力以及等爛效率的減少。(2) 侵蝕曲蝕：發(fā)生損傷的部件的等埔效率會降低，發(fā)生在壓氣機時壓氣 機通流能力會減少，發(fā)生在渦輪時渦輪通流能力會提高。(3) 外來物損傷：發(fā)生損傷的部件的效率會大幅減少。(4) 燃燒室/渦輪入口的熱變形：渦輪效率降低。所以節(jié)爛效率和通流能力被視為發(fā)動機氣路部件故障的故障指數(shù)同樣地, 發(fā)動機仿真軟件一般采用修改部件效率和通流能力來仿真部件性能蛻化。圖2. 3為abb公司的氣路故障診斷軟件根抓可佶度區(qū)域來推斷部件故障炎空和嚴重程 度。0830020 ok 0x 00«壓氣機故!診斷征兆込圖2. 3人同氣路故險的圖形化賈信區(qū)域2.2氣路

11、故障診斷方法雖然燃氣渦輪發(fā)動機是種復雜的系統(tǒng)，但是通過分析發(fā)動機測晟參數(shù)的 力法能夠診斷出些故障。如圖2. i所示包括氏路故障的各種發(fā)動機物理故障 會引起發(fā)動機性能參數(shù)的變化，并引起溫度、壓力、燃油流屋和轉(zhuǎn)速等測雖參 數(shù)的改變。這些發(fā)動機町測參數(shù)為依變參數(shù)，因為當發(fā)生物理故障時這些參數(shù) 的改變是部件性能變化的函數(shù)卩現(xiàn)通過分析發(fā)動機測幘參數(shù)的改變屋，氣路故障診斷系統(tǒng)能夠檢測、隔離和 評估部件性能的蟻化駅"對部件特性參數(shù)衰減屋的了解有助于我們找出整體發(fā) 動機性能蛻化的原因并計劃相應的維修方案這個故障診斷方法原理是由urban 在20世紀60年代首先提出小。導致蛻化部非性能：產(chǎn)生測案數(shù)改變

12、-氓蝕抽嵐能力轉(zhuǎn)速污垢壓氣機效率來物損傷溫按分布溫度封產(chǎn)盾按涓輪增壓器mhk壓力葉片過熱或穹曲 嘰!油噴口面積 厲脹效率燉出功率 對嚴踞拐量圖2. 1燃氣輪機故障診斷廉埋氣路故障診斷系統(tǒng)能夠分析發(fā)動機杵能蛻化疋位故障發(fā)生部件。為分 折發(fā)動機糧體性能和各個部件的特性，發(fā)動機氣路部件經(jīng)常被視為“黑箱二本 文的氣路故障分析只局限于斥氣機和渦輪。由于燃燒室蛻化不會引起發(fā)動機件 能參數(shù)的明顯變化卩叫 因而不包括在本文研究范圍內(nèi)。發(fā)動機氣動部件的主要特性參數(shù)包括：増壓比、通流能力和等坷效率。這 些獨立參數(shù)x,也稱為狀態(tài)變呈，在丄程運用中是不町測的。在發(fā)動機試車時, 溫度、壓力、燃油流量和轉(zhuǎn)速等可測參數(shù)z為

13、依變參數(shù),其變化由獨立參數(shù)的 變化引起。為r啟屋評估發(fā)動機部件故障，獨工參數(shù)的餉弟疋義為相、&于新的 無故障發(fā)動機（基準值）的變化雖，如式21所示。廝=蘭二蘭1.00%（21）直中兒為部件獨立參數(shù)向量的基準值k為當i詢獨立參數(shù)向量。炎似地，發(fā)動機測呆參數(shù)的偏羌載，也被成為故障特征或拆紋，定義為： 反=匸紅100%（22）召其中為發(fā)動機在特定工況（通常為設計點）卜的依變參數(shù)向疑的荃準（ft, z為 當前同一工況下發(fā)動機依變參數(shù)向址。氣路故障的診斷是迪過分析故障持征而律到。圖2.5為發(fā)動機故障特征的 一個例子。顯然為了檢測發(fā)動機部件蛻化,諸如污垢、腐蝕、侵蝕和外來物損 傷等氣路故障必須達到

14、一宦的嚴重幅度才能產(chǎn)牛:可觀測到的故障持征，才2能破診斷m此， 些諸如轉(zhuǎn)了疲勞裂痕、衣層腐蝕以及形成速度很快的失 效如斷裂等問題都無法通過現(xiàn)仃的解析方法檢測出來，只能依鎖于其他技術(shù)手 段i頃1嘰故諒根式(衣圖2. 5壓氣機效率和通流能力各衰減概的故障待征圖實例如式2.3所示，氣路故障診斷的原理是映射發(fā)動機對測參數(shù)和獨立參數(shù)間的 強非線竹熱力關(guān)系?；纱耍c性能相關(guān)的氣路故障即可通過觀測川測參數(shù)偏 差來檢測，并量化出部件特性參數(shù)的改變量。z = fi(x)(2.3)其中,z為發(fā)動機測量參數(shù)向量,無為發(fā)動機部件獨立參數(shù)向量。2.3發(fā)動機測呈參數(shù)發(fā)動機氣路故障診斷系統(tǒng)通過對發(fā)動機本體上采集來的測量參

15、數(shù)的分析, 檢測發(fā)動機氣路部件的狀態(tài)。所以故障診斷系統(tǒng)的有效性很人樓度上取決發(fā) 動機參數(shù)測量的準確性。2.3.1測雖的不確定度由于測量噪聲、儀器老化、壞境改變等因素的彫響，不確定性是測星過程 中不可避免的。有些不確定性源于隨機誤差，例如短期測量環(huán)境變化。有些測 直不確定性則源系統(tǒng)誤差，比如測拭儀器的性能蛻化等。如圖26所示.多 次測fit的分布曲線為“鐘”型曲線。一般評估測屋的不確定性采用統(tǒng)計雖來描 述。不確定度可以定義為9砒可信度下測量值或測量結(jié)果與真值間的差別"i,如 式2.巾所示；t7 = ±(b+/955)(2.4)其中u為不確定度，b為偏差值，s為精確度誤差系數(shù)，

16、抵為95%的雙尾student-t 分布點。圖2. 6測量不確定性為j'在發(fā)動機模型i：仿真測量不確定性，我們在發(fā)動機測量參數(shù)的仿真輸 出結(jié)果中添加了典型的測量隨機誤差。美國機械工程師協(xié)會(asme)的燃氣渦輪 發(fā)動機性能測試手冊(ptc222005)定義了燃氣輪機性能測試測量參數(shù)的不確定 性，并對測量儀器的選擇和應用提出了一些要求。(1) 儀器校驗所有的測量儀器的輸出必須與標準源進行比對，并根據(jù)標準源的讀數(shù)進行 調(diào)整。標準源的不確定度必須比被校驗儀器的不確定度的1/4還要低卩譏儀器 校驗必須根據(jù)發(fā)動機原廠家推薦的校驗周期定期進行。(2) 測量噪聲濾除隨著計算機技術(shù)的不斷發(fā)展，數(shù)據(jù)采集

17、系統(tǒng)能夠以越來越高的采樣頻率采 集測屋參數(shù)。為了減少測量噪聲，降低測量不確定性的影響，發(fā)動機測量參數(shù) 必須進行必要的信號處理。一般常用的降低測量噪聲的方法包括了平均濾波、 慣性濾波、線性fir濾波和自聯(lián)想神經(jīng)網(wǎng)絡信號處理等研究表明,自聯(lián)想神 經(jīng)網(wǎng)絡濾波能夠極大地改善發(fā)動機測最參數(shù)質(zhì)最，提髙故障診斷精度i叫文獻17 采用層疊遞歸中值濾波器來降低發(fā)動機測量儀器噪聲，并結(jié)合梯度和laplacian 算子的邊緣檢測法來減少錯誤警報和失診率。232傳感器故障檢測、隔離和容錯(sfdia)發(fā)動機傳感器運行在復雜、惡劣的匸作環(huán)境中。測量噪聲通常比較高，并町能覆蓋由于部件性能蛻化引起的測量參數(shù)的改變。這就要求

18、氣路故障診斷系 統(tǒng)必須能夠應付高信號噪聲，提供粘確的發(fā)動機健康參數(shù)評估。在運行中，燃氣輪機一般只安裝有限個傳感器，這些傳感器常年在高溫高 壓的壞境下采集發(fā)動機信號。這就不可避免地發(fā)生傳感器故障，出現(xiàn)測量值偏 離真實值。對氣路故障診斷系統(tǒng)而言，有故障的傳感器會導致錯誤的診斷結(jié)果: 診斷出根本不存在的氣路故障或沒有診斷出當前故障網(wǎng)。因此，對傳感器故障 檢測、隔離和容錯技術(shù)的研究有助于避免無效的發(fā)動機測量值。yedavall i (2005)使用一組ka i man濾波器建立傳感器故障診斷系統(tǒng),用于 檢測、隔離燃氣輪機傳感器故障卩化 傳感器故障通過在時間-0. 001秒時給發(fā)動 機仿真模型的數(shù)據(jù)信號

19、添加階躍信號來模擬|切。當傳感器故障被檢測、隔離時，該傳感器的讀數(shù)不能直接接入氣路故障診 斷系統(tǒng)作為輸入。解決的方法可以采用傳感器解析余度技術(shù)，即燃氣輪機本體 上的任一傳感器讀數(shù)可以由其他傳感器的讀數(shù)估算出?；跀U展kalman濾波器 、部件跟蹤濾波器或門聯(lián)想神經(jīng)網(wǎng)絡的解析余度技術(shù)能夠?qū)崿F(xiàn)傳感器故障的容 錯，為氣路故障診斷系統(tǒng)或控制系統(tǒng)重構(gòu)傳感器信號。2.4氣路故障診斷技術(shù)本小節(jié)將綜述目前各文獻中的各種氣路故障診斷技術(shù)，分別介紹不同診斷 技術(shù)的原理、方法及其應用。雖然如前所示，使用發(fā)動機測量參數(shù)診斷發(fā)動機 氣路故障在理論上完全可行，但是在實際應用中，要實現(xiàn)一個理想的氣路故障 診斷系統(tǒng)并不容易。

20、這是囚為氣路故障診斷系統(tǒng)必須解決以下難題，以至每種 方法都有其各自優(yōu)缺點(2°1【2兒(1) 如2. 3,2節(jié)所討論的，發(fā)動機測量參數(shù)個數(shù)有限。這些測量參數(shù)時常 比所要評估的健康參數(shù)個數(shù)還要少。這就帶來方程可解性問題。(2) 發(fā)動機測量參數(shù)總是含有噪聲污染。氣路故障診斷系統(tǒng)必須盡可能減 少信號噪聲的影響。也就是，要能分辨出發(fā)動機性能蛻化和信號噪聲兩者引起 的不同測量值改變。(3) 發(fā)動機非線性影響。發(fā)動機本身為強非線性系統(tǒng)，這就極大地限制了 可以應用到氣路故障診斷系統(tǒng)上的方法及其有效性。作為發(fā)動機健康監(jiān)控系統(tǒng)的重要組成部分，氣路故障診斷系統(tǒng)自上世紀60年代開始得到發(fā)展。到了 7()年

21、代，'(路分析(gpa)方法及其改進力法衍到廣泛 研究，并投入工程應用中。為了解決上述討論的難題，研究人員嘗試了許多不 同類型的方法和技術(shù)進行故障診斷。從剛開始的故障樹、故障矩陣、gpa、加權(quán) 最小二乘(wls)方法、kalman濾波器法，到現(xiàn)代的遺傳算法方法，專家系統(tǒng)、模 糊邏輯和人神經(jīng)網(wǎng)絡等人工智能方法，以及組合方法° 1i(2002)在文獻22 中綜述了各種基丁 性能分析的燃氣渦輪發(fā)動機氣路故障診斷系統(tǒng)。各種氣路故 障診斷系統(tǒng)去致可以分為定性診斷方法和定量診斷方法。定件分析包括了故障 樹和故障矩陣，只能夠檢測出發(fā)動機故障，而定量分析還町以評估有故障部件 性能蛻化程度。2

22、.4.1故障樹和故障矩陣故障樹方法為最原始的氣路分析方法。圖2.7顯示了某故障樹例子。故障 樹方法通過對照故障樹i：乞個發(fā)動機測量參數(shù)的偏差來分析、丫前發(fā)動機部件故 障。類似的，故障矩陣，也稱為故障系數(shù)矩陣(表2.1)依靠對發(fā)動機測量參數(shù)改 變量的觀察，對比表上的參數(shù)偏差方向，檢測出發(fā)動機故障譏故障樹和故障矩 陣對發(fā)動機排故是很有幫助的，因為它們將復雜的故障診斷知識轉(zhuǎn)化為專對各 個故障模式的相對簡單的圖表。然而，它們也有很大的局限性：(1) 它們只能用于單部件故障檢測。對于雙部件故障，基于這兩種方法的 分析結(jié)果很可能是錯誤的或不準確的。(2) 它們只能對氣路故障進行定性分析。(3) 要得出診斷

23、結(jié)果，排故匚程師要進行大量的分析和比對。 :1 !:i111;廠1t>111v1 rv11m齊壓壓氣機m1髙壓渦輪1數(shù)軍障低效率睜低ta增加圖2. 7某或軸撚氣輪機故障樹類型故障渦輪進口 溫度軸功燃汕流 量壓比振動部件特征 值壓氣機 渦輪轉(zhuǎn)子損傷有a低増壓器侵蝕沒有髙動力渦 輪轉(zhuǎn)子損傷0t00有%低， egt高導向器侵蝕ttti沒有幾高壓氣機外來物損傷¥t¥i有z低污垢tii沒有臥低表2. 1臬燃氣輪機故障矩陣2.4.2 線性 gpah從1967年urban提出氣路分析(gpa)的線性模型方法以來，氣路故障診 斷技術(shù)得到重大發(fā)展1絢。由本章2. 2.2的分析得出，增壓

24、比、通流能力、部件 效率等發(fā)動機獨立參數(shù)可以作為壓力、溫度、燃氣流最等測星參數(shù)的函數(shù)，進 行分析計算。式2.3中，z可以分解卻某一發(fā)動機穩(wěn)態(tài)工況下的taylor數(shù)列：z = (乂°) + 色 ”) + /.07(2.4)其中hot為泰勒展開式高次項。對于很小的x-尢，h o t可以忽略不計，上式簡化為：z 二 zo+竄。(工一斤)(2. 5)寫成az和的表達式：業(yè)=hz(2. 6)其中h為影響系數(shù)矩陣(icm)o若h可逆，可得：a% = /-,<az(2.7)其中ha為h的逆，稱為故障系數(shù)矩陣(fcm)o通過上而的線性化化簡過程，發(fā)動機部件獨立參數(shù)的偏差量可以由 fcm矩陣和發(fā)

25、動機測量參數(shù)的改變量計算得出，如式2.7所示。ifij影響系數(shù)矩 陣h可以通過精確的發(fā)動機熱力模型添加各類故障模式仿真得出。對比其他定量分析方法，如故障樹和故障矩陣，線性gpa具有很好的優(yōu)點。 它可以檢測、隔離和量化-個或多個氣路部件故障。但同時，該方法在實際工 程應用中也有其局限性：(1) gpa是一種基于模型的方法。故障診斷的結(jié)果依賴于所給發(fā)動機模型 的粘確性。(2) 該方法未考電測量噪聲的影響。因為測最噪聲是不可避免的，從而導 致了診斷結(jié)果的不準確性。在工程應用中，有時測量的不確定性很大，以至于 故障診斷系統(tǒng)的誤診或檢測不到當前故障。(3) 由于線性化簡導致量化結(jié)果的不準確，特別是當測量

26、參數(shù)與基準值有 較人偏差時。線性化模型引起的誤差町能跟故障本身引起的測量參數(shù)改變量具 有相同的數(shù)量級。(4) 該方法需要人量的測量參數(shù)作為分析對象°而有時在工程上很難滿足 這一要求。若發(fā)動機測量參數(shù)個數(shù)少于獨立參數(shù)時，gpa將無法正確映射它們間 的關(guān)系i叫2.4.3非線性gpa為了克服線性gpa的局限性，考慮到發(fā)動機是一個強非線性熱力系統(tǒng)，改 進型gpa通過諸如牛頓拉普森等方法迭代使用gpa計算方法，得到非線性gpa。文獻23中，aretakis等介紹了只使川有限個測最參數(shù)的非線性氣路故障診 斷系統(tǒng)。p. escher(1995)在cranfield大學的pythia軟件中實現(xiàn)了非線

27、性gpa 故障診斷。如圖2.x所示，非線性gpa的第一步與線性gpa和同，稱為迭代1。 為j'進一步降低預測的部件故障與真實故障間的誤差，迭代2通過計算獨立參 數(shù)的偏差而得新的性能基準基于新的迭代基準，新的影響系數(shù)矩陣(icm)和故 障系數(shù)矩陣(fcm)都亜新計算得出。從而計算出新的獨立參數(shù)改變量，迭代2完 成。這樣迭代重復進行直到滿足式28的預先設定的收斂條件卩1。孑工|(7“"3誠皿)v /8)其中m為發(fā)動機測量參數(shù)個數(shù)，為發(fā)動機測量值，乙如展為最新迭代基 準的測量參數(shù)計算值。5為收斂條件。變|?蜃科氓力密轄系數(shù)zvt翌曲憐進乩寵怡建弋2)x如才" 弊帆燙故洵憾

28、x正確的解釣浜迭代圖2. 8非線性gpa收斂過程kamboukos(2005)在文獻24中討論了線性和非線性燃氣輪機性能故障診斷 的優(yōu)缺點。如圖2. 9所示，非線性gpa明顯優(yōu)于線性gpa,因為它克服線性化 簡引起的誤差，提高了診斷然而非線性gpa仍然有很大的應用局限性。 類似丁線性gpa,昨線性gpa沒有克服測量不確定性帶來的影響。并且當所求 的獨立參數(shù)較多時，具迭代過程相當耗時，并可能無法收斂。2.5400個檢測點圖2. 9發(fā)動機參數(shù)在400個工作點的蛻化跟蹤2.4.4基于最優(yōu)化估計技術(shù)的gpa為r提高gpa方法的診斷精度，更好地分析受噪聲污染的測量參數(shù)，估計 發(fā)動機性能參數(shù)的偏差人了，許

29、多最優(yōu)化估計方法被廣泛應用尸氣路故障診斷系 統(tǒng)中，如最小誤差(或極大似然)估計，最小二乘法(ls),加權(quán)最小二乘算法(wls), 最大后驗概率(map)估訃器，粒子濾波器，bayesian決策理論和kalman濾波器法等等以川糾。其中，wls和kalman濾波器對于氣路分析最為有效，在許多氣 路故障診斷軟件中得到實現(xiàn)。通常測雖噪聲可視為零均值的高斯噪聲，從傳統(tǒng) gpa的方程2.3,我們可以得到帶噪聲的模型；z = h-x-v(2.9)其中，2為發(fā)動機測量參數(shù)向量，x為發(fā)動機部件獨立參數(shù)向量，ii為獨立參 數(shù)對測量值的彩響所導出的矩陣，尸為測量誤差向量，代表了固有的測量不確 定性。最小二乘法是由

30、高斯首先提出的數(shù)學最優(yōu)化方法，尋找與測量值最接近的 一個函數(shù)使得所得的均方誤差和最小。與最小二乘法類似，加權(quán)最小二乘法也 使用最小均方謀差和，但同時對不同數(shù)據(jù)進行加權(quán)計算。對于氣路分析，誤差 為測屋出的與訃算所得的依變參數(shù)間的差。因為每組測量值的改變量為性能蛻 化與測量不確定性的組合作用，加權(quán)最小二乘法(wls)估算出預測的測量誤差下 的獨立參數(shù)改變量2譏 本章的2 6.1節(jié)將介紹wls算法在ge公司的氣路故障 診斷軟件temper軟件中的實現(xiàn)。20世紀60年代，kalman發(fā)明了用于離散數(shù)據(jù)線性濾波問題的回歸式解決 方法。隨后基于kalman濾波器的回歸算法廣泛應用于燃氣渦輪氣路故障診斷等

31、多個領(lǐng)閾221okalman濾波器的作用是從含有隨機誤差陸乙,z的測量參數(shù) 系列中，估計當前動態(tài)系統(tǒng)的狀態(tài)；“，并降低估計誤差。發(fā)動機性能模型可以 表示為:(2. 10)(2. 11)其中k=l, 2,，為時間指數(shù)，耽為發(fā)動機測屋參數(shù)向量，雙為發(fā)動機部件參數(shù)，乞為系統(tǒng)模型矩陣，山和陷分別代表測量噪聲和過程噪聲，它們都假定為 零均值白噪聲序列。必為傳遞矩陣。(2. 12)(2. 13)(2. 14)標準的kalman濾波器使用以下公式解決i：述發(fā)動機模型。a4a.axi = xk + kk(zk-hk xt)工“產(chǎn)婦(匕j訛其中濾波器初始條件：x,=心和£n= e(x.-x.)(xa

32、-xo)7，o由于它特有的統(tǒng)訃特性和估計器一修正器特征，基于kalman濾波器的估訃 方法在發(fā)動機氣路故障診斷中得到廣泛應用1261,271 o作為一個良好的估計器， kalman濾波器還可用于解決發(fā)動機傳感器故障診斷問題。為了降低估計誤差， 一個稱為擴展型kalman濾波器包括了發(fā)動機系統(tǒng)線性模型與kalman濾波器的 組合。而julie和uhlmann提出將u n sen ted kalman濾波器應用到非線性發(fā)動機 模型【28。dcwallcf等捉岀使用擴展型unsented kalman濾波器，對瞬態(tài)發(fā)動機系 統(tǒng)的狀態(tài)和健康系數(shù)都進行估計。為只有少量測量參數(shù)可用時，基j： kalman

33、濾波器的發(fā)動機故障診斷方法會 遇到穩(wěn)定性問題。kalman濾波器方法的牙一問題是kalman濾波器結(jié)構(gòu)的限制, 也就是必須對發(fā)動機性能模型做修改以適應kalman濾波器(kf)的公式，為了更 好地應用kalman濾波器結(jié)構(gòu)，基于kalman濾波器的診斷系統(tǒng)時常婆忽視一些 諸如狀態(tài)變量限制的已知信號信息。限制式kalman濾波器由simon等引入以解 決此問題并得出結(jié)論，添加狀態(tài)變量限制可更大提高診斷結(jié)果，同時増加 了計算量。2.4.5人工神經(jīng)網(wǎng)絡人工智能是研究使計算機模擬人類智能行為的學科。它是二十一世紀的尖 端技術(shù)之一，在語言識別、圖像識別、自然語言處理等很多領(lǐng)域獲得廣泛應用， 取得了豐碩的

34、成果。過去20年，基于諸如專家系統(tǒng)，人工神經(jīng)網(wǎng)絡和模糊邏輯 等人工智能在燃氣輪機氣路故障診斷系統(tǒng)中得到廣泛研究。人工神經(jīng)網(wǎng)絡(ann)或只稱為神經(jīng)網(wǎng)絡，是一種信息處理的數(shù)學模型。它源 于對生物神經(jīng)系統(tǒng)處理信息方式的啟發(fā)。人工神經(jīng)網(wǎng)絡的原理，發(fā)展歷史，網(wǎng) 絡結(jié)構(gòu)和工程實現(xiàn)可以在2930等文獻中找到。自上世紀90年代以來，包括有 導師學習和無導師學習的乞類神經(jīng)網(wǎng)絡都被廣泛研究，并應用丁檢測，評估燃 氣輪機氣路故障卩叫 其中包括了前向bp網(wǎng)絡(ffbp),概率神經(jīng)網(wǎng)絡(pnn),自 組織映射(som)網(wǎng)絡，學習向量機(lvq)網(wǎng)絡，對偶傳播神經(jīng)網(wǎng)絡(cpn), 口適 應共振理論(art)m絡,徑向基

35、函數(shù)(rbf)網(wǎng)絡等在以上這些網(wǎng)絡中,前向 bp網(wǎng)絡被認為是最受歡迎和成功的方法l，6k22,o文獻22綜述了基于人工神經(jīng)網(wǎng)絡的氣路故障診斷研究(2002)。最近，kong 等提出了基于前向bp網(wǎng)絡的氣路故障診斷系統(tǒng)糾。它基于matlab平臺開發(fā)出 用戶友好人機界面，處理40個故障模式的5種組合故障。在文獻32中，tan 嘗試兩種新的網(wǎng)絡用于解決飛機發(fā)動機故障分類問題，一種為fourier網(wǎng)絡，另 一種為泛化單隱含層網(wǎng)絡(gsln)o匕述研究得出結(jié)論：與多層前向bp網(wǎng)絡和 rbf網(wǎng)絡相比,fourier網(wǎng)絡有更強對付噪聲的能力,gsln則以更快速度收斂【詞。止是人工神經(jīng)網(wǎng)絡超強的泛化能力使得它

36、得到廣泛應用。事實證明，人工 神經(jīng)網(wǎng)絡能夠在測量噪聲或測量參數(shù)不完整情況下識別出發(fā)動機故障卩忙人工神經(jīng)網(wǎng)絡的優(yōu)點包括了：(1) 非線性映射能力。它能夠充分逼近復雜的非線性關(guān)系。(2) 并行分布處理方式，能快速進行大量的運算。(3) 自學習和自適應能力。可以應用丁不知道或不確定的系統(tǒng)。(4) 信息分布存儲于網(wǎng)絡內(nèi)各神經(jīng)元，能夠同時處理定量、定性知識。系 統(tǒng)有很強的魯棒性和容錯性。同時在應用于燃氣輪機氣路故障診斷時，人工神經(jīng)網(wǎng)絡有以卜一些重大缺 陷：(1) 前向bp神經(jīng)網(wǎng)絡很容易收斂于本地極小值，從而導致差的泛化能力。(2) 至今人們還沒能用解析方法得到針對指定問題最優(yōu)的網(wǎng)絡結(jié)構(gòu)和訓練 參數(shù)設計。

37、(3) 訓練樣木數(shù)量很大，訓練出較理想的網(wǎng)絡需要時間。(4) 不能從真實發(fā)動機上得到檢驗樣本。(5) 基丁人工神經(jīng)網(wǎng)絡的氣路故障診斷系統(tǒng)中，有導師學習的神經(jīng)網(wǎng)絡的 訓練樣本依賴于發(fā)動機模型。246模糊邏輯模糊邏輯(fl)模擬人類不幫確推理的解決問題方法。它是一種具有人腦模糊 思維邏輯特征的非線性映射系統(tǒng)。模糊集和隸屬函數(shù)是模糊邏輯的基礎(chǔ)。模糊 集是指這樣一種集合，其元索均在一定程度上屬于或不屬于該集合。每個模糊 集合以隸屬函數(shù)和隸屬度來描述與量化。典型的模糊邏輯系統(tǒng)包括了以卜一些功能模塊：模糊化，推理規(guī)則，非模 糊化，如圖210所示【絢。對氣路故障診斷系統(tǒng)，模糊化是將發(fā)動機測量參數(shù)改 變量使用

38、語言變量映射成模糊集。例如，轉(zhuǎn)速的偏差可以描述為：很高，高， 中，低，可忽略，低+,中+,高+,很高+,變化域為-10%, +10%。參考引 擎根據(jù)事先定義的規(guī)則完成非線性映射紹。典型的規(guī)則可以為發(fā)動機測量參數(shù) 與對應的部件特性偏離間的關(guān)系得出i絢。反模糊化的方法包括了：選擇最大隸屬度法,取中位數(shù)法和加權(quán)平均判斷法。它為模糊邏輯系統(tǒng)生成精確輸出o圖2. 10基于規(guī)則的模糊邏輯系統(tǒng)結(jié)構(gòu)模糊邏輯的特征包括：(1) 它作為估計器的特點是快而穩(wěn)定。因為模糊邏輯不需要很梢確的信息, 基于模糊邏輯的故障診斷系統(tǒng)能在大噪聲的情況下仍能得出穩(wěn)定的結(jié)果。(2) 規(guī)則庫可以很容易地修改和更新。與基于人工神經(jīng)網(wǎng)絡的

39、方法相比， 基于模糊邏輯的故障診斷系統(tǒng)能在使用過耗中不斷改進其件能，而人工神經(jīng)網(wǎng) 絡系統(tǒng)的診斷性能在訓練結(jié)束后就固化不變了。(3) 但是同時，模糊邏輯的一個顯著缺點是它不是總得出精確結(jié)論，這是 它的固有特點所決定的。247專家系統(tǒng)專家系統(tǒng)是模擬人類解決復雜問題思維方式的計算機程序，它通常包含了 推理機、知識庫和人機界而。知識庫是用儲心根據(jù)基于規(guī)則、基模型和基 于案例等方法生產(chǎn)的專家知識°專家系統(tǒng)能夠把由專業(yè)人員總結(jié)的故障診斷信 息或發(fā)動機模型轉(zhuǎn)化為知識數(shù)據(jù)庫。木章262將介紹一種典型的基于專家系統(tǒng) 的故障診斷系統(tǒng)及其特點。最近c.romcssis等(2006)將基于bayesian

40、belief網(wǎng)絡(bbn)的方法應川于氣 路故障診斷卩譏bbn是一種概率專家系統(tǒng)。圖2. 11為bbn的一個例子。如圖 所示，bbn的輸岀結(jié)果用包含了估汁概率的圖來表示，該方法有如下一些優(yōu)點(1) bbn結(jié)合了概率理論和圖論的基本原理。因此診斷結(jié)果中包括了置信 度。(2) 圖形化輸出有助于用戶通過估計概率理解復雜的變量關(guān)系。(3) 當解決帶有多個依變參數(shù)的復雜系統(tǒng)時，bbn可以結(jié)合諸如kalman 濾波器等其他故障診斷方法，以提高診斷效果.（4）基j： bbn的氣路故障診斷系統(tǒng)同時具冇易于添加發(fā)動機信息的特點, 如在不重新構(gòu)建網(wǎng)絡情況下添加振動數(shù)據(jù)或發(fā)動機維護歷史記錄等。1 1 111 11

41、1 1 1 >2.5 -2.167-1.833.5 4.167 0.167 0.51 血3 2.167 25 ?。ê脠D2. 11故障診斷在給定流雖因數(shù)節(jié)點下的圖例推測概率2.4.8遺傳算法遺傳算法（ga）是一類基于模擬生物“適者生存”進化理論的智能優(yōu)化算法。 它于上世紀60年代由j.h.helland提出。到目前為止，遺傳算法也被廣泛應用作 最優(yōu)化估計器。傳統(tǒng)遺傳算法包括了以下兒個步驟：編碼：在開始搜索之前，遺傳算法將h標解域表樂為遺傳表達式，而將解 表示為位的數(shù)組（字符串）。適應性函數(shù)也需定義來評估解域。它用j：評價每個個 體優(yōu)缺點。初始化：系統(tǒng)初始隨機生成n個個體解。由這n個個體生成

42、初始種群。選擇：選擇的目的是通過適應性函數(shù)挑選一組最好的個體作為“父親"生 育下一代個體。重新生產(chǎn)：經(jīng)過選擇，遺傳算法通過兩個遺傳操作：交換和/或變異。交換 是結(jié)合兩個字符串生成一個新的個體，而變異是改變一個字符串的某一個位置 或某幾個位置上的位值。遺傳算法最人的特點是它直接搜索冃標空間，無需任何的推導計算，也就 是，對函數(shù)沒有可導和函數(shù)連續(xù)性要求，rh于它同有的并行性，它同時也共有 很好的全局最優(yōu)化能力，使用概率自適應調(diào)節(jié)搜索方向。對燃氣輪機故障診斷系統(tǒng)，真實的與仿真出的發(fā)動機參數(shù)間的差別將會 轉(zhuǎn)化為一個最適目標函數(shù)】，遺傳算法用于縮小指定目標函數(shù)的值。文獻35 實現(xiàn)了采用燃氣輪機

43、瞬態(tài)測量參數(shù)，且基于遺傳算法的故障診斷系統(tǒng),并成功 應用于單部件故障診斷系統(tǒng)中。suresh等分析了基于遺傳算法的氣路故障診斷系統(tǒng)的局限性it：（1）遺傳算法最優(yōu)化是個耗時的收斂過程，它花了大約36個小時來收斂45個故障類型。(2) 對雙部件或多部件故障，遺傳算法方法需要更多的時間用于搜索目 標函數(shù)的最小值。(3) 半兩故障具有很相近的卜i標函數(shù)值時，遺傳算法的方法不能很好地隔 離故障。2.4.9組合方法i.述每種燃氣輪機氣路故障診斷方法各有其優(yōu)缺點，而對r組合兩種或兩 種以上方法的故障診斷得到廣泛的研究興趣。dewallef等(2006)結(jié)合kalman濾波器和bbn開發(fā)出一種新的故障診斷方

44、法 i24,o如圖2. 12所示,軟限制kalman濾波器(sckf)每步計算都使用由bbn推 導出的推理信息，來進一步推導評估發(fā)動機部件參數(shù)。sckf己有信息預濾被分類算法診斷圖2. 12組合分類算法和kalman濾波器的流程圖將這種bbn分類算法結(jié)合sckf冋歸方法，能夠?qū)崿F(xiàn)兩種方法的優(yōu)勢互補, 提高故障診斷效率。組合方法的最主要優(yōu)勢是它冇可能能很好結(jié)合毎種方法推 導出的信息，提高了故障診斷精確度。2410診斷方法小結(jié)對于燃氣輪機氣路故障診斷系統(tǒng)，每種實現(xiàn)方法都各有利弊。對比這些方 法有助于我們進一步發(fā)展氣路故障技術(shù)，這些故障診斷方法可以根據(jù)開發(fā)系統(tǒng) 時用到的發(fā)動機數(shù)抑；，大致分成兩類：基

45、于模型的方法和基于數(shù)據(jù)的方法卩0 如圖2.13所示，基j：模型的方法使用估計器以及和模型輸出的真實發(fā)動機數(shù)據(jù) 間的差別來預測發(fā)動機健康參數(shù)?；鵩模型的氣路故障診斷方法應用如此z廣, 以致于它己被視為通用方法i。相對于基于模型方法，基于數(shù)據(jù)的方法則采用真實發(fā)動機數(shù)據(jù)來開發(fā)故障診斷系統(tǒng).發(fā)動機機畚值基于堿顯的故盼斷圖2. 13基于模型的故障診斷系統(tǒng)結(jié)構(gòu)近年來，氣路故障診斷系統(tǒng)有如下一些重大發(fā)展：(1) 實時遠程故障診斷技術(shù)成為氣路故障診斷系統(tǒng)的一個聯(lián)要發(fā)展方向， dame1561是一個，針對發(fā)動機維護的分布式診斷壞境(distributed diagnostics environment for

46、maintenance)/網(wǎng)恪技術(shù)hvj|j 7s航空故障診斷領(lǐng)域的演示系統(tǒng)。 它由英國4個大學和rr、ds&s、cybula等公司合作開發(fā)，將故障診斷技術(shù)胳 合到網(wǎng)格網(wǎng)絡上，為氣路故障診斷和視悄維護捉供更好的決策支持。(2) 近年來的氣路故障診斷研究很多專注于組合技術(shù)的研究，以組合多種 算法尋求更好的解決方案。2.5氣路故障診斷程序木章的前面幾節(jié)總結(jié)了燃氣輪機牲能分析和部件故障檢測技術(shù)。早期的氣 路故障診斷技術(shù)只局限故障樹和故障矩陣，而今基不同算法的各類故障診 斷程序己在工程上得到廣泛應用，為視情維護提供技術(shù)保障。本小節(jié)將進一步 介紹幾種典型的定量分析程序，特別是由發(fā)動機制造廠商或?qū)?/p>

47、門的服務提供商 開發(fā)的商業(yè)氣路故障診斷程序，著亜分析它們的診斷能力，用戶界面和實現(xiàn)力 法。2.5.1 tempertemper是渦輪發(fā)動機單元體性能評佔系統(tǒng)(turbine engine module performance estimation routine)的簡稱，是美國ge公司在上世紀70年代開發(fā)的 基于加權(quán)最小二乘法(wls)故障診斷算法的應用程序。該軟件可以通過發(fā)送 和接收ge的郵件方式進行使用，輸出結(jié)果如圖2. 14所示，輸出使用總體性能 的柱狀圖來表示。d.l.doel分別在1994和2003發(fā)表了關(guān)f ge的temper程 序?qū)崿F(xiàn)方式，即加權(quán)最小二乘法算法在氣路故障診斷中的應

48、用125,1371 o圖2. 14 temper輸出結(jié)果的一個實例temper具有如下一些優(yōu)點：(1) 它是ge公司提供給非性能工程師人員用于診斷渦扇發(fā)動機故障的有 效工具。temper ©供的分析結(jié)果對于發(fā)動機試弔臺的決策分析很冇幫助。(2) 它在設計時著重于檢測有缺陷的發(fā)動機單元體，并保證得出正確的診 斷結(jié)果。雖然加權(quán)最小二乘法是線性方法，但temper同時添加了非線性分析 部分“故障邏輯”，以檢測大幅值的故障。temper同時也存在以下一些缺點旳：(1) 加權(quán)最小二乘法算法本身具有統(tǒng)計特性，易于將有缺陷和無故障分散 于所有發(fā)動機部件中去。(2) 有些發(fā)動機問題無法通過tempe

49、r有效地檢測出，如氣密問題"(3測童參數(shù)若不粘確會使temper的診斷結(jié)果誤導用戶決策。(4) 加權(quán)最小二乘法算法側(cè)帀:于11:確地檢測出冇故障部件，而部件故障量 化不是十分精確。2.5.2 xpgtn燃氣輪機性能監(jiān)控和診斷系統(tǒng)xpgtn(gas turbine performance monitoringand diagnostics system）是由氣路分析公司推出的通用的燃氣輪機氣路故障診斷 工具，用于檢測發(fā)動機部件損傷。如圖215、圖2. 16所示，xpgtn通過分析 故障指數(shù)（部件特性參數(shù)）的變化趨勢，使用部件共同工作匹配方程和基于模熨的 氣路分析方法，辨識出特定故障。該

50、程序同時能夠檢測測量儀器故障，跟蹤發(fā) 動機功率輸出和熱效率變化，9 temper的柱狀圖輸出方式相比，xpgtn通過 圖形化人機界血輸出結(jié)果，提供長期的趨勢分析數(shù)據(jù)，有助于用戶了解發(fā)動機 性能變化。 'm：rr.a 3p2 cpcr 說kw vrapnrworumtarcfouina!<»/；-r»e-ri圖2. 15中壓壓氣機故障指數(shù)的24小時平均變化趨勢2.5.3動力診斷動力診斷服務是西門子公司為使川西門子燃氣輪機發(fā)電設備的用戶提供的 遠程在線監(jiān)控系統(tǒng)。gt-aid是動力診斷服務研發(fā)部門于1999年開發(fā)的基丁規(guī) 則的專家故障診斷系統(tǒng)。圖2. 17為該系統(tǒng)的

51、實現(xiàn)技術(shù)，系統(tǒng)首先使用基于神經(jīng) 網(wǎng)絡的信號分析模塊來檢驗傳感器信號的有效性ogt-aed使用驗證過的傳感器 信號來進-步檢測發(fā)動機硬件問題，跟蹤關(guān)鍵部件的趨勢，已開發(fā)的規(guī)則庫包 括了機組特性和發(fā)動機運行各階段的分析，如啟動，功率輸出改變等。分看枚件缺力發(fā)電軟與工耳圖217動力診斷技術(shù)實現(xiàn)方法該診斷軟件基于規(guī)則具有靈活性，新的診斷他識可以很容易地轉(zhuǎn)化為規(guī)則, 并添加到規(guī)則庫屮。它同時能夠?qū)⒚N不同的數(shù)據(jù)組合到個數(shù)據(jù)庫屮，包括 了熱力和熱氣路分析、振動分析、用于外來物損傷檢測的聲音分析，以及部件 壽命分析及診斷。而且諸如燃油噴嘴阻塞軸承過熱和傳感器故障等典型的發(fā)動 機故障也可以通過gt-aid檢測岀來。然而，基于規(guī)則的故障診斷系統(tǒng)無法實現(xiàn)氣路故障的定量分析。2.5.4 rteds實時渦輪發(fā)動機診斷系統(tǒng) rteds(real-ti