-
航空发动机被誉为飞机制造业“皇冠上的明珠”,是具有高度复杂性的动力装置,作为航空飞行器的核心部分,直接影响到飞机的安全运行。其发展可以带动机械、材料、能源、计算机等多产业和多学科共同发展,对国家的经济和科技发展具有巨大的推动作用。航空发动机系统的工况复杂,在恶劣条件下服役时,往往容易发生故障。据美国空军统计,在1982~1996年间,航空发动机故障造成的事故约占飞机总事故的43%,其中结构故障约占航空发动机故障的50%;据我国有关部门统计,在1998~2003年间,航空发动机结构故障造成的事故约占飞机总事故的50%[1]。我国多年来仿制、改进和自主研发的几十种航空发动机几乎都发生过叶片断裂故障,约占航空发动机故障的45%[1-3]。因此,开展航空发动机系统失效分析的研究,可以为航空发动机设计维修和安全运行提供重要参考。
共词分析法作为一种有效的文本数据技术,是利用文献集中词汇对或名词短语共同出现的情况,确定该文献集中各主题之间的关系。通过主题词两两之间在同一篇文献出现的频率,即主题词之间的共现关系,便可形成由这些词对关联所组成的共词网络[5]。结合聚类分析、多维尺度分析(Multidimensional Scaling, MDS)、因子分析等多元统计方法,对反映文献集主要内容的词汇进行分类,可以归纳出研究领域的主题。国内外学者利用多元统计分析方法,从不同切入点对航空发动机失效数据进行了分析及研究。Stolzer[6]在自动化挖掘工具和现有数据库的基础上,用计量统计的方法进行误码率诊断,降低了航空公司的事故率。多种信息分析及数据处理技术被广泛应用于航空发动机等的故障诊断及预测中,聚类分析是其中常见的分类方法之一。王有远等[7]采用模糊聚类理论对航空发动机产生的实时数据以及维修数据库中的数据进行聚类,提出了一种基于模糊聚类的航空发动机故障预测的数据挖掘模型,通过分析航空发动机产生的数据,对航空发动机进行故障预测。王银坤等[8]针对FJ44发动机,通过对发动机运行和故障时数据的收集和整理,运用灰色聚类的分析方法,探析了FJ44发动机常见故障的诊断技术。辜振谱等[9]提出一种基于马氏距离的自动搜索发现密度峰值聚类的改进算法,相比K均值(K-means)聚类和模糊C均值聚类,可以更加有效地应用于航空发动机转子故障诊断。亦有研究将多元统计分析方法运用于特定航空发动机部件的失效分析中,以获得规律性结论。舒畅等[10]对某型航空发动机压气机转子叶片外物损伤数据进行了统计分析,揭示出了损伤类型、缺口尺寸和位置沿压气机轴向和径向的分布规律,并对缺口宽度与深度尺寸采用K均值(K-means)聚类分析进行了分类。曹惠玲等[11]运用统计分析方法,确定了高压涡轮转叶前缘涂层脱落失效分布模型。针对航空发动机系统失效案例分析的相关研究中,更多地应用了理论研究或传统统计分析,基于共词分析并与多元统计方法相结合的研究暂未得到广泛应用。本文拟采用共词分析法进行文本数据处理,结合因子分析、聚类分析和多维尺度分析三种多元统计方法,实现对航空发动机系统失效领域重要主题词的分类及结果可视化。
-
本文的失效案例选自研究室自主建立的失效数据库−失效分析专家网站(www.failureanalysis-ecust.co m),选取失效数据库中收录的航空发动机系统相关失效案例共93篇,利用传统定量统计对发动机系统失效设备进行初步分类。结果表明发动机系统的失效部件主要集中在叶盘、机械传动系统和其他附件这三类,其中叶盘类失效占比最大,占统计总数的49%,机械传动系统失效占25%,其他附件失效占26%。
-
采用Jieba分词器并结合自行建立的整体分词词典、同义词词典和停用词词典将文本进行分词预处理。然后利用关键词分配的方法,将分词后的文章与构建的关键词词典进行匹配,得到每篇失效文本的关键词。通过构建同义词词典并与关键词匹配尽可能地降低了特定表达方式对共词分析结果的影响。
-
统计每对关键词的共词词频,汇总共词词频不小于1的关键词,重复至整个案例集合中的所有文本统计完毕,形成共词矩阵。采用Cosine系数的标准化算法,利用Matlab软件将共词矩阵分别转化为相似矩阵,并根据相异矩阵=1-相似矩阵得到对应的相异矩阵,以适应不同的统计方法对数据的要求。如表1、表2所示,分别为叶盘类关键词的相似矩阵和相异矩阵;表3、表4、表5分别为叶盘、机械传动系统、其他附件的失效关键词。
Keyword Blade Fracture Creep Crack Fatigue Selective oxidation Blade 1.0000 0.9842 0.8024 0.9898 0.9902 0.8410 Fracture 0.9842 1.0000 0.7965 0.9680 0.9889 0.8146 Creep 0.8024 0.7965 1.0000 0.7948 0.8018 0.6909 Crack 0.9898 0.9680 0.7948 1.0000 0.9853 0.8227 Fatigue 0.9902 0.9889 0.8018 0.9853 1.0000 0.8146 Selective oxidation 0.8410 0.8146 0.6909 0.8227 0.8146 1.0000 表 1 叶盘失效相似矩阵(部分)
Table 1. Similarity matrix of blade and wheel disc failure (Part)
Keyword Blade Fracture Creep Crack Fatigue Selective oxidation Blade 0 0.0158 0.1976 0.0102 0.0098 0.1590 Fracture 0.0158 0 0.2035 0.0320 0.0111 0.1854 Creep 0.1976 0.2035 0 0.2052 0.1982 0.3091 Crack 0.0102 0.032 0.2052 0 0.0147 0.1773 Fatigue 0.0098 0.0111 0.1982 0.0147 0 0.1854 Selective oxidation 0.1590 0.1854 0.3091 0.1773 0.1854 0 表 2 叶盘失效相异矩阵(部分)
Table 2. Dissimilar matrix of blade and wheel disc failure (Part)
Number Keyword Number Keyword Number Keyword A01 Blade A16 Cyclic alternating load A31 Recrystallization A02 Fracture A17 Coating shedding A32 Surface damage A03 Creep A18 High temperature A33 Low cycle fatigue A04 Crack A19 Etch pit A34 Fretting wear A05 Fatigue A20 Forging defect A35 Incorrect mounting A06 Selective oxidation A21 Machining mark A36 Exciting force A07 Foreign body impact A22 Friction A37 High-low cycle complex fatigue A08 Hole defect A23 Overload A38 Overtemperature and oversintering A09 Stress concentration A24 Improper manufacturing process A39 Resonance A10 Vibration A25 Blister A40 Bending vibration A11 High cycle fatigue A26 Excessive blade bending A41 Oxidation defect A12 Poor processing quality A27 Thermal corrosion A42 Structural degradation A13 Material defect A28 Thermal damage A43 Abnormal microstructure A14 Pit corrosion A29 Carbide A15 Corrosion A30 Coating degradation 表 3 叶盘失效关键词
Table 3. Failure keywords of blade and wheel disc
Number Keyword Number Keyword Number Keyword B01 Shaft B16 Cyclic load B31 Bengding and torsional fatigue B02 Bearing cage B17 Friction B32 Insufficient lubrication B03 Bearing B18 Pit corrosion B33 Rotating bending fatigue B04 Bearing ball B19 Spalling damage B34 Fretting wear B05 Rivet of bearing cage B20 Machining mark B35 Abnormal bending load B06 Fracture B21 Irregular design B36 Skidding damage B07 Crack B22 Foreign body impact B37 Torsional fatigue B08 Stress concentration B23 Overload B38 Resonance B09 Fatigue B24 Electric arc damage B39 Inappropriate fit clearances B10 Abrasion B25 Incorrect mounting B40 Abrasive contamination B11 Improper material selection B26 Abnormal axial load B41 Improper heat treatment B12 Improper manufacturing or maintenance process B27 Forging defect B42 Governor idle gear B13 Material inclusion B28 High temperature damage B43 Transfer and bevel gear B14 Surface contact fatigue B29 Overheating and overheating B44 Clutch gear B15 High contact stress B30 High cycle fatigue B45 Improper case hardening 表 4 机械传动系统失效关键词
Table 4. Failure keywords of mechanical transmission system
Number Keyword Number Keyword Number Keyword C01 Cylinder C17 Hydraulic actuator C33 Kink C02 Cylinder head C18 Cited trachea clamp C34 Surface damage C03 Auxiliary power supply inlet valve C19 Engine actuating cylinder C35 Stress corrosion C04 Combustor liner C20 Tappet body C36 Shear failure C05 Hydraulic pressure line C21 Afterburner fuel manifold C37 Overload C06 Exhaust system pipeline C22 Crack C38 Abrasion C07 Bleed valve clamp bolt C23 Fracture C39 Corrosion C08 Wheel disc connecting pin C24 Material defect C40 Explosion failure C09 Fuel line C25 Fatigue C41 Poor quality of the roll welding seam C10 Combustion chamber shell C26 Improper manufacturing or production process C42 Unqualified welding process C11 Combustion control system adapter C27 High cycle fatigue C43 Pit corrosion C12 Air radiator C28 Stress concentration C44 Impurity residue in molding process C13 Reed C29 High temperature C45 Foreign object damage C14 Oil pipeline C30 Vibration C46 Machining mark C15 Corrugated pipe C31 Oxidation C16 Gas cylinder conduit C32 Thermal fatigue 表 5 其他附件失效关键词
Table 5. Failure keywords of other accessory equipment
-
利用社会科学统计软件−SPSS(Statistical Product and Service Solutions)软件对关键词的共词矩阵进行因子分析。将标准化后的相似矩阵数据导入SPSS,采用主成分分析法(Principal Component Analysis, PCA)进行因子分析,分析得到解释总方差表与碎石图。表6列出了部分主成分,按照特征值从大到小排列。当有7个因子被提取时,累计方差解释贡献率为89.663%。根据“特征值大于1”和“累计贡献率达到85%以上”的原则,进行聚类分析时,可将叶盘失效研究的高频关键词分为7个类团。结合图1的碎石图验证,可知这样分类是较为合理的。
Component number Total Percentage of
variance of initial
eigenvalueCumulative Total Percentage of
variance of extraction sums of
squared loadingsCumulative Total Percentage of
Rotation sums of
squared LoadingsCumulative 1 23.554 54.776 54.776 23.554 54.776 54.776 14.331 33.328 33.328 2 5.363 12.471 67.247 5.363 12.471 67.247 6.193 14.402 47.730 3 3.285 7.639 74.886 3.285 7.639 74.886 5.519 12.835 60.564 4 1.982 4.609 79.495 1.982 4.609 79.495 3.610 8.395 68.960 5 1.588 3.693 83.188 1.588 3.693 83.188 3.411 7.932 76.892 6 1.506 3.503 86.691 1.506 3.503 86.691 3.009 6.997 83.889 7 1.278 2.972 89.663 1.278 2.972 89.663 2.338 5.437 89.326 8 0.827 1.924 91.586 0.827 1.924 91.586 0.972 2.260 91.586 表 6 叶盘类因子分析总方差解释表
Table 6. Explanatory table of total variance of factor analysis of blade and wheel disc
以相同的方法及步骤,对航空发动机系统的机械传动系统及其他附件两类文本进行因子分析。结合总方差解释表与碎石图结果,机械传动系统的失效关键词可被分为11个类团,其样本解释总方差为96.176%;其他附件的失效关键词可被分为10个类团,其样本解释总方差为92.345%。
-
利用SPSS软件,以欧氏距离(Euclidean distance)作为度量标准,采用聚类分析中最常用的系统聚类法进行聚类分析,输出其树状图如图2所示。结合因子分析的结果,通过关键词的直观理论分析,确定7类叶盘失效的关键词:异物撞击等机械损伤、疲劳断裂失效、高低周复合疲劳失效及零件的微动磨损、叶片涂层恶化或结构劣化、高温下的热损伤及热腐蚀、点蚀等局部腐蚀、高温下蠕变损伤及材料缺陷引起的失效。
-
共现矩阵预处理的争论焦点之一是对角线元素的取值[5]。自相关性是对象的关键性特征之一,对角线元素的取值会对后续的聚类分析结果产生影响。本文采取两种不同的对角线元素取值,对比了考虑自相关性与否的聚类分析效果。一种是取对角线元素全部为0,另一种是取对角线元素所属行/列的最大值加1。
将未考虑自相关性时标准化处理后的相关矩阵导入SPSS中进行系统聚类,得到的树状图如图3所示。结合因子分析结果,可将其分为8类,此时未考虑自相关性的总方差解释度已高达95.772%,但对比图2考虑自相关性时的聚类结果,前者聚类效果明显不佳。未考虑自相关性时,关键词之间相似度明显降低,类团的中心概念也不清晰,甚至明显概念相关的关键词却较为离散,分类较混乱。可见,对角线元素的取值会对聚类结果产生很大的影响,因此建议进行共词分析时应研究是否需要考虑自相关性,以提高数据处理的准确度。本研究结果表明考虑对角线元素自相关性的数据预处理更为合理。因此,后续聚类分析均基于考虑对角线元素的自相关性,共词矩阵对角线元素的取值为所属行/列的最大值加1。
-
将关键词相异矩阵导入SPSS软件,进行多维尺度分析(Multidimensional Scaling, MDS),实现对关键词相似度的结果可视化,结合因子分析和聚类分析的结果,叶盘、机械传动系统和其他附件的MDS图分别如图4、5、6所示。在MDS分析结果中,失效关键词以点状分布,各点之间的平面距离直观可见,平面距离可以反映出关键词之间的相似度。
图 5 机械传动系统失效关键词的MDS分析图
Figure 5. MDS analysis chart of failure keywords of mechanical transmission system
如图4所示,位于坐标系中心的核心类团是疲劳断裂失效,说明这类失效形式是叶片及轮盘最常见的失效形式;其次,距离坐标原点较近的是高温下蠕变损伤及材料缺陷引起的失效、高温下的热损伤及热腐蚀这两类失效形式;紧接着是异物撞击等机械损伤、高低周复合疲劳失效及零件的微动磨损这两种失效形式;最边缘化的失效形式是点蚀等局部腐蚀、叶片涂层恶化或结构劣化。王冠超[23]的研究表明航空发动机叶片故障占相当大的比例,据统计振动故障率占发动机中总故障率的60%以上,而叶片故障又占振动故障的70%以上。常见的故障现象有:外来物损伤,强度不足和高低周疲劳损伤,其中以疲劳损伤为多。本文的分析结果与其吻合,且对失效机理的分析更具体、全面,并通过MDS结果分析出了不同失效形式发生的频率高低。
如图5所示,机械传动系统的核心失效形式是不同形式的疲劳断裂失效、表面接触疲劳失效及局部腐蚀这两类。如图6所示,其他附件的核心失效形式是不同形式的疲劳断裂失效。王冠超[23]提出航空发动机的常见故障现象主要包括腐蚀和疲劳两种,两种故障现象之间是相互影响的,在发动机受到腐蚀的作用下,会加剧零部件疲劳,由此导致发动机失效。并指出航空发动机零部件疲劳是比较常见的故障形式。本文基于聚类分析和MDS分析得到的结果与其吻合。
实际应用中,检测故障时若初步明显发现关键词中的一个或少量几个,可以结合失效关键词的MDS图和设备的运行工况分析,寻找相似度高的关键词,结合聚类分析的分类结果来预判可能发生的失效形式,更快速地检测到失效原因和提出维修防护措施。
-
已有研究对航空发动机的故障模式进行了分类[24],主要包括稳定类故障、磨损故障和疲劳故障、气路故障(主要有气路部件故障、附件故障、转子机械故障等)、振动故障、控制系统故障、熄火故障和轴承故障。本文研究的叶盘、机械传动系统、其他附件涵盖了以上主要的故障设备,并对常见失效形式和具体失效机理进行了分析。
-
航空发动机系统的转子作为一种结构复杂的高速旋转机械,其上的叶片和固定叶片的轮盘是关键件,叶盘部分的结构和受力都极其复杂。叶盘是航空发动机系统最主要的失效部件,主要集中在涡轮、压气机、风扇这三类设备。压气机叶片还受发动机进气道外来物的冲击,受风沙、潮湿的侵蚀;涡轮叶片受燃气的腐蚀和高温热应力等[23]。根据共词分析的结果,将叶盘失效研究归纳为以下7类:异物撞击等机械损伤、疲劳断裂失效(以高周疲劳为主,常与机械性能异常和生产缺陷有关,如过载、循环交变载荷、机械加工痕迹、摩擦、应力集中等)、高低周复合疲劳失效及零件的微动磨损、叶片涂层恶化或结构劣化、高温下的热损伤及热腐蚀、点蚀等局部腐蚀、高温下蠕变损伤及材料缺陷引起的失效(失效源包括蠕变产生的孔洞缺陷、腐蚀或局部氧化缺陷、锻造缺陷、再结晶等异常显微组织)。
如对于涡轮的失效分析中,谢广平、武颖娜及杨锐[25]研究表明基于蠕变和热循环的综合考虑,航空发动机涡轮叶片的失效形式主要有疲劳、蠕变、磨蚀、氧化、涂层恶化、过热引起的表面退化、腐蚀等。对于压气机的失效分析中,傅国如、禹泽民及王洪伟[26]研究表明压气机转子叶片常见的失效模式有断裂失效和非断裂失效。断裂失效可分为疲劳断裂失效和过载断裂失效,非断裂失效包括变形失效和腐蚀失效。引起叶片失效的原因包括共振、外来物打伤、腐蚀、材质缺陷、微动磨损等。本文的研究结果不仅同时涵盖了以上失效形式和具体的失效原因,且分类更加合理与精准。
-
航空发动机机械传动性能的性能好坏直接影响到轴系的运转状态,进而影响到发动机的性能,主要包含轴承、轴承保持架、轴承滚珠等轴承相关零件以及齿轮等部件。根据共词分析的结果,将机械传动系统的失效形式归纳为以下6类:表面接触疲劳损伤及局部腐蚀(第一及第十类团的点蚀、剥落、摩擦等均为典型现象)、不同形式的疲劳断裂失效(第二类团代表的轴类典型疲劳断裂;第三类团代表的选材、设计或维修工艺不当、材料夹杂、机械加工痕迹等引起的高周疲劳;第五类团代表的弯扭复合疲劳失效及零件的微动磨损,如轴承保持架铆钉、调速器惰轮等;第六类团代表的共振引起的扭转疲劳,如花键轴;第七类团代表的设计不合理、异常载荷等造成的旋转弯曲疲劳)、制造或维修工艺不当引起的传动齿轮断裂(如表面硬化不当等)、异常冲击等引起的过载失效(如轴承保持架、轴承滚珠等)、磨损失效(失效机理包括黏着磨损失效和磨粒磨损失效等,失效原因一般有配合面磨损、润滑不良引起的划伤擦伤、摩擦氧化、打滑损伤、电弧破坏等)、高温下的热损伤(具体包括过热过烧、受热变色等现象)。
如对轴承的失效分析中,刘德林等[28]依据国标将滚动轴承的失效模式分为6个大类,即滚动接触疲劳、断裂和开裂、磨损、腐蚀、塑性变形和电蚀。孔德龙和林国昌[29]提出发动机主轴轴承的损伤模式主要有剥落、微粒引起的损伤、压延印痕、工作表面或次表面夹杂物引起的损伤、打滑蹭伤、引导面和非工作面磨损、接触腐蚀、断裂、轴承元件尺寸不稳定及变色等。本文的分析结果不仅包含了以上研究中典型的失效形式,还提出了含轴承在内的整个机械传动系统常见的失效形式及一般的失效机理。
-
发动机系统附件装置所包含的组件杂多,不同组件的工况环境有所差异,引起失效的原因也更具有针对性。这类设备涵盖的范围较广,包括燃烧室、液压管道系统、输油系统、控制系统、空气散热器、作动筒、汽缸、气瓶、辅助电力装置等在内的多种组件。
根据共词分析的结果,其他附件的失效形式主要归为以下8类:不同形式的疲劳断裂失效(第一类团代表的应力集中引起的疲劳断裂失效,常发生在液压管线、燃油管、引气管卡箍等不同管道系统构件中,存在机械加工痕迹、扭结、外来损伤等的位置都可能成为应力集中的部位;第三类团代表的汽缸及零件等材料缺陷引起的疲劳失效,缺陷往往由制造或生产工艺不规范引起;第四类团代表的高周疲劳失效,尤以焊接设计或工艺不达标引起的这类失效最为突出)、排气系统管道的高温表面损伤、应力腐蚀失效(典型的部件有发动机作动筒、发动机连接放气阀的夹紧螺栓、发动机进气口弹片、压力信号器波纹管、输油管道等,处于腐蚀性环境中的组件,尤其是材料耐腐蚀性较差时,在高应力条件下便容易引起应力腐蚀失效)、燃烧器衬垫的热疲劳失效、过载引起的轮盘连接销剪切断裂失效、滚焊缺陷引起的燃烧室壳体爆炸失效、活塞式发动机的挺杆体磨损失效、气瓶导管的腐蚀失效。
其他附件类含有的设备繁杂,失效形式的分类与设备之间的对应性相比前两类更强,因此与数据来源密切相关。采用不同的数据库文本集得到的结果可能存在一定差异,但针对失效案例分析的共词分析法同样具有很好的适用性。
-
传统统计分析通过筛选案例文本的关键词统计出失效设备、失效模式等信息来进行定量统计,并以简单的饼图形式展现分析结果。多元统计分析基于整个失效案例文本集,通过有效的文本挖掘技术−共词分析的方法,提取出可表征具体失效机理的多个关键词,借助因子分析、聚类分析及MDS分析工具,将关键词进行分类,并对其之间的相似度进行了可视化。
航空发动机系统失效形式的共词分析结果与Lv JH等[14]研究中的传统统计分析结果对比,失效形式的整体分析结果是基本吻合的,但基于共词分析的多元统计分析结果显然更加完整和准确。具体表现在:
1)传统统计分析中,对于航空发动机系统仅定量统计了叶盘、轴承这两类常见的失效部件,而本文以所有失效设备为样本,划分为叶盘、机械传动系统、其他附件这三类进行了研究。
2)以叶盘为例,传统统计分析结果为:叶盘的疲劳破坏是发动机失效的主要原因,其次是过热失效,腐蚀、外来物打伤、材质缺陷、磨损也是常见的失效模式[14]。本文通过共词分析将叶盘失效详细划分为7类:异物撞击等机械损伤、疲劳断裂失效、高低周复合疲劳失效及零件的微动磨损、叶片涂层恶化或结构劣化、高温下的热损伤及热腐蚀、点蚀等局部腐蚀、高温下蠕变损伤及材料缺陷引起的失效。进一步对比机械传动系统的分析结果,可以看出,传统统计分析结果中仅给出了轴承笼统的失效形式占比,而以疲劳断裂失效为例,本文给出了确切的不同失效机理。整体看来,失效形式分析结果是基本吻合的,但传统统计分析的结果仅仅停留在笼统的定量分析层面,对于实际工程应用仅能指明大体的失效方向。本文的共词分析结果不仅得到了航空发动机系统主要的故障形式,而且准确详细地归纳出了不同的失效机理,在实际工程应用中,对故障检测分析方法及维修方案的确定具有更精准的指导意义和参考价值。
3)此外,本文还通过MDS分析对失效关键词实现了直观的相似度可视化,越靠近坐标原点的类团越核心,即对应的失效形式发生的频率越高。越靠近中心轴的关键词越核心,便于实际应用中技术人员更快速地根据关键词发现故障设备的失效原因,更准确地把握工作重点,更有效地确定防护方案。
综上所述,本文采用的基于共词分析的多元统计分析方法可以非常有效地应用于航空发动机系统失效文本案例的分析。
-
本文以研究室失效数据库中航空领域的发动机系统失效案例作为研究对象,通过构建关键词词典并提取其高频关键词,基于共词分析方法进行了文本数据挖掘。利用因子分子、聚类分析及多维尺度分析的方法,分别得出了航空发动机系统的叶盘、机械传动系统及其他附件主要的故障形式及失效原因。研究发现对失效案例分析需要采用考虑自相关性的数据预处理方式。采用基于共词分析的多元统计分析方法,与传统统计分析结果基本吻合,且对不同设备失效机理的研究更加全面和准确,可以有效应用于航空发动机系统失效案例的分析。结合聚类分析结果和多维尺度图,对这些服役过程中的常见故障,可以更准确、快速地采取检查手段进行失效分析,找出失效原因和问题症结,有效避免类似事件的再次发生,延长发动机的使用寿命,保障飞机的安全运行。
这种方法可以进一步拓宽到其他行业的失效案例分析中,如石油液化、交通运输、医疗器械等领域。通过建立所研究领域的失效文献数据库,采用共词分析的方法可以有效地归纳对应领域设备的主要失效形式,有利于避免类似事故的再次发生,延长设备寿命。
基于共词分析的航空发动机系统失效案例研究
Case Study of Aeroengine System Failure Based on Co-word Analysis
-
摘要: 航空发动机是多学科交叉、多组件耦合的复杂系统,其工况复杂,一旦发生故障便会造成灾难性后果。采用共词分析法将航空发动机系统失效领域内的关键词加以分类,归纳出了主要的失效形式并实现了结果可视化。研究发现考虑自相关性后的聚类分析效果更佳,且对于不同失效机理的研究更加具体和准确。对于服役过程中的常见故障,结合聚类分析结果和多维尺度分析图,可以更快速地采取检查手段进行失效分析,有效避免类似事件的再次发生。Abstract: Aero-engine is a complex system with interdisciplinary and multi-component coupling, and its working conditions are complex. It can have catastrophic consequence once the failure of aero-engine occurs. Therefore, the failure analysis of aero-engine system can provide important reference for its design, maintenance and safe operation. In this work, co-word analysis method is adopted, and three multivariate analysis methods of factor analysis, cluster analysis and multidimensional scale analysis are used to classify the keywords in the field of aero-engine system failure, and the main failure forms are summarized and the results are visualized.It is found that clustering analysis with autocorrelation is better. On the whole, compared with traditional statistical analysis or theoretical analysis, the analysis results of typical failure forms are basically consistent, but co-word analysis is more specific, detailed and accurate for the study of different failure mechanisms. The results of traditional statistical analysis only stay at the level of general quantitative analysis, and can only indicate the general failure direction for practical engineering application. Multi-dimensional scale analysis realizes visual similarity visualization of failure keywords. The closer to the origin of coordinates, the more core the failure forms are, the higher the frequency of occurrence is. For these common faults in the service process, combining cluster analysis results and multidimensional scale analysis charts, it is convenient for technicians to find out the failure reasons of faulty equipment more quickly, grasp the key points of work more accurately, and determine the protection scheme more effectively, effectively avoid the recurrence of similar events and prolong the service life of the engine.
-
Key words:
- aero-engine /
- failure analysis /
- co-word analysis /
- autocorrelation
-
表 1 叶盘失效相似矩阵(部分)
Table 1. Similarity matrix of blade and wheel disc failure (Part)
Keyword Blade Fracture Creep Crack Fatigue Selective oxidation Blade 1.0000 0.9842 0.8024 0.9898 0.9902 0.8410 Fracture 0.9842 1.0000 0.7965 0.9680 0.9889 0.8146 Creep 0.8024 0.7965 1.0000 0.7948 0.8018 0.6909 Crack 0.9898 0.9680 0.7948 1.0000 0.9853 0.8227 Fatigue 0.9902 0.9889 0.8018 0.9853 1.0000 0.8146 Selective oxidation 0.8410 0.8146 0.6909 0.8227 0.8146 1.0000 表 2 叶盘失效相异矩阵(部分)
Table 2. Dissimilar matrix of blade and wheel disc failure (Part)
Keyword Blade Fracture Creep Crack Fatigue Selective oxidation Blade 0 0.0158 0.1976 0.0102 0.0098 0.1590 Fracture 0.0158 0 0.2035 0.0320 0.0111 0.1854 Creep 0.1976 0.2035 0 0.2052 0.1982 0.3091 Crack 0.0102 0.032 0.2052 0 0.0147 0.1773 Fatigue 0.0098 0.0111 0.1982 0.0147 0 0.1854 Selective oxidation 0.1590 0.1854 0.3091 0.1773 0.1854 0 表 3 叶盘失效关键词
Table 3. Failure keywords of blade and wheel disc
Number Keyword Number Keyword Number Keyword A01 Blade A16 Cyclic alternating load A31 Recrystallization A02 Fracture A17 Coating shedding A32 Surface damage A03 Creep A18 High temperature A33 Low cycle fatigue A04 Crack A19 Etch pit A34 Fretting wear A05 Fatigue A20 Forging defect A35 Incorrect mounting A06 Selective oxidation A21 Machining mark A36 Exciting force A07 Foreign body impact A22 Friction A37 High-low cycle complex fatigue A08 Hole defect A23 Overload A38 Overtemperature and oversintering A09 Stress concentration A24 Improper manufacturing process A39 Resonance A10 Vibration A25 Blister A40 Bending vibration A11 High cycle fatigue A26 Excessive blade bending A41 Oxidation defect A12 Poor processing quality A27 Thermal corrosion A42 Structural degradation A13 Material defect A28 Thermal damage A43 Abnormal microstructure A14 Pit corrosion A29 Carbide A15 Corrosion A30 Coating degradation 表 4 机械传动系统失效关键词
Table 4. Failure keywords of mechanical transmission system
Number Keyword Number Keyword Number Keyword B01 Shaft B16 Cyclic load B31 Bengding and torsional fatigue B02 Bearing cage B17 Friction B32 Insufficient lubrication B03 Bearing B18 Pit corrosion B33 Rotating bending fatigue B04 Bearing ball B19 Spalling damage B34 Fretting wear B05 Rivet of bearing cage B20 Machining mark B35 Abnormal bending load B06 Fracture B21 Irregular design B36 Skidding damage B07 Crack B22 Foreign body impact B37 Torsional fatigue B08 Stress concentration B23 Overload B38 Resonance B09 Fatigue B24 Electric arc damage B39 Inappropriate fit clearances B10 Abrasion B25 Incorrect mounting B40 Abrasive contamination B11 Improper material selection B26 Abnormal axial load B41 Improper heat treatment B12 Improper manufacturing or maintenance process B27 Forging defect B42 Governor idle gear B13 Material inclusion B28 High temperature damage B43 Transfer and bevel gear B14 Surface contact fatigue B29 Overheating and overheating B44 Clutch gear B15 High contact stress B30 High cycle fatigue B45 Improper case hardening 表 5 其他附件失效关键词
Table 5. Failure keywords of other accessory equipment
Number Keyword Number Keyword Number Keyword C01 Cylinder C17 Hydraulic actuator C33 Kink C02 Cylinder head C18 Cited trachea clamp C34 Surface damage C03 Auxiliary power supply inlet valve C19 Engine actuating cylinder C35 Stress corrosion C04 Combustor liner C20 Tappet body C36 Shear failure C05 Hydraulic pressure line C21 Afterburner fuel manifold C37 Overload C06 Exhaust system pipeline C22 Crack C38 Abrasion C07 Bleed valve clamp bolt C23 Fracture C39 Corrosion C08 Wheel disc connecting pin C24 Material defect C40 Explosion failure C09 Fuel line C25 Fatigue C41 Poor quality of the roll welding seam C10 Combustion chamber shell C26 Improper manufacturing or production process C42 Unqualified welding process C11 Combustion control system adapter C27 High cycle fatigue C43 Pit corrosion C12 Air radiator C28 Stress concentration C44 Impurity residue in molding process C13 Reed C29 High temperature C45 Foreign object damage C14 Oil pipeline C30 Vibration C46 Machining mark C15 Corrugated pipe C31 Oxidation C16 Gas cylinder conduit C32 Thermal fatigue 表 6 叶盘类因子分析总方差解释表
Table 6. Explanatory table of total variance of factor analysis of blade and wheel disc
Component number Total Percentage of
variance of initial
eigenvalueCumulative Total Percentage of
variance of extraction sums of
squared loadingsCumulative Total Percentage of
Rotation sums of
squared LoadingsCumulative 1 23.554 54.776 54.776 23.554 54.776 54.776 14.331 33.328 33.328 2 5.363 12.471 67.247 5.363 12.471 67.247 6.193 14.402 47.730 3 3.285 7.639 74.886 3.285 7.639 74.886 5.519 12.835 60.564 4 1.982 4.609 79.495 1.982 4.609 79.495 3.610 8.395 68.960 5 1.588 3.693 83.188 1.588 3.693 83.188 3.411 7.932 76.892 6 1.506 3.503 86.691 1.506 3.503 86.691 3.009 6.997 83.889 7 1.278 2.972 89.663 1.278 2.972 89.663 2.338 5.437 89.326 8 0.827 1.924 91.586 0.827 1.924 91.586 0.972 2.260 91.586 -
[1] 李其汉, 王延荣, 陈懋章. 航空发动机结构强度设计问题[M]. 上海: 上海交通大学出版社, 2014.
[2] 陶春虎, 钟培道, 王仁智, 等. 航空发动机转动部件的失效与预防[M]. 北京: 国防工业出版社, 2000.
[3] 王荣桥, 胡殿印. 航空发动机结构可靠性设计理论及应用[M]. 北京: 科学出版社, 2017.
[4] 张勤, 马费成. 国外知识管理研究范式——以共词分析为方法[J]. 管理科学学报, 2007(6): 65-75. doi: 10.3321/j.issn:1007-9807.2007.06.008
[5] 汤建民, 余丰民. 国内知识图谱研究综述与评估: 2004-2010年[J]. 情报资料工作, 2012(1): 16-21.
[6] STOLZER A. Tutorial B-Data Mining for Aviation Safety: Using Data Mining Recipe “Automatized Data Mining” from STATISTICA[M]. Handbook of Statistical Analysis & Data Mining Applications 2009: 377-389. [7] 王有远, 张振华, 钱伟伟, 等. 基于模糊聚类的航空发动机故障预测研究[J]. 南昌航空大学学报(自然科学版), 2018, 32(1): 23-28.
[8] 王银坤, 唐庆如. 基于灰色聚类分析的FJ44发动机故障诊断技术的研究[J]. 科技创新导报, 2012(22): 15-16. doi: 10.3969/j.issn.1674-098X.2012.22.009
[9] 辜振谱, 刘晓波, 韩子东, 等. 基于改进密度峰值聚类的航空发动机故障诊断[J]. 计算机集成制造系统, 2020, 26(5): 1211-1217.
[10] 舒畅, 程铭, 许煜, 等. 航空发动机压气机叶片外物损伤规律研究[J]. 机械工程学报, 2019, 55(13): 87-94.
[11] 曹惠玲, 曹鹏双, 康力平, 谷亚南. 发动机HPT叶片失效分析及损伤发展趋势研究[J]. 中国民航大学学报, 2017, 35(03): 13-16+26. doi: 10.3969/j.issn.1674-5590.2017.03.004
[12] 周磊, 杨威, 张玉峰. 共现矩阵聚类分析的问题与再思考[J]. 情报杂志, 2014, 33(6): 32-36+27.
[13] 李迎迎, 郑春厚. 基于共词分析的国内知识组织现状研究[J]. 山东图书馆学刊, 2013(4): 76-80. doi: 10.3969/j.issn.1002-5197.2013.04.020
[14] LYV JH, WANG WZ, TU ST, et al. Statistical analysis of failure cases in aerospace. ICSFA 2018: 20th International conference on structures and failure analysis, 2018, May 28-29, Tokyo, 3100-3104. [15] 范少萍, 李迎迎, 张志强. 国内外共词分析研究的文献计量分析[J]. 情报杂志, 2013, 32(09): 104-109. doi: 10.3969/j.issn.1002-1965.2013.09.020
[16] 刘少武. 材料失效数据库的建立与数据分析[D]. 华东理工大学, 2018.
[17] 崔雷, 刘伟, 闫雷, 等. 文献数据库中书目信息共现挖掘系统的开发[J]. 现代图书情报技术, 2008(08): 70-75.
[18] 邱均平, 董克. 作者共现网络的科学研究结构揭示能力比较研究[J]. 中国图书馆学报, 2014, 40(1): 15-24. doi: 10.3969/j.issn.1001-8867.2014.01.002
[19] 王曰芬, 宋爽, 卢宁, 等. 共现分析在文本知识挖掘中的应用研究[J]. 中国图书馆学报, 2007(2): 59-64. doi: 10.3969/j.issn.1001-8867.2007.02.012
[20] 隋明爽, 崔雷. 基于SPSS的共现聚类分析参数选择的实例研究[J]. 中华医学图书情报杂志, 2016, 25(1): 52-56. doi: 10.3969/j.issn.1671-3982.2016.01.011
[21] 张勤, 徐绪松. 共词分析法与可视化技术的结合: 揭示国外知识管理研究结构[J]. 管理工程学报, 2008, 22(4): 30-35+50. doi: 10.3969/j.issn.1004-6062.2008.04.005
[22] 宋爽. 共现分析在文本知识挖掘中的应用研究[D]. 南京理工大学, 2006.
[23] 王冠超. 航空发动机常见故障以及处理措施分析[J]. 黑龙江科技信息, 2016(16): 63.
[24] 张栋善, 赵成. 试分析航空发动机故障诊断技术[J]. 中国新通信, 2019, 21(17): 139-140. doi: 10.3969/j.issn.1673-4866.2019.17.110
[25] 谢广平, 武颖娜, 杨锐. 航空发动机涡轮叶片的失效分析与检测技术[J]. 民用飞机设计与研究, 2019(3): 15-26.
[26] 傅国如, 禹泽民, 王洪伟. 航空涡喷发动机压气机转子叶片常见失效模式的特点与规律[J]. 失效分析与预防, 2006(01): 18-24. doi: 10.3969/j.issn.1673-6214.2006.01.005
[27] 何彤宇. 基于知识图谱的国内“朝核问题”研究热点分析[J]. 情报杂志, 2017, 36(11): 78-85. doi: 10.3969/j.issn.1002-1965.2017.11.013
[28] 刘德林, 姜涛, 何玉怀, 等. 浅论国内航空轴承的失效问题[J]. 失效分析与预防, 2015, 10(5): 324-330. doi: 10.3969/j.issn.1673-6214.2015.05.012
[29] 孔德龙, 林国昌. 航空发动机主轴轴承主要损伤模式及原因分析[J]. 航空科学技术, 2011(5): 22-24. doi: 10.3969/j.issn.1007-5453.2011.05.007
-