面向未來高推重比、高可靠性、低全生命周期成本的新一代航空發動機發展需求，傳統的集中式全權限數字電子控制（FADEC）系統在復雜性、重量和擴展性上面臨瓶頸。以多電發動機（MEE）與分布式發動機控制（DEC）深度融合為特征的多電分布式控制系統（Multi-electric Distributed Engine Control System, M-DECS），代表了航空發動機控制技術的革命性方向。該系統通過電力作動器取代傳統液壓/氣動作動器，并采用基于高速數字總線的分布式智能節點網絡，實現了控制功能的物理分散與深度集成，顯著提升了系統的模塊化、輕量化和可維護性。然而，系統架構的革命性變化也引入了新的故障模式與可靠性挑戰。本文旨在系統性地梳理并深入研究面向航空發動機多電分布式控制系統的故障診斷與容錯關鍵技術。首先，從分布式控制系統、多電發動機本體、故障診斷與容錯方法、以及硬件在環仿真驗證四個維度，全面綜述國內外研究現狀與技術發展脈絡。其次，深入剖析該領域亟待解決的關鍵科學問題與技術挑戰，并重點闡述包括系統級容錯架構設計、基于模型的診斷與容錯、雙主動冗余電機控制、基于深度學習的電力作動器智能診斷以及高保真硬件在環仿真平臺構建在內的五項核心技術。最后，展望了該領域未來在復雜網絡通信可靠性、模型與數據驅動融合、高性能實時仿真與標準化評價準則等方面的發展趨勢。本研究為構建高可靠、高智能的新一代航空發動機控制體系提供了系統的技術參考與理論支撐。

一、航空發動機控制系統趨勢

航空發動機被譽為現代工業“皇冠上的明珠”，其控制系統的性能直接決定了發動機的安全性、效率與可靠性。從機械液壓控制到模擬電子控制，再到當前主流的全權限數字電子控制（FADEC），控制技術的每一次躍遷都深刻推動了航空發動機性能的跨越。FADEC系統通過數字計算機實現對所有發動機控制參數的精確管理，大幅提升了控制精度與效率，已成為現代民用和軍用航空動力的標準配置。然而，隨著“智能發動機”概念的興起和對發動機性能極限的不斷追求，發動機需要監測的參數激增，可調節部件更多，控制律日益復雜。集中式FADEC架構面臨著控制器體積重量龐大、線纜布線復雜、冷卻困難、系統升級換代成本高昂等固有局限，難以滿足下一代自適應循環發動機等先進構型的需求。

在此背景下，航空發動機控制系統的下一次革命性變革——分布式發動機控制（DEC）應運而生。其核心思想是將原先集中于FADEC機柜中的計算、處理功能，物理分散到部署在發動機本體的各個智能傳感器和智能執行器中。這些智能節點通過高可靠性的實時數字總線網絡（如TTCAN、TTEthernet等）互聯，構成一個分布式協同工作的控制系統。DEC架構能顯著減少發動機與控制器之間的重型線束，減輕系統重量，提高推重比；同時，模塊化的設計便于功能升級和維護，降低了全壽命周期成本。

與分布式控制并行發展的另一重大趨勢是航空動力系統的“多電化”。多電發動機（MEE）旨在用電力系統取代傳統的液壓、氣壓和機械次級功率系統，例如采用電動燃油泵、電力作動器（EMA/EHA）和內置式起動/發電機。這不僅簡化了發動機結構，提高了能量利用效率和系統響應速度，還因其天然的電磁兼容性和易于實現冗余配置的特點，為分布式控制提供了理想的物理載體。多電技術與分布式控制的融合，即多電分布式控制系統（M-DECS），正成為未來航空動力發展的必然選擇。

然而，M-DECS的先進性也伴隨著前所未有的復雜性。系統由大量電力電子設備、智能節點和實時網絡構成，故障模式從傳統的機械、氣動故障擴展到電力電子故障、通信故障和軟件邏輯故障等多重領域。任何單一節點的失效都可能通過網絡傳播，影響整個系統的穩定運行。因此，發展與之匹配的高效、精準、可靠的故障診斷與容錯（FDA）技術，是確保M-DECS安全可靠運行、釋放其全部性能潛力的前提和基石。本文即圍繞這一核心命題，展開系統性、前瞻性的關鍵技術研究。

二、國內外研究現狀系統性分析

2.1 航空發動機分布式控制系統（DEC）研究進展

分布式發動機控制（DEC）的概念最早于20世紀90年代被明確提出，并迅速成為國際航空強國競相研究的焦點。1999年，英國謝菲爾德大學的Thompson與Fleming等人率先采用多目標優化方法對分布式控制結構進行設計，探索了通信協議選擇、智能組件布局等基礎問題。美國在這一領域布局深遠，由國家航空航天局（NASA）格林研究中心、國防部及工業界聯合成立的分布式發動機控制工作組（DECWG），制定了清晰的“三步走”發展路線圖，旨在從集中式FADEC逐步過渡至完全分布式控制系統。通用電氣（GE）等公司在美國空軍項目支持下，成功研制了分布式控制演示驗證系統，驗證了智能執行機構（自帶本地閉環控制）和智能傳感器（輸出數字信號并具備自監測能力）的可行性。在通信協議這一DEC的關鍵使能技術上，俄亥俄州立大學的Yedavalli等人系統比較了TTP/C、AFDX等多種總線，指出基于時間觸發機制的協議（如TTCAN）因其傳輸時延確定、抖動有界和高容錯能力，最符合航空發動機控制對實時性和確定性的嚴苛要求。

國內研究起步于21世紀初，以西北工業大學、南京航空航天大學和空軍工程大學為主要研究力量。西北工業大學郭迎清教授團隊是國內DEC研究的開拓者，自2003年起持續發表系列論文，系統闡述了DEC的結構、總線技術和智能裝置等關鍵問題。該團隊先后針對某渦扇發動機、超燃沖壓發動機和變循環發動機，設計了部分分布式及完全分布式控制架構，并深入研究了控制器局域網（CAN）總線在發動機控制中的應用及通信時延/丟包魯棒性問題。南京航空航天大學黃金泉團隊則側重于分布式控制系統的魯棒控制算法設計，針對帶有時延和噪聲的DEC系統，成功設計了H∞魯棒控制器。空軍工程大學謝壽生團隊在智能傳感器/執行機構硬件設計與容錯控制算法結合方面開展了富有成效的工作。總體而言，國內研究已從概念跟蹤、原理驗證，逐步深入到面向具體發動機型號的架構設計與關鍵技術攻關階段。

2.2 多電發動機（MEE）與多電飛機（MEA）研究進展

多電發動機是多電飛機的核心，其發展與國際上對綠色航空、分布式電動推進（DEP）的探索緊密相連。NASA是這一領域的全球引領者，其提出的N3-X、STARC-ABL等渦輪電動分布式推進（TeDP）概念飛機，以及X-57“麥克斯韋”全電實驗機，極大地推動了多電/全電動力系統技術的研究。這些研究不僅涉及高功率密度電機、電力電子變換器，更關鍵的是探索發動機與電力子系統（如發電機、電池、負載）的深度耦合與協同控制問題。密歇根大學等機構的研究表明，采用模型預測控制（MPC）等先進算法對發動機和電力系統進行集中或分布式協調管理，能有效處理推力與功率需求之間的耦合約束，提升整體系統效率。在故障診斷方面，針對DEP飛機冗余推進器故障，基于多變量模型預測的自適應容錯控制策略被證明能有效利用推力差動補償操縱面故障，維持飛行安全。

日本、俄羅斯等國也相繼開展了MEE研究。日本IHI集團的研究人員系統分析了MEE中電機、電纜、電動泵等關鍵部件的失效模式，并提出了相應的容錯系統架構與診斷方法。俄羅斯學者則展示了用于中小型無人機的多電渦扇發動機分布式控制架構設計。

我國在多電發動機領域的研究雖起步較晚，但進展顯著。中國航空動力機械研究所等機構對MEE的研究現狀和關鍵技術進行了系統性梳理。南京航空航天大學、西北工業大學等在電動燃油泵匹配、機電作動器（EMA）故障診斷等方面取得了具體研究成果。例如，南航團隊提出了結合小波包與自組織映射（SOM）神經網絡的EMA故障診斷方法，為電力作動器的智能監測提供了新思路。當前，國內研究正從部件級關鍵技術突破，向系統級集成驗證方向穩步推進。

2.3 航空發動機故障診斷與容錯（FDA）技術研究進展

故障診斷與容錯控制是保障發動機安全運行的“防火墻”。傳統方法主要圍繞集中式FADEC系統展開，可分為基于模型、數據驅動和混合方法三大類?；谀Ｐ偷姆椒?，如基于卡爾曼濾波器系列的狀態與參數估計，通過生成殘差進行故障檢測與隔離，物理意義明確。數據驅動方法，如支持向量機（SVM）、神經網絡等，不依賴精確數學模型，擅長處理非線性、高維數據，在傳感器、作動器故障診斷中應用廣泛。容錯控制則分為被動容錯（PFTC，如魯棒控制）和主動容錯（AFTC，需結合故障診斷信息進行控制器重構或參數調整）。

隨著DEC架構的出現，FDA研究呈現出新的特點。一方面，傳統的診斷算法開始向分布式框架遷移。Impact Technologies公司較早提出將診斷算法分散到多個智能硬件的分布式診斷架構。俄亥俄州立大學的研究者探索了在部分分布式和完全分布式架構下基于模型的故障檢測方案，并明確指出網絡誘導時延是分布式診斷必須考慮的關鍵因素，否則殘差生成邏輯將失效。另一方面，DEC本身為FDA帶來了新范式。智能節點具備本地計算能力，可實現初步的自診斷和健康狀態評估（如智能傳感器檢測自身漂移），這被稱為“并行處理”的健康管理策略，將故障隔離粒度細化到部件級，極大提升了系統的可維護性。

國內學者緊跟國際前沿。空軍工程大學翟旭升團隊研究了具有網絡時延的非線性分布式控制系統的T-S模糊模型故障診斷方法。西北工業大學余志偉等人針對渦軸發動機DEC系統，設計了基于等價空間法的傳感器故障診斷濾波器組。在容錯控制方面，西北工業大學、南京航空航天大學等團隊在基于自適應模型、模型預測控制（MPC）以及滑?？刂频陌l動機氣路部件性能退化與故障容錯方面，取得了一系列成果。

2.4 硬件在環（HIL）仿真技術研究進展

硬件在環仿真是復雜控制系統，尤其是FADEC和DEC系統研發、測試與驗證不可或缺的關鍵手段。它通過將真實的控制器硬件（如EEC）接入由仿真機構建的實時發動機/飛機數學模型閉環中，在實驗室環境下高置信度地復現實際運行環境，從而對控制律、故障診斷邏輯、容錯重構策略等進行全面、高效、安全的驗證。

先進的HIL仿真平臺需具備多項核心能力。一是高精度實時仿真能力，能解算高保真的發動機氣動熱力學模型、飛機飛行動力學模型以及多電系統的電機、電網模型。二是完備的I/O信號模擬與采集能力，支持LVDT、熱電偶、轉速、ARINC429、以太網等航空領域各類模擬量、數字量和總線信號的仿真。三是強大的故障注入功能，能夠模擬傳感器漂移、短路、執行機構卡滯、總線通信時延/丟包、電源中斷等多種故障模式，以充分測試控制系統的容錯與重構能力。目前，國內相關企業（如華力創通）已能提供成熟的發動機控制器HIL測試系統解決方案，并應用于國產民用大涵道比發動機控制器的研制測試中。對于更復雜的M-DECS，HIL仿真平臺需要進一步集成電力電子在環仿真能力，并構建包含大量智能節點的分布式網絡仿真環境，其復雜度和技術要求均顯著提高。

三、多電分布式控制系統故障診斷及核心技術

國內外研究現狀表明，M-DECS的FDA研究尚處于方興未艾的起步階段，存在一系列交織在一起的、亟待攻克的關鍵問題。第一是系統級綜合診斷與協同容錯架構設計問題。如何設計一種分層、分布式、集散結合的FDA體系架構，既能發揮智能節點本地快速自診斷的優勢，又能實現FADEC頂層對多節點信息的融合分析與系統級協同容錯決策，是需要解決的首要頂層設計問題。第二是強耦合與非線性的建模與診斷問題。M-DECS中，發動機氣動熱力學過程、電力電子開關動態、機械傳動與電磁場相互耦合，呈現強烈的非線性和時變性。建立適用于故障診斷的、兼顧精度與實時性的集成化數學模型異常困難。第三是多源異類故障的并發與傳播問題。系統可能同時出現傳感器偏差、執行器失效、電機繞組短路、功率器件擊穿、網絡堵塞等多種類型故障，且故障會在物理耦合與信息網絡的共同作用下快速傳播，導致故障隔離與定位（FDI）難度激增。第四是資源約束下的實時可靠通信問題。分布式節點的計算、存儲和通信資源有限，而FDA算法（尤其是基于深度學習的方法）通常計算量較大。如何在資源受限條件下，設計輕量化的診斷算法，并確保診斷信息與容錯指令在實時總線上的可靠、及時傳輸，是工程實現的巨大挑戰。

針對上述關鍵問題，以下幾項核心技術是當前研究的重點方向：

3.1 分層分布式故障診斷與容錯系統架構設計

理想的M-DECS FDA架構應采用“本地自診斷+區域協同診斷+中央融合決策”的分層混合結構。在最底層，智能傳感器/執行器節點嵌入輕量化的自監測算法（如基于自回歸模型的殘差檢查、信號合理性檢驗），實現對器件級硬故障（如開路、短路）和性能退化（如精度下降）的快速初步檢測與報警。在中間層，根據物理位置或功能關聯性劃分區域診斷單元（如將同一風扇導葉控制的多個EMA及其傳感器劃為一個區域）。區域單元利用更豐富的本地信息（如多個EMA的電流、位置反饋）運行基于簡化模型或數據驅動的診斷算法，實現對區域內交叉驗證、故障定位于具體部件、以及執行區域級冗余切換（如主備EMA切換）等容錯操作。在最頂層，中央FADEC（或其演進的系統管理器）接收來自各區域的診斷摘要信息和關鍵狀態數據，運行高保真發動機整體模型和基于人工智能的融合診斷算法，負責處理跨區域的復雜耦合故障（如判斷是燃油泵電力故障還是燃油管路堵塞）、執行系統級容錯重構策略（如發動機推力等級重規劃、控制律重構），并協調全系統的健康管理任務。這種架構平衡了實時性、可靠性和診斷深度。

3.2 基于“物理-數據”混合模型的智能診斷與容錯方法

為應對M-DECS建模難的挑戰，融合物理先驗知識與數據驅動能力的混合建模方法成為主流。對于基于模型的方法，核心是建立適用于在線診斷的降階集成模型。例如，針對電動燃油泵系統，可建立結合電機電磁方程、泵流體力學方程和管道壓力動力學的集總參數模型，并利用擴展卡爾曼濾波器（EKF）或Unscented卡爾曼濾波器（UKF）同步估計系統狀態和關鍵健康參數（如電機效率系數、泵容積效率），通過參數估計值的突變或超閾實現故障診斷。對于執行器卡滯等故障，可設計滑模觀測器等強魯棒觀測器來生成殘差。

對于復雜性更高、難以精確建模的部件（如具有復雜摩擦、間隙和熱效應的電力作動器），基于數據驅動的方法優勢明顯。深度學習技術，特別是卷積神經網絡（CNN）和長短期記憶網絡（LSTM），能夠自動從高維時序數據（如電流、電壓、位置、溫度）中提取深層次故障特征。例如，可構建一維CNN模型，直接對EMA的多通道傳感器時序信號進行端到端分析，實現對不同故障類型（電機繞組不對稱、齒輪磨損、絲杠卡滯）和嚴重程度的精確分類與早期預警。為進一步提升診斷實時性和在有限樣本下的泛化能力，遷移學習、深度森林等算法也受到關注。最終，將基于物理模型的解析冗余與基于數據驅動的智能感知相結合，構成數字孿生驅動的混合診斷框架，是提升診斷準確性與可解釋性的重要途徑。

3.3 面向高可靠性需求的雙主動冗余電機控制及容錯方案

在多電發動機中，驅動關鍵燃油泵和導葉作動器的電機系統可靠性至關重要。雙主動冗余電機控制系統是一種有效的硬件容錯方案。該系統通常采用兩套完全獨立的電機繞組、驅動器和控制器，共同驅動一個機械負載（共軸或通過余度齒輪箱）。在正常工作時，兩套系統可平均分擔負載（功率共享模式），也能一套主用、一套熱備份。

其故障診斷與容錯方案的核心在于：第一，基于信息融合的快速故障檢測。實時比較兩套系統的電流、轉速、溫度等關鍵參數，結合負載轉矩觀測值，通過一致性校驗、方差分析等方法，在毫秒級時間內檢測出繞組短路、驅動器IGBT故障、傳感器失效等故障。第二，無擾平滑的容錯切換策略。一旦檢測到主用系統故障，必須在極短時間內（通常為一個至幾個控制周期）將負載無縫切換到備用系統，避免對發動機控制回路產生大的擾動。這需要精密的轉矩同步控制算法和快速切換邏輯。第三，故障后的性能保持與降級運行管理。切換后，系統需要評估剩余健康系統的帶載能力，并可能調整控制策略（如限制最大轉速或轉矩），在保證安全的前提下維持發動機基本運行。該方案是保證M-DECS執行機構級安全性的基石。

3.4 支持深度驗證的硬件在環仿真平臺構建技術

針對M-DECS的HIL仿真平臺構建是一項復雜的系統工程，其關鍵技術包括：多速率混合實時仿真技術。發動機氣動熱力學模型、電機電磁模型、網絡通信模型等具有不同的動態特性，需采用不同的仿真步長。平臺需支持多核CPU/FPGA的異構計算架構，實現多速率模型的精確同步與實時解算。高逼真度故障注入與模擬技術。除傳統信號故障注入外，需能模擬電力電子器件的特定故障（如IGBT的短路、開路）、電機繞組的匝間短路、總線網絡的復雜錯誤（如周期性時延、突發性丟包、幀錯誤等），并能靈活配置故障發生的時間、位置和模式。分布式節點模擬與實物接入混合技術。平臺需要能夠模擬數十個甚至上百個智能節點的虛擬行為（如虛擬傳感器發送帶噪聲的數字信號），同時也要提供豐富的物理接口，支持接入真實的智能傳感器、執行器原型件或商業貨架產品（COTS）控制器進行半實物測試。自動化測試與評估框架。需要開發一套腳本驅動的自動化測試系統，能夠按照預設的測試用例（包含各種飛行工況和故障組合）自動執行仿真、記錄數據、并依據預先定義的評價準則（如故障檢測時間、漏報/誤報率、容錯切換后的性能指標衰減度）自動生成測試報告，極大提高驗證效率與規范性。

四、未來發展趨勢展望

展望未來，航空發動機多電分布式控制系統故障診斷與容錯技術將朝著更加智能化、高集成、強韌性的方向演進，以下幾個趨勢尤為顯著：

4.1 關注復雜網絡環境下診斷與容錯的魯棒性研究

未來研究將更深入地將網絡屬性納入FDA算法設計。重點研究在非理想通信條件（如時變時延、數據包丟失、偶發性錯碼）下，診斷算法的性能保障機制。例如，開發具有通信協議感知能力的分布式卡爾曼濾波器或觀測器，其增益能自適應調整以補償網絡不確定性帶來的估計誤差。同時，研究基于總線通信本身特征的故障診斷方法，將網絡流量異常、節點響應超時等通信事件也作為系統級故障的重要征兆，實現對網絡層故障和通過網絡傳播的應用層故障的聯合診斷。

4.2 深度融合模型驅動與數據驅動方法

單純的模型方法或數據方法都將面臨瓶頸。發展 “物理信息神經網絡” 等深度融合技術是必然趨勢。這類方法將控制對象的物理定律（如牛頓第二定律、基爾霍夫定律）作為約束條件嵌入神經網絡的結構或損失函數中，使模型兼具數據的學習能力和物理的泛化與可解釋性。此外，利用聯邦學習等隱私計算框架，可在各個分布式智能節點本地利用私有數據訓練診斷模型，僅上傳模型參數更新至中央進行聚合，從而在保護數據隱私（如單個部件的性能退化數據）的前提下，實現全局診斷知識的高效共享與持續進化。

4.3 發展高性能開放式硬件在環仿真與數字孿生系統

仿真平臺將向更高性能、更開放和與物理系統更深交互的方向發展。一方面，利用云邊協同計算，將高保真數字孿生模型部署在云端進行高精度非實時仿真和深度分析，將降階模型部署在邊緣HIL平臺進行實時測試，實現仿真資源的優化配置。另一方面，推動仿真模型、接口和測試用例的標準化，建立行業公認的M-DECS FDA性能評價準則（如故障覆蓋率、診斷虛警率、容錯恢復時間閾值等），這對于技術的工程化應用和適航認證至關重要。

4.4 探索人工智能在系統級智能容錯決策中的應用

在完成精準故障診斷的基礎上，未來的容錯控制將更加智能化?；谏疃葟娀瘜W習（DRL） 的容錯決策器有望得到應用。該決策器通過與高保真數字孿生環境的大量交互學習，掌握在各種復雜故障組合及不同飛行階段下，如何最優地協調剩余健康資源（如調整各電力作動器的出力分配、重規劃發動機推力與電力負荷），以實現性能、安全、能耗等多目標綜合最優的自主恢復，使系統具備從“容錯”到“優容”的進化能力。

五、結論

航空發動機多電分布式控制系統是繼FADEC之后又一次控制技術的范式革命，它通過控制功能的物理分散與能源形式的電氣化變革，為未來航空發動機實現更高性能、更低重量和更優經濟性開辟了全新路徑。然而，這一先進架構的可靠運行高度依賴于其故障診斷與容錯技術的成熟度。本文系統性地梳理了該領域國內外在分布式控制、多電技術、故障診斷方法及硬件在環驗證等方面的研究進展，揭示了當前面臨的核心挑戰在于系統級綜合容錯架構設計、強耦合系統建模、多故障并發處理以及資源約束下的可靠實施。

針對這些挑戰，本文重點論述了分層分布式FDA架構、物理與數據混合的智能診斷方法、高可靠雙主動冗余電機控制、以及高保真硬件在環仿真平臺等四項關鍵技術。這些技術相互支撐，共同構成了保障M-DECS安全韌性的技術體系。展望未來，該領域的研究將進一步與人工智能、數字孿生、先進通信等前沿技術深度融合，向著具備更強環境適應性、更高智能自主性和更完善驗證評估能力的方向持續演進。深入開展并攻克M-DECS故障診斷與容錯關鍵技術，不僅是學術研究的前沿熱點，更是我國實現未來先進航空動力自主可控、跨越發展的戰略性工程課題，具有極其重要的理論意義和工程價值。

&注：此文章內使用的圖片來源于網絡公開獲取，僅供參考使用，如侵權可聯系我們刪除，如需進一步了解公司產品及商務合作，請與我們聯系！！

湖南泰德航空技術有限公司于2012年成立，多年來持續學習與創新，成長為行業內有影響力的高新技術企業。公司聚焦高品質航空航天流體控制元件及系統研發，深度布局航空航天、船舶兵器、低空經濟等高科技領域，在航空航天燃/滑油泵、閥元件、流體控制系統及航空測試設備的研發上投入大量精力持續研發，為提升公司整體競爭力提供堅實支撐。

公司總部位于長沙市雨花區同升街道匯金路877號，株洲市天元區動力谷作為現代化生產基地，構建起集研發、生產、檢測、測試于一體的全鏈條產業體系。經過十余年穩步發展，成功實現從貿易和航空非標測試設備研制邁向航空航天發動機、無人機、靶機、eVTOL等飛行器燃油、潤滑、冷卻系統的創新研發轉型，不斷提升技術實力。

公司已通過 GB/T 19001-2016/ISO 9001:2015質量管理體系認證，以嚴苛標準保障產品質量。公司注重知識產權的保護和利用，積極申請發明專利、實用新型專利和軟著，目前累計獲得的知識產權已經有10多項。湖南泰德航空以客戶需求為導向，積極拓展核心業務，與國內頂尖科研單位達成深度戰略合作，整合優勢資源，攻克多項技術難題，為進一步的發展奠定堅實基礎。

湖南泰德航空始終堅持創新，建立健全供應鏈和銷售服務體系、堅持質量管理的目標，不斷提高自身核心競爭優勢，為客戶提供更經濟、更高效的飛行器動力、潤滑、冷卻系統、測試系統等解決方案。