航空發(fā)動機被譽為現(xiàn)代工業(yè)“皇冠上的明珠”，其性能與可靠性直接決定了飛行器的安全性、經(jīng)濟性與戰(zhàn)斗力。作為連接高速旋轉轉子與靜態(tài)承力機匣的關鍵支撐元件，主軸承在極端苛刻的工況下運行——承受著數(shù)萬轉每分鐘的高速、高達數(shù)噸的復雜載荷、以及由高溫燃氣與冷卻氣流交織形成的劇烈熱沖擊。統(tǒng)計表明，在航空發(fā)動機的各類故障中，與軸承相關的故障占比居高不下，而其中因過載、疲勞等因素直接導致的失效比例可達40%。一旦主軸承發(fā)生突發(fā)性失效，輕則導致發(fā)動機性能衰退、任務中斷，重則可能引發(fā)轉子卡滯、非包容性破壞等災難性后果，其失效模式已經(jīng)從單一的機械故障演變?yōu)殛P乎飛行安全的核心風險點。因此，實現(xiàn)對主軸承運行狀態(tài)的精準感知、早期預警與智能診斷，不僅是保障發(fā)動機持續(xù)可靠運行的技術需求，更是現(xiàn)代航空安全保障體系不可或缺的一環(huán)。

然而，對航空發(fā)動機主軸承實施有效狀態(tài)監(jiān)控面臨著一系列嚴峻挑戰(zhàn)。首先，軸承系統(tǒng)深埋于發(fā)動機復雜的機體內部，傳感器難以直接布置在軸承座上，只能通過外機匣等間接路徑拾取振動信號，導致故障特征信息在傳遞過程中被嚴重衰減并與大量背景噪聲（如氣流激振、齒輪嚙合、其它轉子不平衡等）混合，信噪比極低。其次，軸承故障的發(fā)展是一個從微觀裂紋萌生到宏觀剝落擴展的非線性漸變過程，早期故障信號極其微弱，單一監(jiān)測手段往往存在感知盲區(qū)。例如，振動監(jiān)測對早期磨損不敏感，而滑油監(jiān)測對突發(fā)性的局部剝落初期響應滯后。再者，航空發(fā)動機工況復雜多變，其振動與磨損信號具有典型的非平穩(wěn)、非線性特征，傳統(tǒng)的閾值報警和頻譜分析方法的適應性與準確性均顯不足。這些難題共同指向了一個核心需求：必須發(fā)展一種能夠融合多維度、互補性狀態(tài)信息，并具備處理不確定性與模糊性能力的智能診斷方法。在此背景下，本文將系統(tǒng)闡述一種基于振動信號與滑油金屬屑末信息深度融合的航空發(fā)動機主軸承狀態(tài)監(jiān)控方法，通過引入模糊推理理論，構建一種能夠模擬人類專家診斷思維的融合診斷模型，旨在實現(xiàn)對軸承健康狀態(tài)的全面、連續(xù)、精準評估。

一、 理論基礎與關鍵技術剖析

航空發(fā)動機主軸承的狀態(tài)信息蘊含于多個物理域中，主要集中體現(xiàn)在機械振動和潤滑油理化特性兩個維度。這兩個維度分別從“動態(tài)響應”和“磨損產(chǎn)物”兩個視角，刻畫了軸承從正常運行到失效全生命周期內的不同側面，具有天然的互補性。

1.1 滑油金屬屑末檢測：磨損過程的直接“顯微鏡”

潤滑油在發(fā)動機中承擔著潤滑、冷卻、清潔等多重功能，被譽為機械的“血液”。軸承運行過程中，其接觸表面在循環(huán)應力作用下必然會產(chǎn)生微觀磨損，剝離出的金屬顆粒懸浮于滑油中，成為承載磨損狀態(tài)信息的直接載體。滑油金屬屑末監(jiān)測（Oil Debris Monitoring, ODM）的核心在于對這些顆粒進行定量（數(shù)量、尺寸）與定性（材質、形貌）分析。研究表明，磨損顆粒的濃度、尺寸分布及增長率與軸承的磨損模式（如正常磨合、疲勞剝落、嚴重滑動磨損等）和嚴重程度存在強相關性。例如，大量出現(xiàn)的、尺寸較大的片狀剝落顆粒是滾動接觸疲勞進入加速期的明確標志。

現(xiàn)代ODM技術主要沿著離線和在線兩個方向發(fā)展。離線分析以鐵譜、光譜技術為代表，精度高且能分析形貌與成分，但時效性差。在線監(jiān)測則主要依賴油液顆粒計數(shù)器，其主流原理是光阻法（遮光法）。當攜帶著金屬顆粒的油液流經(jīng)一個精密的透明傳感通道時，顆粒會遮擋一束穩(wěn)定的光源（如激光），引起后方光電探測器接收光強的瞬時衰減。衰減的脈沖幅度與顆粒的投影面積（等效于尺寸）成正比，脈沖次數(shù)則對應顆粒數(shù)量。基于此，系統(tǒng)可以實時統(tǒng)計并輸出不同粒徑區(qū)間的顆粒濃度。更先進的電感式傳感器，特別是多線圈差分設計，能夠通過檢測金屬顆粒通過時引起的磁場微弱變化，不僅實現(xiàn)計數(shù)，還能在一定程度上區(qū)分顆粒的金屬類型（如鐵磁性與非鐵磁性），提供了更豐富的診斷信息。在線ODM技術實現(xiàn)了對“血液健康”的連續(xù)采樣，為狀態(tài)監(jiān)控提供了直接的磨損證據(jù)鏈。

1.2 振動信號分析：故障動力學的精密“聽診器”

當軸承元件（內圈、外圈、滾動體）出現(xiàn)局部損傷時，在運轉中會對損傷點產(chǎn)生周期性的沖擊激勵。這種沖擊會激發(fā)軸承-轉子系統(tǒng)的固有振動，并通過結構傳遞至機匣表面。振動監(jiān)測就是通過布置在機匣特定位置的加速度傳感器，捕獲這些包含豐富故障信息的動態(tài)響應信號。然而，原始振動信號是各種激勵源響應的混合體，且受傳遞路徑調制，因此必須通過一系列信號處理技術來提取微弱的故障特征。

傳統(tǒng)的時域分析（如有效值、峰值、峭度）能反映振動的總體能量和沖擊特性，但對早期故障不敏感且易受干擾。頻域分析（如頻譜、包絡譜）是故障診斷的基石，其目標是從噪聲中分離出與軸承幾何尺寸和轉速相關的故障特征頻率及其諧波。對于更為復雜的、信號能量時變頻變的非平穩(wěn)狀態(tài)，以小波變換為代表的時頻分析工具展現(xiàn)出獨特優(yōu)勢。它能夠同時在時間和頻率域對信號進行局部化分析，特別適合提取瞬態(tài)沖擊成分。例如，利用小波包分解可以自適應地將信號能量細分到不同頻帶，通過分析特定頻帶能量的變化來識別故障。更進一步，Hilbert-Huang變換（HHT）等現(xiàn)代方法，能夠對信號進行自適應分解并求解瞬時頻率，在解調分析、沖擊特征提取方面效果顯著，成為處理航空發(fā)動機這類復雜變工況信號的有力武器。

1.3 模糊推理理論：處理不確定性的智能“裁判”

無論是振動特征能量還是滑油顆粒計數(shù)，其與軸承健康狀態(tài)之間都并非簡單的線性或確定關系。例如，振動能量在故障初期可能緩慢增長，而在嚴重剝落時，由于沖擊間隔過密或載荷路徑改變，反而可能出現(xiàn)波動甚至下降；同樣，滑油顆粒計數(shù)受油路循環(huán)、過濾器效率等多種因素影響。這種不確定性、模糊性正是實際工程診斷中的常態(tài)。模糊推理（Fuzzy Reasoning）模仿人類“經(jīng)驗判斷”的思維方式，為解決此類問題提供了數(shù)學框架。

其核心在于引入“隸屬度”的概念，將一個精確的輸入值（如“特征能量為291”）轉化為對不同模糊語言值（如“低”、“中”、“高”）的符合程度描述。通過預先定義一系列基于專家經(jīng)驗的“IF-THEN”模糊規(guī)則（例如：“IF振動有效值高，AND特征能量高，AND屑末增長率中，THEN軸承狀態(tài)為嚴重故障”），系統(tǒng)可以并行處理所有被激活的規(guī)則，并將推理結果融合、去模糊化，最終輸出一個精確的、代表軸承整體健康度的量化指標（如0到1之間的一個數(shù)值）。這種方法不依賴于精確的數(shù)學模型，而是將領域專家的知識與觀測數(shù)據(jù)有機結合，對多源、異構、模糊的信息進行有效融合與決策，極大地增強了診斷系統(tǒng)的魯棒性和可解釋性。

二、 信息融合方法的系統(tǒng)構建

基于上述關鍵技術，本文提出的振動與滑油屑末信息融合監(jiān)控方法構建了一個系統(tǒng)性的三級融合診斷框架，其核心流程是從特征層到?jīng)Q策層的遞進融合。

第一級：多域特征提取與信息表征。此階段的目標是從原始異構數(shù)據(jù)中提取出最能表征軸承狀態(tài)的核心特征，形成融合診斷的“特征向量”。

振動時域特征：選取振動加速度信號的有效值（RMS）作為時域代表。RMS值對信號的全局能量敏感，能夠穩(wěn)定地反映軸承運行的整體振動烈度，是衡量機械狀態(tài)的基礎指標。

振動頻域/時頻域特征：為捕捉故障引起的周期性沖擊，定義“特征能量” 作為頻域代表。其計算過程通常涉及對原始信號進行帶通濾波（圍繞軸承故障特征頻率）或小波包分解，然后對包含故障特征信息的敏感頻帶信號進行希爾伯特包絡解調，最終計算包絡譜在故障頻率及其諧波處的能量總和。該參數(shù)對早期局部損傷引起的微弱周期沖擊具有極強的指向性。

滑油磨損特征：以滑油金屬屑末數(shù)（或單位時間內的增長率）作為直接磨損指標。它直接量化了軸承材料損失的速率，是物理磨損進程的直觀度量。

第二級：基于模糊推理的特征融合與狀態(tài)評估。這是本方法的核心。將上述三個特征參數(shù)作為模糊推理系統(tǒng)的輸入變量。為每個輸入定義合適的模糊集合（如“小”、“中”、“大”）和三角形或高斯型隸屬度函數(shù)。隨后，系統(tǒng)調用預先構建的模糊規(guī)則庫進行推理。規(guī)則庫的構建深度融合了軸承失效機理與專家經(jīng)驗，例如：

規(guī)則1（正常狀態(tài)）：若RMS值小，且特征能量小，且屑末數(shù)少，則軸承狀態(tài)良好。

規(guī)則2（早期故障）：若RMS值中，但特征能量大，且屑末數(shù)開始增加，則軸承狀態(tài)異常，提示潛在故障。

規(guī)則3（嚴重故障）：若RMS值大，特征能量可能因信號飽和而呈中等或減小，但屑末數(shù)極大，則軸承故障嚴重。

第三級：決策輸出與健康狀態(tài)量化。模糊推理系統(tǒng)將所有被激活的規(guī)則輸出進行聚合，并通過重心法等去模糊化方法，最終輸出一個位于[0，1]區(qū)間的綜合健康指數(shù)（Health Index， HI）。該指數(shù)是一個連續(xù)的、歸一化的評估結果。根據(jù)大量試驗數(shù)據(jù)與工程經(jīng)驗，可劃分明確的預警閾值：例如，HI值在0-0.35區(qū)間表示“狀態(tài)良好”，0.35-0.65區(qū)間表示“狀態(tài)欠佳，需密切關注并準備檢修”，0.65-1區(qū)間則表示“故障嚴重，需立即停機檢修”。這種輸出將復雜的多維度信息凝聚為一個直觀的決策依據(jù)，極大地方便了維護人員的判斷。

三、 試驗驗證與工程應用分析

為驗證所提融合方法的有效性與優(yōu)越性，必須通過嚴謹?shù)脑囼炦M行考核。通常，研究遵循從部件級模擬試驗到整機試車驗證的遞進路徑。

3.1 主軸承剝落故障擴展試驗

試驗在專用的軸承疲勞試驗器上進行，以某型航空發(fā)動機主軸承為對象，在其外圈滾道上人工預制一個初始剝落缺陷（例如8mm×6mm）。試驗臺模擬發(fā)動機的轉速、載荷與滑油條件，使軸承在可控狀態(tài)下運行，直至故障擴展至失效。試驗中，同步安裝高靈敏度振動加速度傳感器于試驗器軸承座附近，以及在線式滑油金屬屑末傳感器于潤滑油回油路上，以不低于51.2 kHz的采樣頻率同步、連續(xù)采集整個故障擴展過程（如18小時）的全周期數(shù)據(jù)。

通過對試驗數(shù)據(jù)的分析，可以清晰觀察到兩種信號在故障不同階段的演變規(guī)律：

運行初期（約第1小時）：振動信號的有效值和特征能量均處于較低水平，滑油屑末數(shù)也維持在一個本底值。此時，任何單一參數(shù)均未觸發(fā)報警。但融合方法通過綜合評判，輸出HI=0.18，準確判定為“狀態(tài)良好”，展示了其穩(wěn)定性和對正常狀態(tài)的識別能力。

運行中期（約第9小時）：隨著剝落區(qū)域的擴展，周期性沖擊加劇。振動特征能量顯著升高，有效值也呈上升趨勢，同時滑油中的金屬顆粒數(shù)量開始呈現(xiàn)指數(shù)級增長趨勢。單一振動監(jiān)測可能因能量波動而產(chǎn)生不確定性，單一滑油監(jiān)測可能剛剛達到預警閾值。融合方法輸入?yún)?shù)（如有效值31.8g，特征能量291，屑末數(shù)3085）后，經(jīng)模糊推理輸出HI=0.50，明確落入“狀態(tài)欠佳”區(qū)間，成功實現(xiàn)了對發(fā)展期故障的早期、準確預警。

運行后期（臨近失效，約第18小時）：剝落面積巨大，沖擊極其劇烈。振動有效值可能飆升至極高值（如106.9g），但由于沖擊過密或發(fā)生次生損傷，特征能量譜可能反而出現(xiàn)分散或下降。此時，滑油屑末數(shù)達到峰值（如8250），清晰地指示了災難性磨損的發(fā)生。融合方法綜合了“極高振動烈度”和“極高磨損率”的信息，即便特征能量指示性不強，仍能輸出HI=0.82，果斷判定為“故障嚴重”，避免了因單一參數(shù)誤判而延誤處置的最佳時機。

3.2 整機試車試驗驗證

部件試驗驗證了方法的原理有效性，而將其應用于真實的航空發(fā)動機整機試車平臺，則是檢驗其工程適用性的關鍵一步。在發(fā)動機試車過程中，在外部機匣的特定測點布置振動傳感器，并在發(fā)動機滑油系統(tǒng)的回油總管上安裝在線屑末監(jiān)測探頭。通過長時間試車（包括不同轉速、載荷的循環(huán)），采集主軸承在實際復雜激勵環(huán)境下的多源數(shù)據(jù)。

應用所構建的融合診斷模型對整機數(shù)據(jù)進行實時或準實時分析，其輸出的健康指數(shù)曲線能夠與試車中分解檢查發(fā)現(xiàn)的軸承實際狀態(tài)（如輕微磨損、點蝕、剝落）高度吻合。對比實驗表明，相比于傳統(tǒng)的單一振動報警或定期油液化驗，該融合方法能夠將故障預警時間提前數(shù)十至上百小時，且虛警率和漏報率顯著降低，證明了其在真實復雜背景下卓越的診斷可靠性與工程實用價值。

四、 邁向智能預測與自主健康管理

本文系統(tǒng)論述的基于振動與滑油金屬屑末信息模糊融合的航空發(fā)動機主軸承狀態(tài)監(jiān)控方法，代表了當前PHM（故障預測與健康管理）領域的一個重要發(fā)展方向。該方法的核心貢獻在于：

突破了單一監(jiān)測手段的局限：通過融合振動（反映動力學響應）與滑油屑末（反映物理磨損）兩類互補信息，構建了覆蓋軸承故障“激勵-響應-損傷產(chǎn)物”全鏈條的立體感知體系，消除了診斷盲區(qū)。

解決了復雜不確定性下的診斷難題：引入模糊推理理論，將精確的傳感器數(shù)據(jù)轉化為符合人類認知的模糊語言進行決策，有效處理了信號波動、閾值模糊等工程實際問題，使診斷系統(tǒng)具備了專家級的魯棒性和適應性。

實現(xiàn)了狀態(tài)評估的連續(xù)量化輸出：將多維信息融合為一個直觀的綜合健康指數(shù)，并劃分明確的預警等級，為視情維修（CBM）提供了清晰、可操作的決策支持，極大提升了維護活動的科學性和預見性。

展望未來，隨著人工智能、物聯(lián)網(wǎng)和數(shù)字孿生技術的飛速發(fā)展，航空發(fā)動機主軸承的狀態(tài)監(jiān)控將朝著更智能、更精準、更集成的方向演進。下一步的研究將聚焦于：

深度學習與模糊系統(tǒng)的深度融合：利用深度神經(jīng)網(wǎng)絡（如CNN、LSTM）強大的端到端特征自動提取能力，直接從原始振動波形和屑末脈沖序列中學習深層故障特征，再與模糊推理的可解釋性規(guī)則相結合，構建“數(shù)據(jù)驅動”與“知識驅動”混合增強的智能診斷模型。

預測性維護與剩余壽命預測（RUL）：在現(xiàn)有健康狀態(tài)評估基礎上，結合性能退化模型（如維納過程、退化軌跡建模），利用融合健康指數(shù)的歷史序列預測軸承的剩余使用壽命，實現(xiàn)從“故障診斷”到“故障預測”的跨越。

集成化與微型化傳感器技術：發(fā)展集振動、溫度、油液顆粒、油質多參數(shù)監(jiān)測于一體的微型化、高可靠性智能傳感單元，并將其深度集成于發(fā)動機設計中，為數(shù)字孿生模型提供高保真、全維度的實時數(shù)據(jù)源。

總之，振動與滑油信息融合監(jiān)控方法不僅是解決當前航空發(fā)動機主軸承監(jiān)控難題的有效手段，更是構建未來新一代智能航空發(fā)動機自主健康管理系統(tǒng)的關鍵技術基石。它將推動航空維修模式從事后修復、定期檢修向實時監(jiān)控、預測維護的根本性轉變，為保障飛行安全、降低全壽命周期成本、提升裝備戰(zhàn)斗力提供堅實的技術支撐。

&注：此文章內使用的圖片來源于公開網(wǎng)絡獲取，僅供參考使用，如侵權可聯(lián)系我們刪除，如需進一步了解公司產(chǎn)品及商務合作，請與我們聯(lián)系！！

湖南泰德航空技術有限公司于2012年成立，多年來持續(xù)學習與創(chuàng)新，成長為行業(yè)內有影響力的高新技術企業(yè)。公司聚焦高品質航空航天流體控制元件及系統(tǒng)研發(fā)，深度布局航空航天、船舶兵器、低空經(jīng)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(tǒng)及航空測試設備的研發(fā)上投入大量精力持續(xù)研發(fā)，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(qū)同升街道匯金路877號，株洲市天元區(qū)動力谷作為現(xiàn)代化生產(chǎn)基地，構建起集研發(fā)、生產(chǎn)、檢測、測試于一體的全鏈條產(chǎn)業(yè)體系。經(jīng)過十余年穩(wěn)步發(fā)展，成功實現(xiàn)從貿易和航空非標測試設備研制邁向航空航天發(fā)動機、無人機、靶機、eVTOL等飛行器燃油、潤滑、冷卻系統(tǒng)的創(chuàng)新研發(fā)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(chǎn)品質量。公司注重知識產(chǎn)權的保護和利用，積極申請發(fā)明專利、實用新型專利和軟著，目前累計獲得的知識產(chǎn)權已經(jīng)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(yè)務，與國內頂尖科研單位達成深度戰(zhàn)略合作，整合優(yōu)勢資源，攻克多項技術難題，為進一步的發(fā)展奠定堅實基礎。

湖南泰德航空始終堅持創(chuàng)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(yōu)勢，為客戶提供更經(jīng)濟、更高效的飛行器動力、潤滑、冷卻系統(tǒng)、測試系統(tǒng)等解決方案。