来源：西安交大航发所
近年来，得益于人工智能算法的发展，轴承故障诊断新算法层出不穷，但因为对应用背景的了解不够，现有的一些航空发动机轴承故障诊断方法的立脚点以及验证方式与实际外场需求差距较大。
在我的观点里，工科硕士和博士开展研究工作，首先要提出一个“真问题”，其次要找到一个好方法。在此基础上，如果能在某个研究点上，实现基础理论或方法的突破就更好了。
然而几个月前，在硕转博答辩现场，我发现一个现象：几位准备研究轴承故障诊断的同学，并没有提出一个“真问题”，研究工作的目标是偏离实际需求的。
几位同学的问题出在哪里？航空发动机轴承健康管理究竟应该研究什么？概括起来主要有以下几点。
01 将轴承故障隔离（定位）到内外圈、滚动体、保持架等部件有意义吗？
从工程应用角度讲，没有意义！没有必要！
实际上，目前轴承不是“外场可更换单元”（Line Replaceable Unit），内外圈、滚动体、保持架更不是外场可更换部件（LRC），无论是内圈、外圈还是滚动体发生故障，一旦发现故障，整台发动机将返厂维修。至于究竟是内圈、外圈还是滚动体发生故障，维修厂拆解拆解轴承组件后很容易判断。
故障诊断可分为故障检测、故障隔离、故障预测和故障处置等层次。各层次的含义如下：
故障检测（Fault Detection）：检测可能逐渐导致系统或部分系统故障的异常行为的存在。
故障隔离（Fault Isolation）：又可称为故障定位，确定故障的部位，一般隔离到外场（在线）可更换单元或外场可更换部件。
故障预测（Fault Prognostication）：分析部件性能趋势，预测部件剩余寿命。
故障处置（Fault Accomodation）：根据故障情况进行调整，在包容故障的情况下尽可能维持系统性能。包含故障程度估计和处置决策两部分。
目前故障处置主要采用分层级告警的方式，根据故障程度由重至轻，实施向飞行员告警、向地面维修人员告警、向地面维修人员建议等处置决策。
在一些文献中，也将故障估计（Fault Identification）单独作为一个层次，其含义为定量估计故障的严重程度。
作为外场应用级故障诊断系统的一环，轴承故障诊断的目的在于，在故障早期就发现故障，避免故障恶化，导致危害性更大的后果。
因此，对于现阶段发动机轴承故障诊断而言，Z重要的是故障检测和故障预测。
双转子涡扇发动机主轴上一般布置有5个以上的轴承，（除泵、电机等内部的小轴承外），只要发现轴承故障，无需知道是哪个轴承故障，处置措施基本一样，即发动机返厂维修。
因此，在现阶段外场轴承故障诊断中，定位到哪个轴承故障意义不大，定位到轴承内部的故障部件更没有必要。
故障隔离，又称故障定位，其主要目的是方便维修。因此，故障隔离的指标主要表述为：“90%的检测电子电气故障可以隔离到一个外场可更换单元”或“90%的检测机械故障可以隔离到3个外场可更换单元，并按照故障概率排序，序位的准确性不低于60%“。这样外场维修就很方便了，先检测和更换哪个部件就清楚了。
故障隔离也可以为故障处置提供信息基础，知道哪个部件故障了，可以更好的决策是实时向飞行员告警，还是事后向地面人员警示。
不能轻易向飞行员告警，任何给飞行员的虚警都至少是D级故障。
此外，当轴承发生磨损后，故障会加速扩展：早期、中期、后期…….严重的轴承故障容易引发叶片碰磨、轴承座损坏、滑油系统污染等并发故障，如果轴承故障发展到后期才检测到故障，则为时已晚。
因此需要通过振动值大小和杂质含量等对轴承故障进行预测，发现早期故障或亚健康征兆。
02 发动机轴承故障率很高吗？故障后果危险吗？
轴承故障率很低。
发动机平均无故障工作时间（Mean Time Between Failure）可达数百小时，且约80%故障来源于传感器、线缆、活门、泵等成附件，轴承故障率很低。
轴承故障相对较危险，但在适航体系内，它不是危险性故障（Hazardous Engine Effect），因此轴承一般不属于安全性关键件。
实际上，在适航体系内，故障由A~E分为5级。A级为灾难性故障，B级为危险性故障，C级为重大故障，D级为轻微故障，E级为无影响。轴承早期故障属于D级甚至E级故障，后期故障也仅为C级故障，故障后果并不十分危险。
03 能为轴承单独配装一个传感器吗？
从发动机整机设计来讲，不能！
发动机上有很多需要诊断的部件，轴承只是其中的一小项，不能为轴承单独配装一个传感器。
首先，发动机上“寸土寸金”，且受限于重量和安装位置，适合安装传感器的位置本就不多。其次，传感器本身也会发生?障，每增加一个传感器，都会影响发动机的平均无故障工作时间，增加外场维护的负担。
因此，发动机一般只有两到三个振动传感器。仅有的振动传感器要为所有通过振动信号进行故障诊断的部件服务，包括机匣、轴、轴承、叶片叶盘、齿轮箱等。
滑油传感器同理，要为所有通过滑油杂质进行故障诊断的部件服务，包括各种传动机构、轴承等。
如果给每个轴承单独配装一个传感器，则其它同等需要和更需要诊断的部件也要单独配装一个传感器，那么发动机上将会多出几十个传感器。
且不论安装位置和重量是否能满足，多出的几十个传感器会显著降低发动机的平均无故障工作时间，显著提高外场维护的成本。
这时健康管理系统反倒对发动机的可靠性、飞机的经济性起了反作用。
04 轴承故障诊断的难点在哪儿？
1、振动信号个体差异大
轴承等部件的振动频率、振幅受安装间隙、润滑影响非常大，间隙稍有不同，轴承本身的振幅可能有数倍的差异，频率也发生改变，而滑油温度的变化也将影响频率。
因此，同型号各台发动机个体之间、某台发动机不同工作状态、飞机的过载状态下，轴承振动信号差异都较大。这就要求轴承故障诊断系统能有很好的自适应修正能力。
2、其它振动信号的干扰
发动机系统是个工作在极端条件下的复杂转子系统，既有发动机高低压转子等主激振源，也有油泵等小型激振源；同时叶片、不同位置的机匣、成附件等各部件均有自己的共振频率，这些杂波信号都会传递给传感器。
当轴承发生故障时，虽然自身的振动频率发生变化，但又很可能会和另一个部件的正常工作频率混淆。
轴承的“救命”声被其它部件的声音淹没，难以被故障诊断系统识别。
3、传输距离远
振动传感器无法安装到轴承座上，而是安装在离轴承很远的机匣上。这就相当于故障诊断系统隔着好几堵墙监听轴承喊“救命”。这难度，不可谓不大。
正是因为这些难点，轴承故障诊断才迟迟没有得到应用。
然而，对于现有的大部分算法，验证数据均来自轴承座上的传感器，且试验环境中只有一个或少数几个转子。
由于验证方式与实际场景存在巨大差异，许多在试验条件下表现良好的算法在包含以上难点的真实应用场景下，表现都不尽人意。
此外，发动机电子控制系统的内存和算力约束也是横在轴承故障诊断算法迈向应用前的一座大山。
只有在算法设计阶段就考虑这些难点，提出相应的解决方案，轴承故障诊断算法才能和外场需求握手，真正向“可用”、“好用”发展。
