一种基于人工免疫理论的性能监控与故障诊断方法

　　1.引言

　　对航空发动机进行性能监控是保证航空发动机安全工作、实现发动机视情维修、延长发动机使用寿命的一种重要技术途径。目前，国内外已发展了多种应用于航空发动机的性能监控与故障诊断的方法，如统计分析法、神经网络法和综合参数法[1]。综合参数法通过综合发动机多项性能指标，得到一个定量反映发动机整体性能的综合参数，能够对发动机整体性能进行监控。但在采用加权法计算综合参数时，需要确定各参数对发动机整体性能的影响程度，即确定各参数的权值。无论采用何种权值确定方法[2,3]，都需要足够多的发动机异常和故障数据作为训

　　练样本，否则，得到的权值的推广性很差，不能反映出其它类型的异常和故障，从而使加权法确定的综合参数失去意义。另一方面，实际发动机异常和故障数据很少，且不容易获得。因此，探索一种新的性能监控与故障诊断方法，依靠发动机的正常历史工作数据，对发动机性能趋势进行监控，以发现其异常或故障，这将具有很大的应用价值。本文就是针对这一问题进行探讨。

　　2.人工免疫理论的监控与诊断机理

　　近年来，随着人们对生物免疫系统认识的不断深入，在国际上引发了人工免疫系统(Artificial Immune SystemAIS)的研究热潮，并逐渐用其解决工程实际问题。免疫系统的主要功能就是通过抗体实时监测和杀伤来自生物体内和体外称为抗原的非己物质。受免疫系统自己—非己识别机理的启发，Forrest 提出了一种反面选择算法[4]，用于时间序列异常的监测。后来，将其应用于系统故障的检测，都获得了很好的应用效果[5]。

　　2.1 人工免疫理论的反面选择机理

　　免疫系统的自己—非己识别机理可简单描述为：在免疫系统中有一种免疫淋巴细胞称为 T 细胞，在其产生过程中，通过伪随机基因重组过程在 T 细胞表面产生检测器(抗体)。然后 T 细胞进入胸腺进行选择，那些和机体自身蛋白质反应的 T 细胞被毁灭，只有那些不破坏自身组织的 T 细胞成活，这一过程称为反面选择。这些成熟的 T 细胞在体内循环，它们通过与非己物质(抗原)的匹配来完成对非己物质(抗原)的识别，执行免疫功能，保护机体不受抗原的侵害。

　　反面选择算法就是受免疫系统的反面选择过程启发而来的。为了论述问题方便，首先给出以下定义。

　　定义 1 系统状态空间。系统的状态可由特征向量 X 表示，经过标准化处理后，X=(x1,x2,…,xn)∈[0,1]n。系统状态空间由集合 S哿[0,1]n表示，包括了系统所有可能的状态。定义 2 自己空间(正常空间)和非己空间(异常空间)。由系统正常状态时的特征向量组成的空间称为自己空间，用集合 Self哿S 表示。由系统异常或故障状态时的特征向量组成的空间称为非己空间，用集合Non_Self 表示，且 Nof_Self 为 Self 的补集，定义为 Nof_Self=S-Self。