发动机是一类常用的动力机械装备,具有复杂的机械结构及运动耦合方式。长期运转后,机械零部件的物理老化、缺少润滑、机械摩擦、高温过热、过载荷等各种问题,极易导致发动机子部件故障频发和整机性能衰退,从而影响发动机正常工作。典型地,气缸失火会加剧机体振动,降低输出扭矩,恶化排放情况,严重时甚至对发动机造成不可逆损伤,增加了相关工业生产活动的经济、环境成本。基于上述分析,开展发动机故障诊断及性能预测方法研究具有重要意义,本文针对发动机典型故障和整机性能衰退过程,研究有效的诊断及预测方法。分析发动机气缸子部件、轴承子部件故障发生及整机性能衰退原理,研究发动机健康状态监测及评估方法。具体地,进行信号采集实验和数据集验证试验,研究特征提取、诊断识别及性能预测方法,建立发动机相关传感信号与部件故障类别、整机健康状态的映射关系,从而实现发动机故障诊断与性能衰退评估。主要研究内容包括:(1)对于发动机气缸子部件失火故障,针对现有诊断方法特征提取分辨率较低和模型易过拟合的问题,提出了基于同步压缩小波变换和极限梯度提升树的诊断方法。在不同转速下进行柴油发动机失火性能试验,采集缸盖振动信号,利用时域统计、同步压缩小波变换提取敏感信号特征,选用局部线性嵌入方法进行特征降维。在此基础上,采用极限梯度提升树算法进行诊断模型训练与测试。结果表明,所提方法具有突出的泛化性能、鲁棒性能和抑制模型过拟合性能。(2)对于发动机旋转子系统关键子部件滚动轴承,提出了基于参数优化深度神经网络的表面损伤健康状态识别方法。获取轴承振动监测信号,通过时频统计分析提取浅层特征。在此基础上,采用参数优化的堆叠自编码器进行深度特征抽取和模型训练与测试。结果表明,所提方法能达到较高的识别精度,避免了复杂的手工特征提取过程。(3)针对发动机性能衰退不可逆现象,展开了整机性能预测研究,提出了基于数据融合理论和贝叶斯模型的剩余寿命预测方法。对发动机多维监测传感数据进行筛选融合,建立发动机健康指标及退化状态模型。在此基础上,建立状态模型参数的贝叶斯估计模型,利用马尔可夫链蒙特卡洛随机采样方法更新模型参数,并预测待评估发动机的剩余使用寿命。C-MAPSS涡扇发动机仿真数据集验证了该寿命预测方法的有效性。(4)基于上述研究内容进行了发动机智能诊断及性能预测运维平台的初步开发,可有效实现信号数据上传、数据可视化、算法评估及结果分析功能。