航空发动机静电监测技术是一种具有预测能力的在线监测技术,它能有效地解决航空发动机气路高温部件难以实现在线监测的问题,提高发动机PHM能力,有助于先进维修思想的引入和先进维修方式的实施,从而增加视情维修在航空发动机维修保障方式中所占的比例,确保安全和经济效益兼顾。静电监测技术主要通过静电传感器监测发动机气路中的静电荷,借助于信号处理算法和智能模型对气路部件性能和工作状态进行预估。本文首先分析了气路荷电颗粒的形成机理、气路电荷水平的组成及影响因素,介绍了静电监测系统构成及基本原理,然后针对静电监测的关键技术展开了研究:(1)传感器技术研究设计了适合于气路高温环境的静电传感器;针对通过解析方法或实验方法难以获得静电传感器灵敏空间分布的问题,基于点电荷的思想建立了棒状传感器的测量模型,采用有限元的方法对静电传感器感应探极的灵敏度空间进行了数值求解,通过数据拟合的方法获得了感应探极的空间灵敏度的分布函数,并对探极空间灵敏度分布的影响因素进行了分析;针对微弱静电感应信号的检测问题,分析了检测电路中噪声来源并给出了相应的解决方案,设计了可以嵌入传感器内部的前置放大器;研究了静电传感器输出信号的频率特性以及影响因素,并通过模拟实验对理论分析的结论进行验证;(2)静电监测信号降噪方法研究针对小波阈值滤波方法不能有效去除脉冲噪声,阈值选取对降噪效果影响较大的问题,综合考虑了静电监测信号的噪声构成和能量分布特点,研究了中值滤波与基于Birge-Massart策略的小波分层阈值滤波方法相结合的滤波方法,取得了较好的效果;此外,研究了基于独立分量分析的静电监测信号降噪方法,提出了采用经验模态分解的方法构造与原始信号中噪声总体相近的参考噪声信号,解决了基于ICA降噪过程中出现的欠定问题;通过模拟信号和实测信号验证,表明了研究的两种降噪方法均能有效地提高监测信号的信噪比.(3)信号特征提取及异常颗粒识别方法研究依据单颗粒和多颗粒信号的频谱差异,提出了基于信号频谱峰值的重采样预处理方法,并采用小波分解的方法抽取了信号在相对频段内的能量分布特征。基于静电监测信号的特征参数,提出了一种用于异常颗粒识别知识获取的粗糙集神经网络模型,针对模型中离散处理环节,基于属性重要度和决策表不相容度,采自组织神经网络对连续属性进行离散处理;针对神经网络结构优化问题,研究了基于遗传算法的神经网络结构自适应模型,有效地提高了网络泛化能力;通过训练后的神经网络产生比原始数据包含更多预知信息的数据样本,用于规则提取,为异常颗粒识别提供了一种有效的方法。最后建立了航空发动机气路环境模拟实验平台,并通过该实验平台对静电监测技术的可行性、传感器特性、获取的知识规则等进行了实验验证,通过典型工况的模拟实验,获得了气路静电信号特征参数变化的规律,为气路中辨别异常颗粒提供了参考依据。