К.В. Сердюк1

1 Санкт-Петербургский государственный университет аэрокосмического приборостроения (Санкт-Петербург, Россия)

1 serdiuk@yandex.ru

Постановка проблемы. Современные авиационные двигатели представляют собой сложные технические системы, надежность которых напрямую зависит от состояния узлов трения. Одним из ключевых методов оценки их технического состояния является спектральный анализ авиационных масел на наличие металлосодержащих частиц. Низкое соотношение сигнал/шум, обусловленное сложным составом масла, наложение спектральных линий различных химических элементов и отсутствие стандартизированных методов интерпретации результатов существенно снижают точность измерений. Для устранения этих проблем требуются специализированные алгоритмы обработки данных, способные обеспечить достоверность и воспроизводимость анализа.

Цель. Разработать методику нормализации спектров, включая использование реперных пиков и методов главных компонент, для обеспечения воспроизводимости результатов в условиях изменяющихся параметров измерений.

Результаты. Представлен подход к повышению надежности авиационных двигателей с применением спектрального анализа отработанных масел, который в отличие от традиционных методов, требующих сложной пробоподготовки и не позволяющих проводить оперативные измерения, предлагаемый подход базируется на цифровой обработке спектральных данных. Разработана комплексная методика, включающая в себя адаптивную фильтрацию шумов, коррекцию фоновой составляющей и нормализацию полученных данных.

Практическая значимость. Предложенная методика позволяет не только реализовать оперативный мониторинг состояния двигателей, но и перейти от регламентного технического обслуживания к предиктивной модели, основанной на реальном износе узлов трения, а также сократить эксплуатационные расходы за счет оптимизации межсервисных интервалов и предотвращения катастрофических отказов.

Сердюк К.В. Методы обработки спектральных данных для контроля состояния авиационного масла // Радиотехника. 2025.
Т. 89. № 8. С. 60-66. DOI: https://doi.org/10.18127/j00338486-202508-08

1. Зайдель А.Н., Островская Г.В., Островский Ю.И. Техника и практика спектроскопии. М.: Наука; ГИФМЛ. 1972. 375 с.
2. Родзевич А.П., Газенаур Е.Г. Р60 Методы анализа и контроля веществ: Учеб. пособие. Томск: Изд-во Томского политехнического ун-та. 2013. 312 с.
3. Москалец О.Д., Сердюк К.В. Комплексные спектры в призменном оптическом спектральном приборе // Wave Electronics and its Applications in the Information and Telecommunication Systems. Scientific papers (Saint-Petersburg, 26–30 June 2017) / Eds A. Bestugin, S. Kulakov; Chairman: A. Yakimov. Saint-Petersburg: St. Petersburg State University of Aerospace Instrumentation. 2017.
4. Сердюк К.В. Спектральный контроль технического состояния авиационного двигателя // Радиотехнические, оптические и биотехнические системы. Устройства и методы обработки информации. СПб: ГУАП. 2024. С. 149-151. DOI: 10.31799/978-5-8088-1917-7-2024-5-149-151.
5. Моисеев А.А. Медианно-рекурсивная фильтрация // I-methods. 2017. Т. 09. №. 2. С. 15–22.
6. Романова Т.Н., Плаксина М.В. Применение вейвлет-преобразования для анализа спектрограмм, полученных на Оже-спектрометре // Машиностроение и компьютерные технологии. 2012. № 4. URL: https://cyberleninka.ru/article/n/primenenie-veyvlet-preobrazovaniya-dlya-analiza-spektrogramm-poluchennyh-na-ozhe-spektrometre.
7. Мамедов Н.Я., Абдуллаев Н.Т., Агаева Г.С. Численный алгоритм спектрального анализа измерительных сигналов // Приборостроение. 2014. №7. URL: https://cyberleninka.ru/article/n/chislennyy-algoritm-spektralnogo-analiza-izmeritelnyh-signalov.
8. Сердюк К.В. Использование метода машинного обучения при анализе спектроскопических данных // Волновая электроника и инфокоммуникационные системы: Материалы XXVII Междунар.й науч.й конф. СПб: ГУАП. 2024. С. 235-238.
9. Сердюк К.В. Интегрированная система контроля технического состояния авиационного двигателя на базе спектроскопических измерений // Инновационное приборостроение. 2024. Т. 3. № 1. С. 36-41. DOI: 10.31799/2949-0693-2024-1-36-41.
10. Осипова Т.В., Баранов А.М., Иванов И.И. Метод главных компонент как альтернативный алгоритм обработки данных термокаталитических сенсоров // НП. 2022. №1. URL: https://cyberleninka.ru/article/n/metod-glavnyh-komponent-kak-alternativnyy-algoritm-obrabotki-dannyh-termokataliticheskih-sensorov.