基于卡爾曼濾波的航空發(fā)動(dòng)機(jī)故障診斷技術(shù)研究.pdf

1、航空發(fā)動(dòng)機(jī)故障診斷技術(shù)，是實(shí)現(xiàn)發(fā)動(dòng)機(jī)視情維護(hù)，降低使用成本，提高設(shè)備可靠性，保證飛行安全，戰(zhàn)斗任務(wù)完成的重要前提,是飛行推進(jìn)系統(tǒng)健康管理技術(shù)的核心組成部分。本文重點(diǎn)研究了基于模型和卡爾曼濾波器的航空發(fā)動(dòng)機(jī)氣路部件與傳感器系統(tǒng)的故障診斷方法，主要內(nèi)容如下：
　　 首先針對(duì)發(fā)動(dòng)機(jī)線性模型建模的問(wèn)題，在小擾動(dòng)與擬合法的基礎(chǔ)上，提出了優(yōu)化擬合建模方法，利用MATLAB工具箱函數(shù)進(jìn)行線性模型矩陣元素的求解，大大提高了線性模型的精度與建模效

2、率。在線性模型中定義了能夠表示發(fā)動(dòng)機(jī)部件蛻化程度的健康參數(shù)，保證了模型對(duì)于發(fā)動(dòng)機(jī)非額定工作狀態(tài)的仿真，使用卡爾曼濾波器根據(jù)可測(cè)輸出的偏離量估計(jì)不可測(cè)量的發(fā)動(dòng)機(jī)部件健康參數(shù)，建立了能夠準(zhǔn)確跟蹤額定與非額定工作狀態(tài)下發(fā)動(dòng)機(jī)輸出的機(jī)載自適應(yīng)線性模型。
　　 研究了基于線性模型的發(fā)動(dòng)機(jī)氣路部件故障診斷算法。通過(guò)調(diào)整發(fā)動(dòng)機(jī)非線性模型部件特性，實(shí)現(xiàn)了對(duì)于氣路部件故障的模擬。提出了針對(duì)突變型故障診斷的假設(shè)條件，解決了采用線性卡爾曼濾波器進(jìn)行部

3、件突變故障診斷的問(wèn)題。針對(duì)傳感器測(cè)量野值干擾影響部件故障診斷結(jié)果的準(zhǔn)確性，導(dǎo)致誤診的問(wèn)題，通過(guò)對(duì)卡爾曼濾波器新息序列特性的分析，判定傳感器測(cè)量數(shù)據(jù)中是否存在野值，并重新構(gòu)造參數(shù)估計(jì)來(lái)消除野值的影響，提高濾波器對(duì)于傳感器測(cè)量野值的魯棒性與故障診斷結(jié)果的精度。
　　 在發(fā)動(dòng)機(jī)線性模型的基礎(chǔ)上，設(shè)計(jì)了基于一組卡爾曼濾波器的發(fā)動(dòng)機(jī)傳感器故障診斷系統(tǒng)，設(shè)計(jì)實(shí)現(xiàn)了單一或者雙重傳感器故障檢測(cè)、隔離與重構(gòu)，故障診斷仿真驗(yàn)證了所設(shè)計(jì)傳感器故障診斷

4、系統(tǒng)的有效性。在實(shí)現(xiàn)傳感器故障診斷系統(tǒng)的基礎(chǔ)上，提出了一種發(fā)動(dòng)機(jī)傳感器、部件故障診斷系統(tǒng)，重點(diǎn)研究討論了傳感器與氣路部件故障的檢測(cè)、區(qū)分與隔離算法。仿真結(jié)果證明，在傳感器或者氣路部件兩者之一發(fā)生故障的情況下，該系統(tǒng)能夠正確實(shí)現(xiàn)故障檢測(cè)和診斷，但當(dāng)兩者同時(shí)發(fā)生故障時(shí)，系統(tǒng)能夠判斷故障存在，但無(wú)法給出確切的故障隔離、診斷結(jié)論。
　　 研究了基于非線性模型和UKF卡爾曼濾波器的發(fā)動(dòng)機(jī)故障診斷算法。非線性卡爾曼濾波器UKF直接應(yīng)用于發(fā)動(dòng)

5、機(jī)非線性模型，避免了由于線性模型建模過(guò)程中近似算法引入的建模誤差影響故障診斷結(jié)果的問(wèn)題。設(shè)計(jì)了發(fā)動(dòng)機(jī)部件健康參數(shù)估計(jì)UKF算法并進(jìn)行了典型故障診斷的仿真，均達(dá)到了較高的診斷精度，尤其是發(fā)動(dòng)機(jī)動(dòng)態(tài)情況下的故障診斷，UKF與線性KF相比具有明顯的優(yōu)勢(shì)。研究卡爾曼濾波器系統(tǒng)噪聲、測(cè)量噪聲矩陣的選取方法，提高了算法的收斂速度與精度，確定了適合實(shí)現(xiàn)發(fā)動(dòng)機(jī)在線故障診斷的噪聲矩陣選取方案。針對(duì)第四章中尚未解決的傳感器與氣路部件同時(shí)發(fā)生故障情況下的診斷

6、問(wèn)題，提出了基于概率密度函數(shù)的魯棒UKF算法以及基于雙重卡爾曼濾波器的部件和傳感器健康參數(shù)同步估計(jì)兩種解決方案，并進(jìn)行數(shù)值仿真驗(yàn)證了兩種方案的有效性。
　　 研究了基于改進(jìn)非線性UKF與非穩(wěn)態(tài)測(cè)量數(shù)據(jù)的發(fā)動(dòng)機(jī)故障診斷技術(shù)。從提高濾波器計(jì)算精度、穩(wěn)定性，降低計(jì)算量等方面改進(jìn)原UKF算法，提出了一種超球體采樣平方根UKF濾波算法。研究了基于動(dòng)態(tài)測(cè)量數(shù)據(jù)的發(fā)動(dòng)機(jī)性能監(jiān)控與故障診斷系統(tǒng)，采用超球體采樣平方根UKF算法實(shí)現(xiàn)了多個(gè)部件漸變與

7、突變故障的診斷。仿真結(jié)果證明超球體采樣平方根UKF算法精度高，穩(wěn)定性好，且計(jì)算量大大降低，適用于航空發(fā)動(dòng)機(jī)的在線實(shí)時(shí)故障診斷。
　　 融合神經(jīng)網(wǎng)絡(luò)、卡爾曼濾波技術(shù)兩種算法的優(yōu)勢(shì)，提出了一種航空發(fā)動(dòng)機(jī)算法融合故障診斷系統(tǒng)。采用自聯(lián)想神經(jīng)網(wǎng)絡(luò)建立了發(fā)動(dòng)機(jī)傳感器數(shù)據(jù)驗(yàn)證模塊；概率神經(jīng)網(wǎng)絡(luò)對(duì)發(fā)動(dòng)機(jī)工作模式進(jìn)行分類，實(shí)現(xiàn)定性氣路部件故障診斷。根據(jù)概率神經(jīng)網(wǎng)絡(luò)的診斷結(jié)論，由卡爾曼濾波器對(duì)發(fā)生故障的部件健康參數(shù)進(jìn)行估計(jì)，實(shí)現(xiàn)對(duì)故障程度的準(zhǔn)確評(píng)