基于卡爾曼濾波的航空發(fā)動機故障診斷技術研究.pdf

1、航空發(fā)動機故障診斷技術，是實現(xiàn)發(fā)動機視情維護，降低使用成本，提高設備可靠性，保證飛行安全，戰(zhàn)斗任務完成的重要前提,是飛行推進系統(tǒng)健康管理技術的核心組成部分。本文重點研究了基于模型和卡爾曼濾波器的航空發(fā)動機氣路部件與傳感器系統(tǒng)的故障診斷方法，主要內容如下：
　　 首先針對發(fā)動機線性模型建模的問題，在小擾動與擬合法的基礎上，提出了優(yōu)化擬合建模方法，利用MATLAB工具箱函數(shù)進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)動機部件蛻化程度的健康參數(shù)，保證了模型對于發(fā)動機非額定工作狀態(tài)的仿真，使用卡爾曼濾波器根據(jù)可測輸出的偏離量估計不可測量的發(fā)動機部件健康參數(shù)，建立了能夠準確跟蹤額定與非額定工作狀態(tài)下發(fā)動機輸出的機載自適應線性模型。
　　 研究了基于線性模型的發(fā)動機氣路部件故障診斷算法。通過調整發(fā)動機非線性模型部件特性，實現(xiàn)了對于氣路部件故障的模擬。提出了針對突變型故障診斷的假設條件，解決了采用線性卡爾曼濾波器進行部

3、件突變故障診斷的問題。針對傳感器測量野值干擾影響部件故障診斷結果的準確性，導致誤診的問題，通過對卡爾曼濾波器新息序列特性的分析，判定傳感器測量數(shù)據(jù)中是否存在野值，并重新構造參數(shù)估計來消除野值的影響，提高濾波器對于傳感器測量野值的魯棒性與故障診斷結果的精度。
　　 在發(fā)動機線性模型的基礎上，設計了基于一組卡爾曼濾波器的發(fā)動機傳感器故障診斷系統(tǒng)，設計實現(xiàn)了單一或者雙重傳感器故障檢測、隔離與重構，故障診斷仿真驗證了所設計傳感器故障診斷

4、系統(tǒng)的有效性。在實現(xiàn)傳感器故障診斷系統(tǒng)的基礎上，提出了一種發(fā)動機傳感器、部件故障診斷系統(tǒng)，重點研究討論了傳感器與氣路部件故障的檢測、區(qū)分與隔離算法。仿真結果證明，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)能夠正確實現(xiàn)故障檢測和診斷，但當兩者同時發(fā)生故障時，系統(tǒng)能夠判斷故障存在，但無法給出確切的故障隔離、診斷結論。
　　 研究了基于非線性模型和UKF卡爾曼濾波器的發(fā)動機故障診斷算法。非線性卡爾曼濾波器UKF直接應用于發(fā)動

5、機非線性模型，避免了由于線性模型建模過程中近似算法引入的建模誤差影響故障診斷結果的問題。設計了發(fā)動機部件健康參數(shù)估計UKF算法并進行了典型故障診斷的仿真，均達到了較高的診斷精度，尤其是發(fā)動機動態(tài)情況下的故障診斷，UKF與線性KF相比具有明顯的優(yōu)勢。研究卡爾曼濾波器系統(tǒng)噪聲、測量噪聲矩陣的選取方法，提高了算法的收斂速度與精度，確定了適合實現(xiàn)發(fā)動機在線故障診斷的噪聲矩陣選取方案。針對第四章中尚未解決的傳感器與氣路部件同時發(fā)生故障情況下的診斷

6、問題，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)同步估計兩種解決方案，并進行數(shù)值仿真驗證了兩種方案的有效性。
　　 研究了基于改進非線性UKF與非穩(wěn)態(tài)測量數(shù)據(jù)的發(fā)動機故障診斷技術。從提高濾波器計算精度、穩(wěn)定性，降低計算量等方面改進原UKF算法，提出了一種超球體采樣平方根UKF濾波算法。研究了基于動態(tài)測量數(shù)據(jù)的發(fā)動機性能監(jiān)控與故障診斷系統(tǒng)，采用超球體采樣平方根UKF算法實現(xiàn)了多個部件漸變與

7、突變故障的診斷。仿真結果證明超球體采樣平方根UKF算法精度高，穩(wěn)定性好，且計算量大大降低，適用于航空發(fā)動機的在線實時故障診斷。
　　 融合神經網絡、卡爾曼濾波技術兩種算法的優(yōu)勢，提出了一種航空發(fā)動機算法融合故障診斷系統(tǒng)。采用自聯(lián)想神經網絡建立了發(fā)動機傳感器數(shù)據(jù)驗證模塊；概率神經網絡對發(fā)動機工作模式進行分類，實現(xiàn)定性氣路部件故障診斷。根據(jù)概率神經網絡的診斷結論，由卡爾曼濾波器對發(fā)生故障的部件健康參數(shù)進行估計，實現(xiàn)對故障程度的準確評