本文關(guān)鍵詞：航空發(fā)動機氣路故障診斷的非線性濾波方法研究

  更多相關(guān)文章： 渦扇發(fā)動機 氣路故障診斷 擴展卡爾曼濾波 最小均方差 概率密度截斷 不確定性估計 快速原型驗證

【摘要】：航空發(fā)動機氣路故障診斷技術(shù)可有效地降低發(fā)動機維修成本、保證飛行安全。本文以某型渦扇發(fā)動機部件級模型為研究對象,針對渦扇發(fā)動機氣路健康參數(shù)的濾波估計問題,研究了非線性濾波的氣路健康參數(shù)估計方法,對航空發(fā)動機氣路部件進行健康診斷。首先介紹了擴展卡爾曼濾波(EKF)算法及其在發(fā)動機氣路故障診斷中的應(yīng)用,討論了EKF算法中雅克比矩陣A、C,系統(tǒng)噪聲協(xié)方差陣Q和量測噪聲協(xié)方差陣R的變化對健康參數(shù)估計效果的影響。為了將反映發(fā)動機健康狀態(tài)的先驗知識引入至健康參數(shù)估計中,以提高估計精度,本文研究了非線性濾波算法EKF的改進算法,將先驗知識轉(zhuǎn)化為對健康參數(shù)的不等式約束,然后在EKF中引入最小均方差和概率密度截斷,其中最小均方差的思想是求解最小化條件均方差函數(shù),同時運用拉格朗日乘子法將不等式約束引入待求方程,而概率密度截斷求解則是將先驗不等式約束條件轉(zhuǎn)化為概率密度函數(shù)形式,并獲得標(biāo)準(zhǔn)正態(tài)分布函數(shù)。針對實際發(fā)動機上可用傳感器測量參數(shù)少于待估計健康參數(shù)的問題,本文提出了健康參數(shù)線性組合的非線性濾波方法,其主要思想為最小化擴展卡爾曼濾波器的估計誤差,進而通過最小二乘法優(yōu)化得到變換矩陣,然后通過變換矩陣對發(fā)動機健康參數(shù)進行變換,得到一組低維數(shù)的中間參數(shù)向量,通過擴展卡爾曼濾波算法對其進行估計,然后經(jīng)還原變換得到原健康參數(shù)的估計值,從而解決不確定性健康參數(shù)估計問題。為了驗證EKF濾波及其改進算法的有效性,最后在基于Lab VIEW開發(fā)環(huán)境與CRIO嵌入式控制器的發(fā)動機氣路故障診斷快速原型仿真驗證平臺上,開展了最小均方差和概率密度截斷EKF算法以及不確定性EKF算法的硬件在回路的快速仿真驗證研究。
【關(guān)鍵詞】：渦扇發(fā)動機 氣路故障診斷 擴展卡爾曼濾波 最小均方差 概率密度截斷 不確定性估計 快速原型驗證
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：V263.6
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 注釋表10-11
• 縮略詞11-12
• 第一章 緒論12-17
• 1.1 研究背景12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-16
• 1.3 本文的內(nèi)容安排16-17
• 第二章 基于擴展卡爾曼濾波算法的發(fā)動機氣路故障診斷17-32
• 2.1 引言17
• 2.2 發(fā)動機非線性模型17-18
• 2.3 發(fā)動機氣路部件故障分析18-21
• 2.3.1 發(fā)動機氣路部件故障描述18-19
• 2.3.2 氣路部件性能健康參數(shù)表示方法19-21
• 2.3.3 氣路部件性能健康參數(shù)的模擬21
• 2.4 擴展卡爾曼濾波器基本原理21-22
• 2.5 雅可比矩陣對EKF濾波算法估計結(jié)果的影響22-26
• 2.6 Q值和R值選取對擴展卡爾曼濾波器的影響26-31
• 2.7 本章小結(jié)31-32
• 第三章 不等式約束擴展卡爾曼濾波估計32-41
• 3.1 引言32
• 3.2 約束上下限的選取32-33
• 3.3 帶約束的擴展卡爾曼濾波算法33-36
• 3.3.1 最小均方差33-34
• 3.3.2 概率密度截斷34-36
• 3.4 仿真與分析36-40
• 3.5 本章小結(jié)40-41
• 第四章 不確定性擴展卡爾曼濾波估計41-54
• 4.1 引言41
• 4.2 不確定性EKF估計41-50
• 4.2.1 基本原理41-42
• 4.2.2 誤差分析42-45
• 4.2.3 變換矩陣V~*的求取45-46
• 4.2.4 仿真與分析46-49
• 4.2.5 傳感器測量參數(shù)的選取49-50
• 4.3 帶約束的不確定性估計50-53
• 4.3.1 基本原理50-51
• 4.3.2 仿真分析51-53
• 4.4 本章小結(jié)53-54
• 第五章 基于快速原型的發(fā)動機氣路故障診斷方法驗證54-61
• 5.1 引言54
• 5.2 快速原型技術(shù)54-56
• 5.2.1 虛擬儀器55
• 5.2.2 CompactRIO平臺55-56
• 5.3 系統(tǒng)方案簡介56-58
• 5.4 仿真與分析58-60
• 5.4.1 不等式約束EKF濾波算法仿真分析58-59
• 5.4.2 不確定性EKF濾波算法仿真分析59-60
• 5.5 本章小結(jié)60-61
• 第六章 總結(jié)與展望61-63
• 6.1 本文主要工作總結(jié)61-62
• 6.2 展望62-63
• 參考文獻(xiàn)63-67
• 致謝67-68
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文68

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 魯峰;黃金泉;孔祥天;;渦扇發(fā)動機故障診斷的快速原型設(shè)計[J];航空動力學(xué)報;2012年02期

2 張曉東;胡慶武;;傳感器位置條件的自適應(yīng)卡爾曼濾波及其應(yīng)用[J];測繪科學(xué);2010年06期

3 黃志亮;雷勇;;基于LabVIEW的航空發(fā)動機全流程參數(shù)測量數(shù)據(jù)采集系統(tǒng)[J];測控技術(shù);2010年01期

4 鄒先權(quán);孫健國;張海波;;旋翼/渦軸發(fā)動機的自適應(yīng)模型[J];北京航空航天大學(xué)學(xué)報;2009年10期

5 張鵬;黃金泉;;航空發(fā)動機氣路故障診斷的平方根UKF方法研究[J];航空動力學(xué)報;2008年01期

6 張?zhí)旌?王繼業(yè);;微型渦輪發(fā)動機快速原型控制系統(tǒng)[J];航空動力學(xué)報;2007年02期

7 袁春飛;姚華;楊剛;;航空發(fā)動機機載實時自適應(yīng)模型研究[J];航空學(xué)報;2006年04期

8 徐啟華,師軍;基于支持向量機的航空發(fā)動機故障診斷[J];航空動力學(xué)報;2005年02期

9 劉根友,歐吉坤;具有坐標(biāo)函數(shù)約束的動態(tài)定位算法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2004年05期

10 高耀文,錢衛(wèi)平,劉利生,郭軍海;具有約束項的自校準(zhǔn)卡爾曼實時濾波定軌方法[J];中國空間科學(xué)技術(shù);2004年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 白芳;民航發(fā)動機機群調(diào)度優(yōu)化與視情維修決策方法研究[D];南京航空航天大學(xué);2009年

2 魯峰;航空發(fā)動機故障診斷的融合技術(shù)研究[D];南京航空航天大學(xué);2009年

3 張鵬;基于卡爾曼濾波的航空發(fā)動機故障診斷技術(shù)研究[D];南京航空航天大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 陳霆昊;發(fā)動機機載自適應(yīng)模型與高穩(wěn)定性控制技術(shù)研究[D];南京航空航天大學(xué);2010年

，

本文編號：1131035