本文選題：渦軸發(fā)動機　切入點：故障診斷　出處：《南京航空航天大學(xué)》2016年碩士論文

【摘要】：渦軸發(fā)動機FADEC系統(tǒng)中傳感器和執(zhí)行機構(gòu)直接影響控制及整個發(fā)動機的安全穩(wěn)定運行。為了保障渦軸發(fā)動機可靠性,本文開展了執(zhí)行機構(gòu)及其傳感器故障診斷、氣路傳感器故障診斷以及容錯控制相關(guān)研究。本文基于渦軸發(fā)動機非線性部件級模型開展上述研究工作,首先采用具有計算發(fā)散判定和校正機制的有限次通過改進Broyden擬牛頓法替代牛頓一次通過法,提高部件級模型動態(tài)過程計算實時性和精度。構(gòu)建了基于執(zhí)行機構(gòu)模型和發(fā)動機逆模型的執(zhí)行機構(gòu)及其傳感器故障診斷系統(tǒng)。采用傳遞函數(shù)結(jié)合擬合法建立執(zhí)行機構(gòu)數(shù)學(xué)模型;提出了一種自校正學(xué)習(xí)速率的在線BP神經(jīng)網(wǎng)絡(luò)算法,并應(yīng)用于發(fā)動機逆模型的建立。通過數(shù)字仿真表明診斷系統(tǒng)對于執(zhí)行機構(gòu)故障以及LVDT傳感器故障能夠?qū)崿F(xiàn)準(zhǔn)確的定位和診斷,同時具有較好的適應(yīng)能力。針對氣路傳感器故障診斷問題,分別采用基于自適應(yīng)模型和基于在線極端學(xué)習(xí)機的診斷系統(tǒng)。提出一種基于方程組求解的自適應(yīng)模型建立方法,具有較高的精度和自適應(yīng)能力,并應(yīng)用于傳感器故障診斷;采用在線極端學(xué)習(xí)機算法對各氣路傳感器建立智能映射模塊形成診斷系統(tǒng),并引入“預(yù)學(xué)習(xí)”思路,使得該方法對于傳感器單故障、雙故障均具有出色的診斷能力和較高的重構(gòu)精度,同時具有較好的實時性和魯棒性。在實現(xiàn)傳感器故障診斷后,繼續(xù)對容錯控制開展研究。設(shè)計了LVDT傳感器以及氣路傳感器故障隔離方案;采用增廣LQR方法設(shè)計多組控制器,并提出一種扭矩指令模型,在此基礎(chǔ)上采用控制回路切換的方式實現(xiàn)主動容錯控制,提高控制系統(tǒng)穩(wěn)定性。最后,針對執(zhí)行機及其傳感器故障診斷系統(tǒng)以及基于在線極端學(xué)習(xí)機的氣路傳感器故障診斷系統(tǒng)設(shè)計半物理仿真試驗,驗證了算法的有效性。
[Abstract]:The sensors and actuators in the FADEC system of the swirl shaft engine directly affect the control and the safe and stable operation of the whole engine.In order to ensure the reliability of the vortex shaft engine, the related research on actuator and its sensor fault diagnosis, gas path sensor fault diagnosis and fault tolerant control are carried out in this paper.In this paper, based on the nonlinear component level model of the turbo-shaft engine, the finite order method with the mechanism of calculating divergence determination and correction is used to replace the Newtonian one-pass method by improving the Broyden quasi-Newton method.Improve the real-time and precision of dynamic process calculation of component-level model.The actuator and its sensor fault diagnosis system based on the actuator model and the engine inverse model are constructed.An online BP neural network algorithm for self-tuning learning rate is proposed, which is applied to the establishment of the inverse model of the engine, and the mathematical model of the actuator is established by using the transfer function combined with the fitting method, and an on-line BP neural network algorithm with self-tuning learning rate is proposed.The results of digital simulation show that the diagnosis system can accurately locate and diagnose the actuator faults and LVDT sensor faults, and has a good adaptability at the same time.To solve the problem of gas path sensor fault diagnosis, the diagnosis system based on adaptive model and online extreme learning machine is adopted respectively.An adaptive model building method based on solving equations is proposed, which has high accuracy and adaptive ability, and is applied to sensor fault diagnosis.The on-line extreme learning machine algorithm is used to establish an intelligent mapping module for each gas path sensor to form a diagnosis system, and the idea of "pre-learning" is introduced to make the method for the single fault of the sensor.Both faults have excellent diagnosis ability, high reconstruction accuracy, good real-time performance and robustness.After the sensor fault diagnosis is realized, the research on fault tolerant control is carried out.The fault isolation scheme of LVDT sensor and gas sensor is designed, and the method of augmented LQR is used to design multi-group controller, and a torque instruction model is proposed. On the basis of this, active fault-tolerant control is realized by switching control loop.Improve the stability of the control system.Finally, a semi-physical simulation test is designed for the fault diagnosis system of the actuator and its sensors and the gas sensor fault diagnosis system based on the on-line extreme learning machine, which verifies the effectiveness of the algorithm.
【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】：2016
【分類號】：V263.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 姜潔;李秋紅;張高錢;居新星;;航空發(fā)動機燃油系統(tǒng)執(zhí)行機構(gòu)及其傳感器故障診斷[J];航空動力學(xué)報;2015年06期

2 侯寬新;丁發(fā)軍;張道新;黃選紅;魏武國;;基于DE-RLSSVM算法的航空發(fā)動機傳感器故障診斷[J];航空動力學(xué)報;2014年12期

3 王磊;謝壽生;彭靖波;楊勇;任立通;;雙目標(biāo)約束下的航空發(fā)動機分布式控制系統(tǒng)最優(yōu)保成本容錯控制[J];航空動力學(xué)報;2014年07期

4 賀琛;張小棟;Patton R J;;基于LMI和離散模型的航空發(fā)動機壓氣機傳感器魯棒故障診斷[J];航空動力學(xué)報;2014年04期

5 楊征山;仇小杰;莊錫明;黃金泉;;基于模態(tài)切換的航空發(fā)動機容錯控制[J];航空動力學(xué)報;2014年04期

6 李業(yè)波;李秋紅;黃向華;趙永平;;航空發(fā)動機傳感器故障與部件故障診斷技術(shù)[J];北京航空航天大學(xué)學(xué)報;2013年09期

7 傅強;;航空發(fā)動機被動容錯控制系統(tǒng)魯棒性設(shè)計[J];測控技術(shù);2013年05期

8 李業(yè)波;李秋紅;王健康;黃向華;趙永平;;基于ImOS-ELM的航空發(fā)動機傳感器故障自適應(yīng)診斷技術(shù)[J];航空學(xué)報;2013年10期

9 韓冰潔;緱林峰;;基于卡爾曼濾波器組的執(zhí)行機構(gòu)故障診斷方法[J];計算機仿真;2013年02期

10 孔祥興;王曦;;航空發(fā)動機雙重傳感器故障診斷邏輯研究[J];航空動力學(xué)報;2012年11期

相關(guān)博士學(xué)位論文 前1條

1 王元;變循環(huán)發(fā)動機建模及性能尋優(yōu)控制技術(shù)研究[D];南京航空航天大學(xué);2015年

相關(guān)碩士學(xué)位論文 前6條

1 嚴(yán)長凱;自旋進入/退出過程直/發(fā)綜合建模與控制技術(shù)研究[D];南京航空航天大學(xué);2014年

2 張高錢;航空發(fā)動機傳感器故障診斷與容錯控制[D];南京航空航天大學(xué);2014年

3 朱子杰;航空發(fā)動機智能故障診斷與容錯控制的研究[D];南京航空航天大學(xué);2010年

4 張^，

本文編號：1715217