本文關(guān)鍵詞：航空發(fā)動機氣路故障融合診斷方法研究

  更多相關(guān)文章： 航空發(fā)動機 氣路故障診斷 傳感器故障診斷 融合濾波器 不等式約束 小波變換 D-S證據(jù)理論融合

【摘要】：航空發(fā)動機故障診斷技術(shù)是保障飛行安全,降低維護費用的重要手段。本文以某型渦扇發(fā)動機模型為研究對象,圍繞信息融合技術(shù)開展了航空發(fā)動機氣路故障融合診斷方法研究,包括基于融合濾波方法的氣路健康參數(shù)估計、氣路部件故障融合診斷與定位、氣路部件故障與傳感器故障融合診斷。論文的主要工作和貢獻(xiàn)如下:在發(fā)動機部件級模型的基礎(chǔ)上建立了發(fā)動機狀態(tài)變量模型,設(shè)計線性卡爾曼濾波器對發(fā)動機氣路部件健康參數(shù)進(jìn)行在線估計;針對集中式結(jié)構(gòu)的線性卡爾曼濾波器存在計算效率低、容錯性差等缺陷,提出采用線性融合卡爾曼濾波算法實現(xiàn)發(fā)動機氣路健康參數(shù)的估計,通過理論分析和數(shù)字仿真證明了融合濾波算法的優(yōu)勢。由于發(fā)動機為強非線性系統(tǒng)且健康參數(shù)間耦合性強,線性濾波器用于發(fā)動機氣路健康參數(shù)估計存在精度不夠高等缺陷,將融合卡爾曼濾波器推廣至非線性系統(tǒng),分別基于擴展卡爾曼濾波器、無跡卡爾曼濾波器、粒子濾波器構(gòu)建融合濾波器;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,對融合粒子濾波器進(jìn)行改進(jìn),采用概率密度截斷法加入不等式約束,提高了估計精度;針對測量參數(shù)統(tǒng)計特性未知對融合粒子濾波器估計效果的影響,采用小波變換實時估計測量噪聲標(biāo)準(zhǔn)差并以此更新粒子似然函數(shù),實現(xiàn)了測量噪聲變化下發(fā)動機氣路部件健康參數(shù)的準(zhǔn)確估計。采用自適應(yīng)加權(quán)D-S證據(jù)理論方法進(jìn)行發(fā)動機氣路部件故障融合診斷與定位。以基于粒子濾波器和極限學(xué)習(xí)機的氣路部件故障診斷方法為基礎(chǔ),在決策層構(gòu)建融合診斷模塊對兩個診斷結(jié)果進(jìn)行融合;為了解決多證據(jù)融合過程中證據(jù)嚴(yán)重沖突的問題,通過混淆矩陣獲取兩種診斷方法對發(fā)動機各故障模式的診斷可靠度,從而在生成基本概率賦值函數(shù)時賦予不同的權(quán)值系數(shù)。通過發(fā)動機單、雙部件故障仿真,驗證了所提出的方法能有效降低證據(jù)沖突,提高了發(fā)動機氣路部件故障融合診斷與定位的精度。研究了航空發(fā)動機氣路部件故障與傳感器故障融合診斷方法。分析了發(fā)動機傳感器常見的故障形式及產(chǎn)生原因;以卡爾曼濾波器為基礎(chǔ),提出了采用融合卡爾曼濾波器組和擴展卡爾曼濾波器-自適應(yīng)遺傳算法(EKF-AGA)兩種方法實現(xiàn)發(fā)動機氣路部件故障與傳感器故障融合診斷。仿真結(jié)果表明,兩種方法均能有效的檢測并隔離發(fā)動機傳感器故障,在傳感器故障發(fā)生后依然能得到準(zhǔn)確的發(fā)動機健康參數(shù)估計值,具有較好的容錯性。
【關(guān)鍵詞】：航空發(fā)動機 氣路故障診斷 傳感器故障診斷 融合濾波器 不等式約束 小波變換 D-S證據(jù)理論融合
【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
【目錄】：

• 摘要4-5
• ABSTRACT5-13
• 第一章 緒論13-18
• 1.1 研究背景13-14
• 1.2 航空發(fā)動機故障診斷技術(shù)的研究現(xiàn)狀14-15
• 1.3 信息融合技術(shù)及其在發(fā)動機故障診斷中的應(yīng)用現(xiàn)狀15-16
• 1.4 本文的內(nèi)容安排16-18
• 第二章 基于線性融合卡爾曼濾波器的發(fā)動機氣路健康參數(shù)估計18-31
• 2.1 發(fā)動機模型與氣路部件故障分析18-21
• 2.1.1 發(fā)動機非線性模型18-19
• 2.1.2 發(fā)動機狀態(tài)變量模型19
• 2.1.3 發(fā)動機氣路部件故障分析19-20
• 2.1.4 發(fā)動機增廣狀態(tài)變量模型20-21
• 2.2 基于線性卡爾曼濾波器的氣路健康參數(shù)估計21-22
• 2.2.1 線性卡爾曼濾波器21-22
• 2.2.2 集中式濾波估計缺點分析22
• 2.3 基于線性融合卡爾曼濾波器的氣路健康參數(shù)估計22-30
• 2.3.1 線性融合卡爾曼濾波器的設(shè)計22-26
• 2.3.2 線性融合卡爾曼濾波最優(yōu)性分析26-27
• 2.3.3 線性卡爾曼濾波器氣路健康估計仿真與分析27-30
• 2.4 本章小結(jié)30-31
• 第三章 基于非線性融合濾波器的發(fā)動機氣路健康參數(shù)估計31-48
• 3.1 基于非線性融合卡爾曼濾波器的氣路健康估計31-36
• 3.1.1 擴展卡爾曼濾波31-32
• 3.1.2 無跡卡爾曼濾波32-33
• 3.1.3 非線性融合卡爾曼濾波的設(shè)計33-34
• 3.1.4 非線性卡爾曼濾波器氣路健康估計仿真與分析34-36
• 3.2 基于融合自適應(yīng)粒子濾波器的氣路健康估計36-46
• 3.2.1 標(biāo)準(zhǔn)粒子濾波36-37
• 3.2.2 加入不等式約束的粒子濾波37-39
• 3.2.3 基于小波變換的噪聲自適應(yīng)粒子濾波39-41
• 3.2.4 發(fā)動機過渡態(tài)氣路健康估計仿真與分析41-46
• 3.3 本章小結(jié)46-48
• 第四章 發(fā)動機氣路部件故障融合診斷方法48-60
• 4.1 發(fā)動機氣路部件特征層故障融合診斷方法48-51
• 4.1.1 特征參數(shù)估計48-49
• 4.1.2 基于粒子濾波器的特征層故障診斷49-51
• 4.2 發(fā)動機氣路部件故障多層融合診斷方法51-56
• 4.2.1 基于極限學(xué)習(xí)機的故障診斷51-53
• 4.2.2 自適應(yīng)加權(quán)D-S證據(jù)理論53-55
• 4.2.3 發(fā)動機部件故障多層融合診斷原理55-56
• 4.3 氣路故障多層融合診斷仿真與分析56-59
• 4.4 本章小結(jié)59-60
• 第五章 發(fā)動機氣路部件故障與傳感器故障融合診斷方法60-70
• 5.1 傳感器故障分析60
• 5.2 基于融合濾波算法的發(fā)動機氣路部件故障與傳感器故障診斷60-66
• 5.2.1 狀態(tài)一致性故障檢測與隔離機制60-62
• 5.2.2 狀態(tài)一致性FDI仿真與分析62-66
• 5.3 基于EKF-AGA方法的發(fā)動機氣路部件故障與傳感器故障診斷66-69
• 5.3.1 EKF-AGA故障融合診斷方法66-67
• 5.3.2 EKF-AGA融合診斷方法仿真與分析67-69
• 5.4 本章小結(jié)69-70
• 第六章 總結(jié)與展望70-72
• 6.1 本文主要工作總結(jié)70-71
• 6.2 展望71-72
• 參考文獻(xiàn)72-76
• 致謝76-77
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文77

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 向陽輝;張干清;龐佑霞;;結(jié)合SVM和改進(jìn)證據(jù)理論的多信息融合故障診斷[J];振動與沖擊;2015年13期

2 黃金泉;馮敏;魯峰;;基于自適應(yīng)粒子濾波的渦扇發(fā)動機故障診斷[J];航空動力學(xué)報;2014年06期

3 胡金海;余治國;翟旭升;彭靖波;任立通;;基于改進(jìn)D-S證據(jù)理論的航空發(fā)動機轉(zhuǎn)子故障決策融合診斷研究[J];航空學(xué)報;2014年02期

4 李昂;李安;胡柏青;羅銀波;覃方君;;基于小波變換域的實時估計噪聲特性算法研究[J];計算機與數(shù)字工程;2012年12期

5 張錕;張昌芳;李杰;;基于新沖突度量的屬性信息相關(guān)算法[J];控制與決策;2011年04期

6 賴際舟;周翟和;劉建業(yè);熊劍;;混合粒子聯(lián)邦濾波在多信息組合導(dǎo)航系統(tǒng)中的應(yīng)用[J];中國慣性技術(shù)學(xué)報;2011年01期

7 劉清;曹國華;;基于噪聲方差估計和模型參考的傳感器動態(tài)補償[J];江蘇大學(xué)學(xué)報(自然科學(xué)版);2009年06期

8 王仲生;趙鵬;;基于多源信息融合的發(fā)動機轉(zhuǎn)子早期故障識別[J];西北工業(yè)大學(xué)學(xué)報;2009年03期

9 趙世榮;黃向華;;應(yīng)用神經(jīng)網(wǎng)絡(luò)信息融合診斷航空發(fā)動機故障[J];航空動力學(xué)報;2008年01期

10 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

中國博士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 李小冬;核極限學(xué)習(xí)機的理論與算法及其在圖像處理中的應(yīng)用[D];浙江大學(xué);2014年

2 劉學(xué)藝;極限學(xué)習(xí)機算法及其在高爐冶煉過程建模中的應(yīng)用研究[D];浙江大學(xué);2013年

3 袁克非;組合導(dǎo)航系統(tǒng)多源信息融合關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2012年

4 何映思;模糊推理方法及模糊邏輯形式系統(tǒng)研究[D];西南大學(xué);2011年

5 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

6 周文祥;航空發(fā)動機及控制系統(tǒng)建模與面向?qū)ο蟮姆抡嫜芯縖D];南京航空航天大學(xué);2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 馮敏;渦扇發(fā)動機氣路健康參數(shù)濾波估計方法研究[D];南京航空航天大學(xué);2013年

2 陳曉智;基于INS/GPS/磁力計組合導(dǎo)航系統(tǒng)的航向角聯(lián)邦濾波算法研究[D];南昌大學(xué);2013年

3 夏超;基于卡爾曼濾波器的航空發(fā)動機傳感器故障診斷研究[D];南京航空航天大學(xué);2013年

4 劉錚;UKF算法及其改進(jìn)算法的研究[D];中南大學(xué);2009年

5 趙鵬;基于信息融合技術(shù)的航空發(fā)動機故障診斷[D];西北工業(yè)大學(xué);2007年

6 許麗佳;組合導(dǎo)航系統(tǒng)中的信息融合研究[D];北京工業(yè)大學(xué);2004年

，

本文編號：594666