航空发动机控制系统传感器故障诊断与容错控制

发布时间：2017-10-14 13:12

  本文关键词：航空发动机控制系统传感器故障诊断与容错控制

  更多相关文章： 航空发动机 故障诊断 极端学习机 最小二乘支持向量回归机 容错控制

【摘要】：航空发动机控制系统中,执行机构是控制器和发动机之间的桥梁,传感器作为测量元件是控制系统工作的基础,执行机构和传感器测量信号的正确与否将直接影响发动机控制系统的正常运行。因此,为了提高控制系统的可靠性,有必要建立航空发动机执行机构及气路传感器故障诊断系统与主动容错控制系统。本文首先研究了执行机构故障诊断技术。通过执行机构模型和发动机逆模型判断是否发生故障并对故障进行定位。基于离线训练BP神经网络建立执行机构模型,根据某半物理仿真试验台的测试数据训练网络参数。分别使用离线训练BP神经网络和在线训练最小二乘支持向量回归机建立发动机逆模型,在线训练过程中采用阈值判别法筛选训练样本,缩短了在线训练时间,提高了逆模型的实时性。某发动机燃油系统执行机构的仿真结果表明:在稳态和动态工况下,诊断系统能够准确地对执行机构及其传感器故障进行诊断和定位,具有很好的实时性和自适应能力。其次,本文研究了基于在线极端学习机(OS-ELM)的气路传感器故障诊断技术。为了实现对双传感器的故障诊断,设计了故障判别和诊断系统重置功能。重置时将故障传感器信号从预测模型的输入中剔除,提高了诊断系统的预测能力。仿真结果表明,该算法能够对航空发动机单传感器故障和部分双传感器故障进行有效地诊断与隔离,并具有较高的预测精度和实时性。最后,在传感器故障诊断模块基础上,研究了基于增广LQR的主动容错控制。通过多组控制器的主动切换逻辑,实现了故障传感器的有效隔离,避免了控制器的失效。
【关键词】：航空发动机 故障诊断 极端学习机 最小二乘支持向量回归机 容错控制
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：V263.6
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 注释表10-11
• 第一章 绪论11-16
• 1.1 故障诊断与容错控制的研究背景及意义11
• 1.2 故障诊断与容错控制研究现状11-14
• 1.2.1 执行机构故障诊断研究现状11-12
• 1.2.2 传感器故障诊断研究现状12-14
• 1.2.3 容错控制研究现状14
• 1.3 本文内容安排14-16
• 第二章 航空发动机数学模型16-23
• 2.1 概述16
• 2.2 航空发动机部件级数学模型介绍16-18
• 2.3 执行机构模型18-22
• 2.3.1 传递函数形式执行机构模型18-20
• 2.3.2 BP神经网络映射执行机构模型20-22
• 2.4 本章小结22-23
• 第三章 航空发动机执行机构故障诊断23-37
• 3.1 概述23
• 3.2 执行机构故障诊断系统23-24
• 3.3 基于BP神经网络的发动机逆模型24-30
• 3.3.1 基于BP神经网络逆模型的建立24-27
• 3.3.2 执行机构故障诊断系统仿真验证27-30
• 3.4 基于在线最小二乘支持向量机的发动机逆模型30-36
• 3.4.1 在线稀疏最小二乘支持向量机30-33
• 3.4.2 基于支持向量机的发动机逆模型33
• 3.4.3 执行机构故障诊断系统仿真验证33-36
• 3.5 本章小结36-37
• 第四章 航空发动机气路传感器故障诊断37-51
• 4.1 概述37
• 4.2 基于极端学习机的在线训练传感器故障诊断37-41
• 4.2.1 极端学习机（ELM）算法37-38
• 4.2.2 在线贯序极端学习机（OS-ELM）算法38-39
• 4.2.3 基于OS-ELM的航空发动机气路传感器故障诊断系统39-41
• 4.3 诊断系统仿真41-50
• 4.3.1 地面状态传感器故障诊断仿真结果41-45
• 4.3.2 低空状态传感器故障诊断仿真结果45-50
• 4.4 本章小结50-51
• 第五章 传感器故障隔离与容错控制研究51-61
• 5.1 概述51
• 5.2 传感器故障的隔离51-52
• 5.3 增广LQR（ALQR）控制器设计52-56
• 5.3.1 发动机线性模型52-54
• 5.3.2 增广LQR（ALQR）控制器54-55
• 5.3.3 控制器仿真验证55-56
• 5.4 航空发动机智能主动容错控制系统56-60
• 5.4.1 主动容错控制56-58
• 5.4.2 容错控制系统仿真结果58-60
• 5.5 本章小结60-61
• 第六章 总结与展望61-63
• 6.1 本文工作总结61
• 6.2 对未来的研究展望61-63
• 参考文献63-68
• 致谢68-69
• 在学期间的研究成果及发表的学术论文69

【参考文献】

中国期刊全文数据库 前10条

1 王磊;谢寿生;彭靖波;杨勇;任立通;;双目标约束下的航空发动机分布式控制系统最优保成本容错控制[J];航空动力学报;2014年07期

2 杨征山;仇小杰;庄锡明;黄金泉;;基于模态切换的航空发动机容错控制[J];航空动力学报;2014年04期

3 李业波;李秋红;王健康;黄向华;赵永平;;基于ImOS-ELM的航空发动机传感器故障自适应诊断技术[J];航空学报;2013年10期

4 韩冰洁;缑林峰;;基于卡尔曼滤波器组的执行机构故障诊断方法[J];计算机仿真;2013年02期

5 刘艳春;杨德辉;刘艳丽;康建军;;基于神经网络的某型飞机发动机故障诊断研究[J];电子设计工程;2012年11期

6 ;Aero-engine Blade Fatigue Analysis Based on Nonlinear Continuum Damage Model Using Neural Networks[J];Chinese Journal of Mechanical Engineering;2012年02期

7 尹俊;郭迎清;;神经网络和卡尔曼滤波融合的航空发动机传感器故障诊断[J];计算机测量与控制;2011年08期

8 张弦;王宏力;;基于贯序正则极端学习机的时间序列预测及其应用[J];航空学报;2011年07期

9 韩晓娜;陈朝旭;缑林峰;;一类传感器故障的主动容错控制[J];西北大学学报(自然科学版);2010年01期

10 程月华;姜斌;杨明凯;高志峰;;应用自组织模糊神经网络估计卫星姿态系统执行机构故障[J];应用科学学报;2010年01期

中国博士学位论文全文数据库 前2条

1 李秋红;航空发动机智能鲁棒控制研究[D];南京航空航天大学;2011年

2 赵永平;支持向量回归机及其在智能航空发动机参数估计中的应用[D];南京航空航天大学;2009年

中国硕士学位论文全文数据库 前1条

1 张高钱;航空发动机传感器故障诊断与容错控制[D];南京航空航天大学;2014年

，

本文编号：1031241