航空发动机气路故障诊断的非线性滤波方法研究

发布时间：2017-11-02 10:01

  本文关键词：航空发动机气路故障诊断的非线性滤波方法研究

  更多相关文章： 涡扇发动机 气路故障诊断 扩展卡尔曼滤波 最小均方差 概率密度截断 不确定性估计 快速原型验证

【摘要】：航空发动机气路故障诊断技术可有效地降低发动机维修成本、保证飞行安全。本文以某型涡扇发动机部件级模型为研究对象,针对涡扇发动机气路健康参数的滤波估计问题,研究了非线性滤波的气路健康参数估计方法,对航空发动机气路部件进行健康诊断。首先介绍了扩展卡尔曼滤波(EKF)算法及其在发动机气路故障诊断中的应用,讨论了EKF算法中雅克比矩阵A、C,系统噪声协方差阵Q和量测噪声协方差阵R的变化对健康参数估计效果的影响。为了将反映发动机健康状态的先验知识引入至健康参数估计中,以提高估计精度,本文研究了非线性滤波算法EKF的改进算法,将先验知识转化为对健康参数的不等式约束,然后在EKF中引入最小均方差和概率密度截断,其中最小均方差的思想是求解最小化条件均方差函数,同时运用拉格朗日乘子法将不等式约束引入待求方程,而概率密度截断求解则是将先验不等式约束条件转化为概率密度函数形式,并获得标准正态分布函数。针对实际发动机上可用传感器测量参数少于待估计健康参数的问题,本文提出了健康参数线性组合的非线性滤波方法,其主要思想为最小化扩展卡尔曼滤波器的估计误差,进而通过最小二乘法优化得到变换矩阵,然后通过变换矩阵对发动机健康参数进行变换,得到一组低维数的中间参数向量,通过扩展卡尔曼滤波算法对其进行估计,然后经还原变换得到原健康参数的估计值,从而解决不确定性健康参数估计问题。为了验证EKF滤波及其改进算法的有效性,最后在基于Lab VIEW开发环境与CRIO嵌入式控制器的发动机气路故障诊断快速原型仿真验证平台上,开展了最小均方差和概率密度截断EKF算法以及不确定性EKF算法的硬件在回路的快速仿真验证研究。
【关键词】：涡扇发动机 气路故障诊断 扩展卡尔曼滤波 最小均方差 概率密度截断 不确定性估计 快速原型验证
【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
• 缩略词11-12
• 第一章 绪论12-17
• 1.1 研究背景12-13
• 1.2 国内外研究现状13-16
• 1.3 本文的内容安排16-17
• 第二章 基于扩展卡尔曼滤波算法的发动机气路故障诊断17-32
• 2.1 引言17
• 2.2 发动机非线性模型17-18
• 2.3 发动机气路部件故障分析18-21
• 2.3.1 发动机气路部件故障描述18-19
• 2.3.2 气路部件性能健康参数表示方法19-21
• 2.3.3 气路部件性能健康参数的模拟21
• 2.4 扩展卡尔曼滤波器基本原理21-22
• 2.5 雅可比矩阵对EKF滤波算法估计结果的影响22-26
• 2.6 Q值和R值选取对扩展卡尔曼滤波器的影响26-31
• 2.7 本章小结31-32
• 第三章 不等式约束扩展卡尔曼滤波估计32-41
• 3.1 引言32
• 3.2 约束上下限的选取32-33
• 3.3 带约束的扩展卡尔曼滤波算法33-36
• 3.3.1 最小均方差33-34
• 3.3.2 概率密度截断34-36
• 3.4 仿真与分析36-40
• 3.5 本章小结40-41
• 第四章 不确定性扩展卡尔曼滤波估计41-54
• 4.1 引言41
• 4.2 不确定性EKF估计41-50
• 4.2.1 基本原理41-42
• 4.2.2 误差分析42-45
• 4.2.3 变换矩阵V~*的求取45-46
• 4.2.4 仿真与分析46-49
• 4.2.5 传感器测量参数的选取49-50
• 4.3 带约束的不确定性估计50-53
• 4.3.1 基本原理50-51
• 4.3.2 仿真分析51-53
• 4.4 本章小结53-54
• 第五章 基于快速原型的发动机气路故障诊断方法验证54-61
• 5.1 引言54
• 5.2 快速原型技术54-56
• 5.2.1 虚拟仪器55
• 5.2.2 CompactRIO平台55-56
• 5.3 系统方案简介56-58
• 5.4 仿真与分析58-60
• 5.4.1 不等式约束EKF滤波算法仿真分析58-59
• 5.4.2 不确定性EKF滤波算法仿真分析59-60
• 5.5 本章小结60-61
• 第六章 总结与展望61-63
• 6.1 本文主要工作总结61-62
• 6.2 展望62-63
• 参考文献63-67
• 致谢67-68
• 在学期间的研究成果及发表的学术论文68

【参考文献】

中国期刊全文数据库 前10条

1 鲁峰;黄金泉;孔祥天;;涡扇发动机故障诊断的快速原型设计[J];航空动力学报;2012年02期

2 张晓东;胡庆武;;传感器位置条件的自适应卡尔曼滤波及其应用[J];测绘科学;2010年06期

3 黄志亮;雷勇;;基于LabVIEW的航空发动机全流程参数测量数据采集系统[J];测控技术;2010年01期

4 邹先权;孙健国;张海波;;旋翼/涡轴发动机的自适应模型[J];北京航空航天大学学报;2009年10期

5 张鹏;黄金泉;;航空发动机气路故障诊断的平方根UKF方法研究[J];航空动力学报;2008年01期

6 张天宏;王继业;;微型涡轮发动机快速原型控制系统[J];航空动力学报;2007年02期

7 袁春飞;姚华;杨刚;;航空发动机机载实时自适应模型研究[J];航空学报;2006年04期

8 徐启华,师军;基于支持向量机的航空发动机故障诊断[J];航空动力学报;2005年02期

9 刘根友,欧吉坤;具有坐标函数约束的动态定位算法[J];武汉大学学报(信息科学版);2004年05期

10 高耀文,钱卫平,刘利生,郭军海;具有约束项的自校准卡尔曼实时滤波定轨方法[J];中国空间科学技术;2004年02期

中国博士学位论文全文数据库 前3条

1 白芳;民航发动机机群调度优化与视情维修决策方法研究[D];南京航空航天大学;2009年

2 鲁峰;航空发动机故障诊断的融合技术研究[D];南京航空航天大学;2009年

3 张鹏;基于卡尔曼滤波的航空发动机故障诊断技术研究[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 陈霆昊;发动机机载自适应模型与高稳定性控制技术研究[D];南京航空航天大学;2010年

，

本文编号：1131035