基于动态系统辨识的涡扇发动机传感器故障诊断方法研究

发布时间：2022-11-06 18:27

　　随着机器学习与人工智能的发展,基于数据驱动的建模方法在没有系统过程先验知识的情况下也可以获得复杂系统的精确输出,基于系统辨识理论开展了发动机传感器故障诊断方法的研究,主要研究内容为:首先,对DGEN380涡扇发动机开展了系统辨识建模研究,完成了发动机在3种典型工况下的系统辨识实验设计与数据采集工作。在发动机3种典型工况下的小邻域内将DGEN380发动机视为线性系统,采用预测误差FPE准则选择合适的线性系统模型结构,并基于最小二乘原理RLS（Recursive Least Square Algorithm）完成了对发动机线性系统的辨识。随后采用了一种能够对线性系统模型结构和参数同步辨识的UD分解算法,并将UD分解算法其推广到MIMO线性系统的模型辨识。然后,将DGEN380发动机视为非线性系统,并采用非线性自回归滑动平均NARMAX模型建立发动机非线性模型。提出一种基于AIC（Akaike Information Criterion）显著性准则的前向选择法对NARMAX模型结构进行选择。鉴于LOLIMOT（Local Linear Model Tree）网络模型较强的非线性映射能力且能够... 

【文章页数】：114 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题背景和意义
    1.2 国内外研究现状
        1.2.1 航空发动机建模技术国内外研究现状
        1.2.2 航空发动机传感器故障诊断技术国内外研究现状
    1.3 本文主要研究内容
第二章 发动机辨识实验设计与数据处理
    2.1 系统辨识理论概述
        2.1.1 系统辨识内容和步骤
        2.1.2 系统辨识模型
        2.1.3 常见系统辨识方法
    2.2 涡扇发动机系统辨识实验设计
        2.2.1 系统辨识对象
        2.2.2 伪随机输入信号设计
        2.2.3 多倍正弦和输入信号设计
    2.3 实验数据处理与数据检验
        2.3.1 实验数据零均值化与低通滤波处理
        2.3.2 实验数据同步性检验
        2.3.3 实验数据非线性和漂移性检验
    2.4 本章小结
第三章 涡扇发动机线性系统辨识方法研究
    3.1 线性系统数学模型概述
        3.1.1 连续型单输入单输出数学模型
        3.1.2 离散型单输入单输出数学模型
    3.2 基于最小二乘理论的发动机线性系统辨识
        3.2.1 最小二乘基本原理
        3.2.2 递推形式下的系统参数和噪声方差估计
        3.2.3 基于最终预测误差准则的线性系统阶次辨识
        3.2.4 发动机系统仿真
    3.3 基于增广UD分解算法的发动机线性系统辨识
        3.3.1 信息压缩矩阵和矩阵UD分解算法
        3.3.2 矩阵UD分解与RLS算法结合用于发动机结构和参数辨识
        3.3.3 适用于MIMO线性系统辨识的UD分解算法
        3.3.4 基于残差自相关系数法的辨识模型检验
    3.4 本章小结
第四章 涡扇发动机非线性系统辨识方法研究
    4.1 非线性系统模型概述
        4.1.1 Volterra级数模型
        4.1.2 Hammerstein模型
        4.1.3 Wiener模型
    4.2 基于NARMAX模型的航空发动机非线性建模
        4.2.1 NARMAX非线性模型的数学描述
        4.2.2 NARMAX非线性模型参数求解方法
        4.2.3 基于AIC信息准则的NARMAX模型结构选择
        4.2.4 DGEN380发动机非线性建模
    4.3 基于LOLIMOT网络模型的航空发动机非线性建模
        4.3.1 局部线性模型树LOLIMOT网络
        4.3.2 LOLIMOT神经网络的局部参数估计
        4.3.3 LOLIMOT网络建立发动机非线性模型
        4.3.4 发动机线性模型与非线性模型精度对比
    4.4 本章小结
第五章 基于系统辨识技术的传感器故障诊断方法研究
    5.1 发动机传感器常见故障模式
    5.2 基于辨识理论的线性系统传感器在线故障诊断方法研究
        5.2.1 用于传感器故障诊断的改进RLS辨识算法
        5.2.2 选择遗忘机制与RLS算法结合用于时变系统传感器故障诊断
        5.2.3 线性系统传感器故障诊断仿真
    5.3 基于辨识理论的非线性系统传感器故障诊断方法研究
        5.3.1 故障情况下非线性系统的数学描述
        5.3.2 用于非线性系统故障诊断的改进NARMAX结构
        5.3.3 基于LOLIMOT网络的非线性系统传感器故障诊断方法研究
        5.3.4 非线性系统传感器故障诊断仿真
    5.4 基于小波理论的发动机传感器故障种类辨识研究
        5.4.1 小波变换理论
        5.4.2 传感器故障信号的特征提取研究
        5.4.3 传感器故障种类识别
        5.4.4 基于动态系统辨识的发动机传感器故障识别结构
    5.5 本章小结
第六章 结论与展望
    6.1 全文结论
    6.2 展望
致谢
参考文献
硕士学位攻读期间发表的论文成果


【参考文献】：
期刊论文
[1]UD分解与偏差补偿结合用于变量带误差模型辨识[J]. 萧德云,杨帆,张益农,耿立辉.  控制理论与应用. 2018(07)
[2]基于Hammerstein模型的非线性分离法预测控制[J]. 李元明,潘红光,邹涛,钱新华.  信息与控制. 2017(02)
[3]基于神经网络的热工系统辨识方法研究[J]. 要亚斌,李淑琴,黄宇.  计算机仿真. 2016(08)
[4]堆叠隐空间模糊C均值聚类算法[J]. 王骏,刘欢,蒋亦樟,邓赵红,王士同.  控制与决策. 2016(09)
[5]航空发动机控制系统传感器故障诊断仿真研究[J]. 王涛,薛薇,吕淮北.  计算机仿真. 2016(02)
[6]线性参数系统的多新息辨识方法[J]. 丁锋,郭兰杰.  南京信息工程大学学报(自然科学版). 2015(04)
[7]基于似然剖面的元件模型暂态参数可辨识性分析[J]. 陈润泽,孙宏斌,吴文传,张伯明.  中国电机工程学报. 2015(06)
[8]基于扩展滤波器的非线性系统迭代学习故障诊断算法[J]. 陶洪峰,陈大朋,杨慧中.  控制与决策. 2015(06)
[9]基于ARMAX模型的子空间辨识算法[J]. 李天一,郑建荣.  计算机仿真. 2015(01)
[10]多目标免疫GEP算法及其在多项式NARMAX模型辨识中的应用[J]. 周霞,沈炯.  控制与决策. 2014(06)

博士论文
[1]基于熵的传感器故障诊断方法研究[D]. 杨巧宁.北京化工大学 2016
[2]基于结构优化PCA的传感器故障诊断方法及其应用研究[D]. 付克昌.浙江大学 2007

硕士论文
[1]基于系统辨识的航空发动机建模研究[D]. 郑斐华.中国科学院大学(中国科学院工程热物理研究所) 2018
[2]混合卡方分布序列极值的渐近性质[D]. 易晓婷.湖南大学 2017
[3]基于信息熵的传感器故障诊断方法研究[D]. 王炳炬.华北电力大学(北京) 2016
[4]航空发动机传感器故障诊断及信号重构[D]. 赵文博.南京航空航天大学 2011
[5]航空发动机动态过程系统辨识[D]. 于同利.西北工业大学 2006



本文编号：3704000