基于卡尔曼滤波的商用涡扇发动机气路故障诊断

发布时间：2023-02-07 19:33

　　商用涡扇发动机气路故障诊断技术是提高飞行安全、降低航线运营成本的重要途径。本文以某型商用大涵道比涡轮风扇发动机为研讨对象,研究基于卡尔曼滤波算法的商用涡扇发动机气路故障诊断技术。由于涡扇发动机非线性特性强,现有建模方法得到的发动机线性状态变量模型仅在建模区域附近的小范围内精度较高,无法在全寿命期限内保持精度要求,使得健康参数的估计误差随着飞行循环数的增加而增加,因此为了提高线性模型在各种性能退化情况下的精度,提出自适应拟合的方法建立包含健康参数的状态变量模型,并设计卡尔曼滤波器进行健康参数估计。该方法通过由上一个采样周期内健康参数的估计值自适应调整模型系数矩阵提高模型在全寿命期限内的精度。在设计巡航点采用该方法建立线性变参数模型,然后通过相似换算在4个飞行状态点进行数字仿真性能缓慢退化过程。经仿真验证,在4个飞行点下选取除低压涡轮流量和效率以外的8个健康参数进行估计,相比改进拟合建模方法,基于该建模方法的卡尔曼滤波器对于风扇换算转速在95%以下的飞行状态点,健康参数均方根误差总和平均减少26.4%,对于转速在95%以上的点,误差总和平均减少45.8%,同时在数字仿真时间60s下的计算时...

【文章页数】：89 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景
    1.2 涡扇发动机故障诊断技术的国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 卡尔曼滤波算法在气路故障诊断中的应用现状
    1.4 本文的内容安排
第二章 基于线性卡尔曼滤波算法的商用涡扇发动机气路健康参数估计
    2.1 含健康参数的商用涡扇发动机模型
        2.1.1 发动机部件级模型
        2.1.2 发动机性能退化分析
        2.1.3 发动机状态变量模型
        2.1.4 发动机性能基线模型
    2.2 基于线性卡尔曼滤波算法的气路健康参数估计
        2.2.1 卡尔曼滤波算法
        2.2.2 基于线性卡尔曼滤波算法的气路健康参数估计中存在的问题
        2.2.3 基于自适应拟合法的商用涡扇发动机线性状态变量模型
        2.2.4 设计点数字仿真验证
        2.2.5 飞行区块数字仿真及结果分析
    2.3 本章小结
第三章 基于神经网络改进卡尔曼滤波的商用涡扇发动机气路健康参数估计
    3.1 非线性卡尔曼滤波算法
        3.1.1 扩展卡尔曼滤波算法
        3.1.2 无迹卡尔曼滤波算法
    3.2 基于神经网络-软约束-扩展卡尔曼滤波算法的气路健康参数估计
        3.2.1 神经网络-软约束-卡尔曼滤波算法
        3.2.2 神经网络的设计与训练
        3.2.3 设计点数字仿真验证
        3.2.4 飞行区块数字仿真及结果分析
    3.3 基于神经网络-粒子滤波-卡尔曼滤波算法的气路健康参数估计
        3.3.1 神经网络-粒子滤波-卡尔曼滤波算法
        3.3.2 设计点数字仿真验证
        3.3.3 飞行区块数字仿真及结果分析
    3.4 本章小结
第四章 基于Simulink仿真平台的气路故障诊断框架
    4.1 气路故障诊断框架
    4.2 Simulink仿真平台气路故障诊断框架
        4.2.1 部件级模型模块
        4.2.2 气路故障诊断主模块
        4.2.3 实时模型计算模块
        4.2.4 神经网络模块
    4.3 Simulink仿真平台显示界面
    4.4 本章小结
第五章 总结与展望
    5.1 本文的主要工作总结
    5.2 展望
参考文献
致谢
在学期间的研究成果及发表的学术论文



本文编号：3737291