航空發(fā)動機氣路故障融合診斷方法研究.pdf

1、航空發(fā)動機故障診斷技術是保障飛行安全，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如下：
　　在發(fā)動機部件級模型的基礎上建立了發(fā)動機狀態(tài)變量模型，設計線性卡爾曼濾波器對發(fā)動機氣路部件健康參數(shù)進行在線估計；針對集中式結構的線性卡爾曼濾波器存

2、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行改進

3、，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準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)的準確估計。
　　采用自適應加權D-S證據(jù)理論方法進行發(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習機的氣路部件故障診斷方法為基礎，在決策層構建融合診斷模塊對兩個診斷結果進行融合；為了解決多證據(jù)融合過程中證據(jù)嚴重

4、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，提出了采用融合卡爾曼濾波器組和擴展卡爾曼濾波器-自適應遺傳算法（EKF-A