基于卡尔曼滤波的商用涡扇发动机气路故障诊断

《基于卡尔曼滤波的商用涡扇发动机气路故障诊断》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号：V233.7论文编号：102870218-S051学科分类号：082502硕士学位论文基于卡尔曼滤波的商用涡扇发动机气路故障诊断研究生姓名顾嘉辉学科、专业航空宇航推进理论与工程研究方向航空发动机故障诊断指导教师黄金泉教授南京航空航天大学研究生院能源与动力学院二О一八年三月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofEnergyandPowerEngineeringKalmanFilterbasedGa

2、sPathFaultDiagnosisforCommercialTurbofanEngineAThesisinAerospacePropulsionTheoryandEngineeringbyGuJiahuiAdvisedbyProfessorHuangJinquanSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringMarch,2018承诺书本人声明所呈交的博/硕士学位论文是本人在导师指导下进行的研究工

3、作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本承诺书）作者签名：日期：南京航空航天大学硕士学位论文摘要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，

4、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

5、，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下的计算时间小于20s。针对该型发动机机载传感器分布不均且个数小于健康参数的个数，使得卡尔曼滤波器估计全部健康参数时精度较低的现状，提出了两种由神经网络改进的非

6、线性卡尔曼滤波算法：神经网络-软约束-扩展卡尔曼滤波(NN-SC-EKF)算法与神经网络-粒子滤波-卡尔曼滤波(NN-PF-KF)算法。前者通过将BP神经网络对健康参数的估计结果作为惩罚项加入卡尔曼滤波算法后验估计的目标函数中，后者利用BP神经网络的估计结果来修正粒子，通过粒子滤波算法估计出当前的均值与协方差，然后使用卡尔曼滤波算法进行更新，这两种方法都使得估计结果往神经网络的计算输出方向发生偏移。经5种典型的单部件气路故障模式与4种典型的多部件气路故障模式的数字仿真验证，这两种改进算法相比BP神经网络以及原

7、来的两种非线性卡尔曼滤波算法在气路健康参数的估计精度上有较大的提高。其中，NN-SC-EKF算法的健康参数均方根误差总和相比BP神经网络平均降低了27.5%，相比EKF算法平均降低了31.4%；NN-PF-KF算法的健康参数均方根误差总和相比BP神经网络平均降低了33.8%，相比UKF算法平均降低了42.1%。此外，对于不包含风扇故障的情况，由于BP神经网络对故障定位正确，NN-PF-KF算法的健康参数均方根误差总和相比NN-SC-EKF算法平均降低了15.0%，而对于包含风扇故障的故障情况，由于BP神经网络

8、对风扇部件的估计结果较不准确，使得结果相反，NN-SC-EKF算法的健康参数均方根误差总和相比NN-PF-KF算法平均降低了8.4%。在Simulink仿真平台中，搭建了一个基于自适应拟合建模方法与神经网络-软约束-卡尔曼I基于卡尔曼滤波的商用涡扇发动机气路故障诊断滤波算法的气路故障诊断框架，并设计了各个功能模块。当未检测到气路突变故障时，该框架采用标准卡尔曼滤波器估计不包含低压涡轮流量和效率的8个