航空发动机传感器故障实时诊断方法研究

《航空发动机传感器故障实时诊断方法研究》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-SZ015学科分类号：085206硕士学位论文航空发动机传感器故障实时诊断方法研究研究生姓名刘立婷专业类别工程硕士专业领域动力工程指导教师李秋红副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NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofEnergyandPowerEngineeringTheResearchofReal-timeSensor

2、FaultDiagnosisMethodforAero-engineAThesisinPowerEngineeringbyLiuLitingAdvisedbyAssociateProfessorLiQiuhongSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringMarch2018承诺书本人声明所呈交的硕士学位论文是本人在导师指导下进行的研究工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

3、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：2018.3.30南京航空航天大学全日制专业学位硕士学位论文摘要在涡扇发动机的控制系统中，传感器作为测量元件直接影响着控制系统及整个发动机的安全运行。为了保障涡扇发动机的可靠性，本文采用三种不同的

4、方法设计了传感器的故障诊断系统，并开展了仿真验证。首先，本文介绍了涡扇发动机非线性数学模型及其线性化方法，并基于线性化模型设计了卡尔曼滤波估计器，通过设计各个局部滤波器对应的输入信息，建立了基于联合卡尔曼滤波器的传感器故障诊断系统。其次，本文基于非线性自回归(NARX)神经网络算法建立了传感器故障诊断系统。该部分利用NARX神经网络的反馈特性，将过去时刻的输出也参与到输入中，使得该网络包含了多步输入输出的时延信息，提高了网络训练的精度。同时采用故障阈值判别法更新网络参数，根据判别结果将故障传感器信号

5、剔除并以映射值代之作为系统的输出。针对算法运算，提出了仅对神经网络隐含层到输出层的权值进行在线修正，提高了传感器故障诊断的实时性。最后，本文围绕神经网络训练算法的改进和多余度传感器故障诊断系统的设计开展研究工作。提出了一种基于组合激励函数的神经网络隐含层输出计算方法，并以递推最小二乘法更新神经网络权值，提高了算法的运算效率。针对多余度传感器故障诊断问题，以双通道传感器与神经网络映射模块构成多余度故障诊断系统，并以模糊逻辑进行信息融合。同时，本文通过减少诊断系统的输入及隐含层节点数，对传感器故障诊断系

6、统的结构进行了精简设计。该设计的优势在于，由于所设计的诊断系统输入信号少，诊断传感器之间的相互耦合和关联少，通过诊断逻辑的设置，可以使系统实现多传感器故障的有效诊断。仿真结果显示，当传感器发生偏置及漂移故障时，本文所设计的故障诊断系统诊断及重构效果较好。关键词：航空发动机，传感器故障诊断，卡尔曼滤波器，神经网络，多余度I航空发动机传感器故障实时诊断方法研究ABSTRACTIntheturbofanenginecontrolsystem,thesafeoperationofthecontrolsyst

7、emandtheengineareaffecteddirectlybythesensorswhichworkasmeasureelements.Therefore,toimprovethereliabilityoftheturbofanengine,threemethodswereresearchedtodesignthesensorfaultdiagnosissystem,andsimulationswerecarriedouttoverifythesemethods.Firstofall,the

8、nonlinearmathematicmodelofturbofanengineanditslinearizationmethodwereintroducedinthisdissertation.TheKalmanfilterwasdesignedbasedonthelinearizationmodel.Bydesigningthecorrespondinginputinformationofeachlocalfilter,thesensorfaultdiagnosi