基于SVD卡尔曼滤波器的航空发动机参数估计

《基于SVD卡尔曼滤波器的航空发动机参数估计》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、第28卷第6期2010年12月中国民航大学学报JOURNALOFCIv几AVIATIONUNIVERSITYOFCHINAV01．28No．6December2010基于SVD卡尔曼滤波器的航空发动机参数估计蒋陵平(中国民用航空飞行学院。四川广汉618307)摘要：航空发动机推力估计所需要的健康参数较多．而安装的传感器数量相对较少。为解决二者之间的矛盾。运用奇异值分解算法。设计了基于该算法的降维卡尔曼滤波器，对用少量传感器发动机的健康参数进行最优估计，进而重构发动机的推力。数字仿真结果验证了其在航空发动机中应用的可能性。关键词：航空；推进系统；发动机；卡尔曼滤波

2、中图分类号：V233．7文献标识码：A文章编号：1674—5590(2010)06-0014-04Aero-EngineParametersEstimationBasedonSVD-KalmanFilterNGLing-ping(CivilAviationnightUniversityofChina，Cnan#∞618307，China)Abstract：Accuratethrustreconstructiondependsonknowledgeofhealthparameters．butthereareusuallytoofewsen—so鹞tobeablet

3、oestimatetheirvalues．BasedonSingularValueDecomposition(SVD)。anewdimensionre．ductionKalmanFilter(KF)isdesigned．Inthisnewtechnique，aero-enginehealthparameterscanbeoptimalestimatedbyasmallamountofgengor8，whichenablethereconstructionofunmeasuredaero-engineoutputs，suchasthrust．Thesimuhtio

4、nresultsindicatethatthedesignedSVD-KFhasgoodperformance．Keywords：aviation；propulsionsystem；aero-engine；KalmanFilter通常情况下发动机的蜕化量不能准确获得，使对发动机不可测性能参数(如推力、喘振裕度)的估计变得困难。发动机本体的蜕化一般认为是发动机几大主要部件(风扇、高压压气机、燃烧室、高压涡轮、低压涡轮)的效率、流量等健康参数的偏离量。若要对这些健康参数准确估计，就要安装至少和其数量相等的传感器。而目前在役发动机传感器数量恰恰有减少的趋势，其数量一般

5、比健康参数要少，就不可能对蜕化量进行准确估计。在这种情况下，只能采取折中的办法选取健康参数的一部分用于推力估计，而假设其他参数没有蜕化IIJ。如果其中任何一个健康参数发生蜕化，都会对其他参数造成某种程度的影响。因此，采用这种方法得到的健康参数估计值不是某个蜕化量真实值。当用常规卡尔曼滤波器估计健康参数子集时，由于传感器数量的限制，估计出的健康参数子集往往不准确。而推力等不可测性能参数受健康参数蜕化量的影响，对蜕化量不准确的估计会导致对推力重构的不准确。由于发动机健康参数之间并非都相互独立，有些健康参数之间存在耦合【2】，因此在所有健康参数都发生蜕化的情况下，仍有

6、可能找到一个蜕化量的子集以对推力进行准确的重构。面临的主要问题是：在保证估计精确度的前提下，如何把所有蜕化量对推力的影响用较少的变量加以近似。如果所有健康参数都发生偏离，用一般方法无法解决健康参数的子集选取问题。要得到一组整定参数(不一定是健康参数的一个子集)，其在保留尽可能多原始信息的基础上维数要足够小。而奇异值分解(SVD)方法本身就包含信息压缩与信息重构，在统计分析、信号与图像处理、系统理论与控制中得到广泛应用13I。下面就利用奇异值分解方法找到一组整定参数，使其包含所有健康参数信息，然后把这些参数应用到卡尔曼滤波器以提供最优估计。1奇异值分解(SVD)算

7、法1．1问题描述考虑到某型发动机模型的状态空间表达式收稿日期：2010-05—19；修回日期：2010--07—19作者简介：蒋陵平(1971一)，男，重庆人，副教授，学士，研究方向为航空发动机．第28卷第6期蒋陵平：基于SVD卡尔曼滤波器的航宅发动机参数估计15j=Ax+Bu+14,+eY=Cx+Du+Mp+W(1)Z=Ex+Fu+Np式中：X为状态变量；il为控制输入；y为可测输出量；z为基于模型的辅助输m量；向量P表示发动机的健康参数；向量e和w分别表示系统噪声和量测噪声，其协方差阵分别为Q和R；A、B、C、D、E、F、L、M和Ⅳ为适维矩阵。从式(1)看f

8、}{，仅从数学意义上来说