航空发动机传感器故障与部件故障诊断技术

《航空发动机传感器故障与部件故障诊断技术》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、2013年9月北京航空航天大学学报September2013第39卷第9期JournalofBeijingUniversityofAeronauticsandAstronauticsV01．39No．9航空发动机传感器故障与部件故障诊断技术李业波李秋红黄向华赵永平(南京航空航天大学能源与动力学院，南京210016)(南京理工大学机械工程学院，南京210094)摘要：结合局部学习思想与集成学习技术，提出了一种基于支持向量机．极端学习机-卡尔曼滤波器(SVM—ELM．KF，SupportVectorMachine．ExtremeLearningMachine—KalmanFi

2、l．ter)的航空发动机传感器故障与突发性部件故障诊断的方法．将改进的迭代约简最小二乘支持向量回归机训练技术推广到分类机中，用于区分传感器故障与部件故障，使得该分类机具有一定的稀疏性．对于传感器故障，利用ELM分类机对故障进行定位．对于部件故障，利用改进的卡尔曼滤波器对发动机各部件的健康参数进行估计，从而对部件故障进行定位．仿真结果表明，提出的故障诊断方法能够准确地区分传感器故障和部件故障，实现故障的有效定位，验证了方法的可行性．关键词：航空发动机；传感器故障；部件故障；支持向量机；极端学习机；卡尔曼滤波器中图分类号：V231．3文献标识码：A文章编号：1001．5965

3、(2013)09．1174-07Faultdiagnosisforsensorsandcomponentsofaero-engineLiYeboLiQiuhongHuangXianghua(CollegeofEnergyandPowerEngineering，NanjingUniversityofAeronauticsandAstronautics，Nanjing210016，China)ZhaoYongping(SchoolofMechanicalEngineering，NanjingUniversityofScienceandTechnology，Nanjing210

4、094，China)Abstract：Accordingtolocallearningandensemblelearningtechnologies，amethodforsensorsfaultandabruptcomponentsfaultdiagnosisofaero··enginewasproposedbasedonsupportvectormachine··extremelearn·-ingmachine-Kalmanfilter(SVM-ELM—KF)．Thetrainingapproachofimprovedrecursivereduced-leastsqua

5、ressupportvectorregression(IRR·LSSVR)wasextendedtoclassificationmachinetodistinguishsensorfaultsandcomponentfaults．Thetrainingmethodmakestheclassificationmachinehavebettersparsity．Con—sideringsensorsfault，theELMwasusedforfaultlocation．Forcomponentsfault，theimprovedKFwasadopt·edforhealthpa

6、rametersestimationandfaultlocation．Simulationresultsshowthattheproposedmethodforfaultdiagnosiscandistinguishsensorfaultsandabruptcomponentfaultsaccurately，andlocatethefaultseffec-tively．Thatis，theproposedmethodisvalid．Keywords：aero-engine；sensorfault；componentfault；suppoflvectormachine；ex

7、tremelearningma—chine；Kalmanfilter航空发动机是飞机的心脏，其性能与可靠性是飞机性能与飞行安全的重要保证．由于航空发动机结构复杂，并且经常工作在高温高速、大应力的恶劣环境下，使得发动机本身成为故障多发系统¨。．在服役过程中，除部件性能会发生缓慢退化外，还会出现突发性部件健康参数退化．与此同收稿13期：2012—10-17；网络出版时间：2013-09-2709：19网络出版地址：WWW．cnki．net／kems／detail／11．2625．V．20130927．0919．002．html基金