飞行传感器的故障检测与识别

 飞行传感器是飞行控制和导航系统中的薄弱环节,它们的故障率一般是比较高的。为了提高系统的可靠性,对传感器的故障应能实时地检测和识别,并重构传感器所测量的信号(修正)。为此,在系统中常采用传感器的硬件余度和解析余度。本文介绍了飞行传感器硬件余度和解析余度的原理以及几种实用的余度方案,对解析余度中的统计决策原理和故障检测的鲁棒性问题也作了简单介绍。     

辅助动力装置控制系统传感器智能解析余度方法

针对辅助动力装置(APU)控制系统传感器故障,提出了一种基于协方差优化集成极限学习网络(COSELM)的传感器智能解析余度方法。该方法能够根据在线序列预测误差的最小方差来自适应更新单个在线序列极限学习机的权重系数,发挥和权衡各个学习模型的优势,通过提高模型算法的稳定性和泛化性,改善传感器智能解析余度的精度。通过在某辅助动力装置控制系统传感器解析余度的验证表明,提出的COSELM方法可以解决传感器在发生偏置故障时的信号重构问题,重构误差不超过1%,适用于不同辅助动力装置个体,为其提供可靠的解析余度。     

航空发动机传感器解析余度模型的建立方法

为了使用解析余度模型对传感器故障进行诊断,提出了1种基于K-均值聚类与改进微分进化算法优化的极端学习机(IDE-ELM)的发动机传感器解析余度模型建立方法。为避免求解ELM算法时H矩阵奇异,采用K-均值聚类对试验数据进行聚类处理,然后从每类数据中选取1组数据组成训练样本用于训练;利用IDE算法优化ELM的输入层权值和偏置,提高ELM的泛化能力。利用飞行试验数据进行了仿真验证。结果表明:基于K-均值聚类和IDE-ELM设计的传感器解析余度模型具有较高的精度,可用于FADEC系统双通道传感器的故障诊断。     

基于低冗余度的传感器故障诊断研究

对于大型飞机来说,飞行控制系统各部件(包括传感器)多采用高余度的硬件配置来提高系统的任务可靠性,但对小型飞机来说,由于受重量、空间及费用等原因的影响,一些传感器不适合安装三余度或四余度传感器。对于二余度或单传感器来说,如何鉴别故障传感器或判断传感器是否发生故障较为困难。同样,传统的故障诊断与隔离方法并不能隔离三余度传感器系统中的多个故障。为了解决低冗余度传感器故障诊断问题,提出一种不依赖数学模型的奇偶方程方法与小波分析相结合的传感器故障诊断方法。     

基于部件跟踪滤波器的解析余度技术

研究一种以发动机部件跟踪滤波器(CTF)为基础的解析余度技术, 它将CTF与故障检测、隔离和适应逻辑进行了有效的综合, 以改进发动机数控系统的可靠性。仿真表明, 本文所设计的解析余度技术, 在传感器无故障时, 机载模型能正确跟踪发动机的变化。当传感器发生故障时, 在不损坏机载模型的情况下, 又能及时、有效地进行硬、软故障的检测、隔离与适应。      

余度传感器系统中传感器配置结构和奇偶向量的最优化

 本文研究了余度传感器系统传感器的配置和奇偶向量的选择问题,从输出和检测性能最优的准则出发,给出了配置结构和奇偶向量的求解途径,并将它同现有的一些方法进行了比较。     

基于LVDT/RVDT的交流模拟量解调方法研究

差动变压器式传感器是在飞行控制系统中广泛采用的电磁式变换元件,实时准确地对传感器输出进行识别和故障检测非常关键。研究了一种基于LVDT/RVDT传感器的交流模拟量的解调和监控方法,并进行测试验证,方法可有效地对传感器的输出进行解调和监控,提高系统的安全可靠性。     

改进的容错惯性导航系统

 用于余度捷联惯性测量单元(IMU)的故障检测及分离(FDI)方法的性能受到诸如输入轴不准,刻度因子误差以及偏倚这样的传感器误差的限制。本文采用分离偏倚估计方法以获得上述影响奇偶向量的传感器误差的线性组合的估计,然后将这些估计用于构成补偿的奇偶向量,该奇偶向量不包括传感器误差的影响。用经补偿的奇偶向量代替未经补偿的奇偶向量进行故障检测及分离判决以提高FDI的性能。仿真结果表明奇偶向量补偿算法可大大提高FDI的性能,特别是在飞行器做机动飞行时。     

自修复飞控系统的故障主动检测设计

当今自修复飞控系统多采用基于模型的解析余度法来检测传感器、作动器和操纵舵面故障。本文介绍了自修复飞控系统组成,自修复故障的基本方法;提出了通过模型参数的自适应调节,假设检验参数实时调整以及采用“零输出”响应的舵面故障检验激励的综合设计方案,以实现充分利用自修复系统功能的“主动检测”。     

民用飞机飞控系统传感器信号表决设计

电传飞控系统(Fly By Wire,简称FBW)通过传感器余度配置,提高了信号可用性和完整性。介绍了几类常见的传感器余度配置方案及其表决逻辑,设计了三余度传感器表决架构,对其中比较器、计数器进行了详细描述。最后通过一个仿真算例验证了表决器设计的正确性。对于国内民机传感器余度配置和表决管理具有指导意义。     

检测滤波器在FADEC系统传感器FDI中的应用研究

研究将检测滤波器应用于全权限航空发动机控制系统(FADEC)的传感器故障检测和隔离(FDI).完整设计了针对于某型FADEC系统传感器的检测滤波器系统, 然后利用非线性发动机模型进行了仿真。数字仿真结果表明, 检测滤波器是十分有效的。      

某型涡扇发动机控制系统传感器故障诊断研究

研究利用卡尔曼滤波器及多重故障假设检验方法来检测某发动机控制系统传感器硬、软故障,并实现故障传感器的输出重构。给出了传感器故障诊断原理及算法,针对传感器常见典型故障进行了故障诊断过程仿真。仿真结果表明,所研究的方法能及时、有效的检测到故障传感器,并对其进行隔离和重构,没有发生误报和漏报现象。      

航空发动机双重传感器故障诊断逻辑研究

针对航空发动机控制系统的双重传感器故障,提出了一种采用双路容错设计的卡尔曼滤波器故障检测隔离系统.故障检测隔离系统由一系列卡尔曼滤波器组成,每个滤波器都假定2路传感器故障,而以故障支路外的测量值作为输入量.当双重传感器故障发生时,只有不包含故障传感器信息的滤波器保持较低的估计残差,其他滤波器都会产生较大的估计残差,如此双重传感器故障便可以被隔离.利用滤波器组估计残差的特征,进一步设计合理的运算逻辑,系统就可以同时对传感器单一故障进行检测和隔离.为了验证故障诊断系统的有效性,在发动机慢车状态分别对传感器发生双重故障和单一故障的情况进行仿真.仿真结果表明:故障诊断系统能够准确有效地对传感器双重故障和单一故障进行检测和隔离.      

航空发动机控制系统传感器FDIA系统仿真

基于卡尔曼滤波器组,建立了航空发动机控制系统传感器故障诊断系统,实现了对单个传感器故障的检测、隔离与重构(FDIA),确保了发动机控制系统即使在传感器故障发生的情况下,依然能安全可靠地工作.同时利用Simulink建立一个通用的发动机传感器故障诊断仿真平台,在此仿真平台上,对故障的诊断进行仿真验证,并分析了测量噪声对故障诊断系统性能的影响,为发动机在线传感器故障诊断系统的实现提供理论依据.      

贝叶斯假设理论检测发动机传感器故障

贝叶斯多重假设检验是将被检测传感器的M个可能状态,作相应M个假设H_i,其先验概率分别为P(H_i)(i=1,2,…,M),故障决策就是从给定观测量M,寻求H_j为真,由贝叶斯风险函数H_i(i=1,2,…,M,i≠j)个假设中的最小值确定最可能发生的假设H_l。      

Sensor Fault Detection in a System with Random Disturbances

Sensor faults are detected in an operating automatic system by a simplified version of the dedicated observer scheme. Control inputs are augmented by a random disturbance of moderate intensity. The dedicated observer in this case is a Kalman filter, driven by a single sensor. This filter provides estimates of the outputs from the other, nonredundant, sensors. A logical combination of these functionally redundant signals with the actual sensor signals provides prompt detection of incipient faults on all instruments without false alarms. The scheme is applied to a simulation of the lateral axis control system of a hydrofoil boat in which four sensors are to be covered by the fault detection scheme. Tests indicate that the scheme is robust with respect to variations in the intensity of the random disturbance.     

采用序列概率比方法检测航空发动机传感器软故障

提出基于卡尔曼滤波和序列概率比方法进行某型涡扇发动机控制系统传感器软故障检测新方法.研究了采用修正的序列概率比方法处理滤波残差,检测传感器软故障;并将该方法与残差加权二乘算法WSSR(Weighted Sum of Squared Residual)检测传感器软故障过程进行了对比.仿真结果表明,序列概率比方法较WSSR法所需决策时间短,适合于航空发动机传感器软故障检测.      

涡扇发动机传感器故障诊断的快速原型实时仿真

为快速高效地完成涡扇发动机传感器故障诊断算法的硬件在环仿真试验,构建了以NI CompactRIO为核心的传感器故障诊断系统的快速原型实时仿真平台.基于一簇卡尔曼滤波器,在LabVIEW编程环境中建立了传感器故障诊断系统.分别在涡扇发动机模型稳态和动态工作时完成了对单个传感器故障的检测、隔离和重构的硬件在环仿真试验并验证了算法精度.经过大量试验,结果表明:基于卡尔曼滤波器理论的诊断算法能在传感器故障情况下确保控制系统安全运行,诊断精度最高可达1.4%;同时表明,该快速原型实时仿真平台的设计是成功的.研究工作为发动机传感器故障诊断系统的半物理仿真试验奠定了基础.      

基于混合卡尔曼滤波器组故障传感器定位方法

为了在发动机性能蜕化与传感器故障并存的情况下实现故障传感器的定位与部件蜕化情况的估计,并实现故障诊断基准数据的修正,构建了1种包含了机载模型与线性卡尔曼滤波器的组合结构混合卡尔曼滤波器组。该卡尔曼滤波器组能够在之前所描述的故障/蜕化耦合情况下定位故障传感器,并得到较为准确的部件蜕化估计结果。为了验证了混合卡尔曼滤波器组的有效性,进行了相关仿真。仿真结果表明:混合卡尔曼滤波器组能够在发动机动态过程中遭遇传感器故障与部件蜕化并存的情况下完成故障定位与蜕化估计。