航空发动机数控系统多故障识别

提出了一种基于模糊逻辑的航空发动机数控系统多故障的识别方法.首先采用Takagi-Sugeno(T-S)模糊模型描述一种涡喷发动机数控系统的非线性模型,然后应用全解耦奇偶方程进行多故障的检测和隔离,并结合卡尔曼滤波器识别出传感器和执行器故障参数.仿真结果表明,针对传感器和执行器同时发生故障的情况,此方法能有效检测故障,并能准确识别出故障参数.      

基于T-S模糊KPCA模型的分布式控制系统传感器故障诊断

为减小航空发动机多工况的工作特性和分布式控制系统非线性网络环境对故障诊断系统的影响,针对航空发动机分布式控制系统,提出一种基于T-S模糊KPCA模型的传感器故障诊断方法。首先采用C均值模糊聚类法,以油门杆角度为样本标签,对样本空间进行模糊分类,再通过模糊相似矩阵剔除各样本子空间的野值点;其次建立标称工况的KPCA模型,并利用训练样本对非标称工况的隶属度函数进行辨识,得到全工况T-S模糊KPCA模型;最后利用统计量T 2和SPE对传感器故障进行检测,并采用数据重构方法对故障传感器进行隔离定位。仿真结果表明该方法对发动机的任意稳定工况具有自适应能力,能够在非线性网络环境下对正常样本和故障样本保持较低的虚警率和漏报率。当多个传感器同时发生故障时,能够准确找到故障源,实现对故障传感器的隔离。     

航空发动机的模糊故障诊断方法研究

提出了一种基于T-S模糊模型的故障诊断方法, 该方法从样本空间提取模糊规则, 在模糊系统参数最优化的同时实现了对模糊系统结构的自适应优化, 并给出了故障判定的阈值确定方法.以某涡扇发动机定检稳态的机载记录数据为依据, 将基于T-S模糊模型的故障诊断方法应用于航空发动机, 研究结果表明, 该方法能准确地判定某涡扇发动机的健康状况, 将其应用于航空发动机故障诊断是可行、有效的.      

基于递阶残差神经网络的结构故障模式识别

提出了一种基于递阶残差分类神经网络的结构故障诊断新方法,与传统的基于模型的非线性系统的故障诊断方法相比,神经网络方法有着非线性逼近能力强和故障模式识别实时性好等优点。文中进行了残差特征提取和残差分类研究,设计了3层递阶残差结构分类器,提出了故障模式识别算法。最后以某型歼击机为例进行了仿真验证,仿真结果表明本文方法能有效识别歼击机结构故障的有无、位置、类型和程度。     

模型基涡轴发动机传感器故障诊断研究

基于干扰解耦思想,针对涡轴发动机工作中传感器瞬时断路硬故障模式,提出一种基于模型的涡轴发动机未知输入观测器传感器硬故障诊断方法。通过对地面、高空工作的涡轴发动机不同传感器故障的模拟,验证了该故障诊断方法的有效性。结果表明,基于模型设计的未知输入观测器(UIO),能够对系统输入中的测量干扰未知输入信号进行有效解耦,同时传感器故障信息通过UIO计算获得的输出估计具有鲁捧残差性能。     

基于T-S模糊模型的航空发动机非线性分布式控制系统故障诊断

针对航空发动机非线性分布式控制系统的故障诊断问题,首先提出了一种基于飞行包线划分的航空发动机非线性Takagi-Sugeno(T-S)建模方法,建立了具有网络诱导时延的航空发动机非线性分布式控制系统模型,然后将该系统视为离散切换系统,为其建立了具有时延补偿功能的故障观测器,给出了使得观测器误差系统渐近稳定的充分条件.故障检测仿真时间为20s,当第12s时,设定系统发生幅值为0.0025的阶跃型突变故障,仿真结果表明:12s之前,故障观测器保持渐近稳定,当第12s时,残差迅速增大并超过所设定阈值,从而检测到故障的发生.      

基于UIO的航空发动机控制系统传感器故障诊断

研究了航空发动机控制系统传感器鲁棒故障检测与隔离问题,提出了一种克服不同干扰对控制系统诊断性能影响的方法.应用未知输入观测器(unknown input observer,简称UIO)理论来解耦航空发动机动态系统干扰,并针对控制系统传感器设计一族UIO,提取出一系列的传感器残差特征数据,通过分析残差队列的幅值特性,实现航空发动机控制系统传感器故障诊断.在高斯白噪声、模型工作点变化和非高斯噪声三类干扰下的数字仿真结果表明,不管何种干扰,UIO诊断方法均能检测和隔离出传感器故障,在诊断鲁棒性方面,要优于Kalman滤波器诊断算法.      

基于T-S 模糊FTA 与仿真的舱盖机构故障诊断方法

针对高空舱舱盖机构系统故障源与故障程度难以判定以及故障特征值难以提取的问题,提出了基于T-S模糊故障树分析与仿真相结合的故障诊断方法。将T-S模型引入到舱盖机构不同步的典型故障分析中,用模糊可能性描述部件的故障概率;用T-S门来描述事件间的联系;用模糊数描述部件的故障程度,结合模型仿真模拟故障分析,获取部件发生故障时对顶事件的贡献或重要度,计算出顶事件发生故障的模糊可能性及其诊断决策。为高空舱舱盖机构的故障诊断和维修保养提供参考。     

基于数据驱动的主燃油计量装置故障诊断

为建立主燃油计量装置的故障诊断方法,提出一种基于快速存取记录器（QAR）数据的燃油计量参数估计模型建模方法,并结合液压机械控制装置工作原理,给出了基于燃油计量参数残差设计的主燃油计量装置故障诊断方案。设计基于系统辨识的燃油计量活门位置（FMVP）估计模型,采取降阶处理策略以提高模型的估计精度和动态响应速度,在此基础上给出基于多项式拟合的燃油流量（FF）估计模型。结果表明：所建立的FMVP模型估计残差不超过±2%,FF估计模型残差不超过±5%;该方案能够有效地诊断出燃油计量活门故障、线性可变差动位移传感器故障和热式流量计故障。该方案结构简单,不需要大量的调试技术,提高了故障检测精度,具有工程应用前景。     

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。     

检测传感器故障的鲁棒观测器

介绍一种在系统参数变化情况下进行故障检测的观测器。对观测器采用特征值、特征向量进行联合配置的算法 ,并对估计误差设计奇偶空间 ,使各传感器的故障在奇偶空间中被解耦分离 ,因而可用一个观测器检测与分离多路故障传感器 ,实现了故障检测的鲁棒性     

THE ROBUST OBSERVER FOR FAULTDETECTION OF THE SENSOR

ＴＨＥＲＯＢＵＳＴＯＢＳＥＲＶＥＲＦＯＲＦＡＵＬＴＤＥＴＥＣＴＩＯＮＯＦＴＨＥＳＥＮＳＯＲＷａｎｇＳｈｅｎｇｙｕａｎ（Ｆａｃｕｌｔｙ３０１，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓａｎｄＡｓｔｒｏｎａｕｔｉｃｓ，Ｂｅｉｊｉｎｇ，Ｃ...     

Detection of satellite attitude sensor faults using the UKF

A novel fault detection (FD) method for nonlinear systems using the residuals generated by the unscented Kalman filter (UKF) is proposed. The errors of the UKF are derived and sufficient conditions for the convergence of the UKF are presented. As the local approach is a powerful statistical technique for detecting changes in the mean of a Gaussian process, it is used to devise a hypothesis test to detect faults from residuals obtained from the UKF. Further, it is demonstrated that the selection of a sample number is important in improving the performance of the local approach. To illustrate the implementation and performance of the proposed technique, it is applied to detect sensor faults in the measurement of satellite attitude.     

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。     

A Polynomial Prediction Filter Method for Estimating Multisensor Dynamically Varying Biases

The estimation of the sensor measurement biases in a multisensor system is vital for the sensor data fusion. A solution is provided for the estimation of dynamically varying multiple sensor biases without any knowledge of the dynamic bias model pa- rameters. It is shown that the sensor bias pseudomeasurement can be dynamically obtained via a parity vector. This is accom- plished by multiplying the sensor uncalibrated measurement equations by a projection matrix so that the measured variable is eliminated from the equations. Once the state equations of the dynamically varying sensor biases are modeled by a polynomial prediction filter, the dynamically varying multisensor biases can be obtained by Kalman filter. Simulation results validate that the proposed method can estimate the constant biases and dynamic biases of multisensors and outperforms the methods reported in literature.     

Fault diagnostics and fault tolerant control

A novel simultaneous fault detection and diagnostics (FDD) and fault tolerant control (FTC) strategy for nonlinear stochastic systems in closed loops based on a continuous stirred tank reactor (CSTR) is presented. The purpose of control is to track the reactant concentration setpoint. Instead of output feedback we propose here to use proportional-integral-derivative (PID) state feedback, which is shown essential to achieve FTC against sensor faults. A new concept of “equivalent bias” is proposed to model the sensor faults. Both the states and the equivalent bias are on-line estimated by a pseudo separate-bias estimation algorithm. The estimated equivalent bias is then evaluated via a modified Bayes' classification based algorithm to detect and diagnose the sensor faults. Many kinds of sensor faults are tested by Monte Carlo simulations, which demonstrate that the proposed strategy has definite fault tolerant ability against sensor faults, moreover the sensor faults can be on-line detected, isolated, and estimated simultaneously     

基于奇偶方程的FADS传感器故障检测方法

重复使用运载器（RLV）的嵌入式大气数据传感系统（FADS）中传感器的高可靠性是RLV飞行控制系统高可靠性的保障。结合FADS采用多个测压点冗余配置的特点,利用各传感器测量值之间存在的解析冗余关系,设计奇偶方程,实现对各个测压点故障传感器的有效检测。     

In-Flight Parity Vector Compensation for FDI

The performance of a failure detection and isolation (FDI) algorithm applied to a redundant strapdown inertial measurement unit (IMU) is limited by sensor errors such as input axis misalignment, scale factor errors, and biases. A techique is presented for improving the performance of FDI algorithms applied to redundant strapdown IMUs. A Kalman filter provides estimates of those linear combinations of sensor errors that affect the parity vector. These estimates are used to form a compensated parity vector which does not include the effects of sensor errors. The compensated parity vector is then used in place of the uncompensated parity vector to make FDI decisions. Simulation results are presented in which the algorithm is tested in a realistic flight environment that includes vehicle maneuvers, the effects of turbulence, and sensor failures. The results show that the algorithm can significantly improve FDI performance, especially during vehicle maneuvers.     

发动机故障诊断经验影响系数的定量化问题

本文提出了根据发动机故障样本建立故障方程的方法。发动机经验故障方程是不同于发动机小偏差方程的另一类故障方程,它为发动机故障诊断提供了一条简便易行的途径,并且使发动机故障诊断范围扩展到气路分析方法难以适应的场合。文中讨论了经验故障方程的建立方法及其在发动机故障诊断中的应用,给出了利用经验故障进行发动机故障诊断的实例。