一种基于故障匹配的多重故障诊断方法

针对航空发动机数控（ FADEC）系统的传感器、执行机构为故障多发部件,并且目前国内的故障检测方法缺乏通用性的问题,基于故障诊断中卡尔曼滤波器的原理,以白噪声作用的一般离散线性随机系统为对象模型,结合多重故障假设法以及智能影响因子改进的残差平方加权和方法处理统计量信息,设计基于多重故障匹配卡尔曼滤波器（ FMKF）的故障诊断系统,可适用于FADEC系统多传感器与执行机构的软、硬故障诊断。仿真结果表明,方法能及时有效地检测到故障元件,并实现故障隔离,较常规滤波器,准确率高。     

发动机FADEC中微处理系统故障检测

本文提出了一种用于航空发动机全权限数字电子控制 (FADEC)中微处理系统的加电自检 (POST)方法。研究了 Hamming编码对航空发动机 FADEC中信息的故障检测和校正方法, 对微处理系统中的 RAM存储器故障检测以及 Hamming编码的故障检测和纠错能力分别进行了模拟实验。      

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.      

全修复策略下FADEC系统多故障TLD仿真分析

由于航空发动机全权限电子控制(FADEC)系统的时间限制派遣(TLD)分析是航空发动机型号合格审定的一项必要工作,针对目前FADEC系统的多故障TLD仿真分析方法中没有考虑短时限制派遣(ST)值可变以及维修策略对TLD分析影响的不足,提出了全修复策略下FADEC系统的多故障TLD仿真分析方法。分析和比较了现有的FADEC系统维修策略,按照机会维修或成组维修原理,提出了全修复策略。按照全修复策略,开展了仿真建模分析,设计和研究了多故障TLD的仿真流程和方法。通过实例仿真与分析,验证了所提仿真方法不受FADEC系统中零部件数量的影响,而且相对于单故障Markov模型,增加了占总故障数量8.84%的组合故障,提高了分析精度。     

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.      

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。      

面向FADEC系统BIT验证的综合故障注入器研究

为了评价航空发动机数字电子控制器机内自测试检测能力,提出了一种面向全权限数字电子控制(FADEC)系统机内自测试(BIT)验证的综合故障注入器的设计思想。综合故障注入器采用ARM处理器作为核心控制器;基于数模混合电路,分别通过后驱动技术和电压求和技术实现对数字电路节点和模拟电路节点的故障注入;针对各种传感器和执行机构的电气特征,设计了具有良好逼真度的接口模拟电路,从而与电子控制器(EEC)构成FADEC系统运行环境。通过对具有BIT功能的电子控制器原理样机的故障注入实验,证明该综合故障注入器作为航空发动机FADEC系统BIT设计和应用研究的工具是非常有效的。      

基于气动热力模型的FADEC系统FHA方法

从适航规章对全权限数字发动机控制(full authority digital engine control,简称FADEC)系统的安全要求出发,结合功能危险分析(functional hazard assessment,简称FHA)的一般原则和FADEC系统的特点,得到了FADEC系统FHA的分析要素.根据分析要素中的工具与数据需求,将航空发动机气动热力模型用于可调放气活门(variable bleed valve,简称VBV)控制功能失效危险分析,结果表明:①该模型能够辅助确定FADEC系统功能失效的发动机影响;②FADEC系统功能危险的模型分析方法通过定量分析确定发动机影响的危险等级,为FHA提供直观的参考依据,可作为对专家经验的补充.      

基于观测器的传感器故障检测方法对比分析

针对航空发动机传感器故障检测方法的适用范围缺乏量化数据问题，提出以故障检测性能指标为依据，对基于卡尔曼 滤波器和基于自适应滑模观测器的故障检测方法适用性进行对比分析。分别设计了基于卡尔曼滤波器的残差生成和自适应滑模观 测器的故障估计检测方法，根据故障检测策略实现故障检测；以蒙特卡罗法生成随机故障，对比分析在故障和干扰同时存在的情况 下2 种方法的故障检测效果和适用范围；基于DGEN 380 发动机进行仿真，仿真结果表明：基于卡尔曼滤波器的故障检测方法对高 斯噪声的处理能力较强，但故障检测率不足50%，尤其是针对软故障效果较差；而基于滑模观测器的故障检测方法在不考虑测量噪 声的情况下，针对软硬故障检测的效果均较好，但处理传感器测量噪声的能力较差。     

采用一组卡尔曼滤波器检测发动机传感器故障

在发动机全功能数字电子控制系统中,提高传感器工作的可靠性是十分重要的,除了不断对传感器本身的性能加以改进提高外,现在广泛地采用了余度技术。近二十年来对解析余度(Analyt ical Redundancy)进行了广泛的研究,解析余度(AR)方法是基于各状态变量之间存在的解析关系,在系统可观条件下,利用无故障的输出测量值去估计(构造)已故障传感器正常工作状态时的输出信息,从而实现对故障的检测、隔离与重构,保证控制系统具有预定的控制性能。      

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。      

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     

故障诊断的神经网络多重模型自适应方法

将神经网络与故障诊断的多重模型自适应方法相结合,提出了故障诊断的神经网络多重模型自适应方法,并对某型航空发动机控制系统传感器故障进行诊断仿真。仿真表明,该方法能够用来解决具有模型不确定性系统的故障诊断问题,同时,对未知的故障模态具有自学习能力     

用于检测操纵面损伤的故障检测滤波器

针对飞行中典型的操纵面损伤故障,以故障检测滤波器为基础,开发了一种建立在离散模型上的快速、稳定的故障检测及诊断算法,可以在几个采样周期内同时精确检测出多个操纵面的损伤程度,故障检测滤波器的稳定性、收敛性也得到证明,具有较好的实用性。几种组合故障下的仿真研究证实了上述结论。     

故障诊断的神经网络观测器法

以神经网络的自学习代替故障诊断观测器法中的解析计算,提出了一种新的故障诊断方法,从而解决了具有模型不确定性系统的故障诊断问题。对某型航空发动机控制系统传感器故障进行了仿真研究,该方法不仅具有传统观测器法报警及时准确、易于实现容错控制的优点,又不需要获得系统精确的数学模型,对具有模型不确定性系统的故障诊断与容错很有效     

Sensor/actuator fault diagnosis based on statistical analysis of innovation sequence and Robust Kalman Filtering

In this paper, an approach to detect and isolate the aircraft sensor/actuator faults affecting the mean of the Kalman filter innovation sequence is presented. The effects of the sensor and actuator faults in the innovation process of the channels are investigated, and a decision approach to isolate the sensor and actuator faults is proposed. When a Kalman filter is used, the decision statistics change regardless of whether the fault is in the sensors or in the actuators, whilst when a Robust Kalman Filter (RKF) is used, it is easy to distinguish the sensor and actuator faults. A novel feature of this diagnostic method is that the innovation sequence based fault isolation algorithm has been presented and hence, the sensor/actuator fault detection and isolation problem has been solved. The categories (or classes) of the likely faults are not demanded. The statistical characteristics of the system are not required to be known after the fault has occurred. In the simulations, the longitudinal dynamics of an aircraft control system are considered, and the detection and isolation of pitch rate gyro faults and actuator faults affecting the mean of the innovation sequence are examined.