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。      

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。     

基于自联想神经网络的发动机控制系统传感器故障诊断与重构

研究自联想神经网络及其在发动机控制系统传感器故障诊断及重构中的应用。自联想神经网络关键在于特征提取和噪声滤波。综合自联想网络的最优估计与故障诊断 ,自动区分估计误差和传感器故障。仿真结果表明这种方法不需要模型 ,能诊断传感器硬、软故障 ,当发动机性能蜕化时也能提供很好的解析余度。     

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。      

数字式电传飞行控制系统的余度重构管理策略

 本文论述了三余度数字式电传飞行控制系统的余度重构管理策略,包括对重构管理提出的合宜指标、各次故障的余度重构和控制律重构的设计原理及其验证结果。此外,概述了重构管理软件的设计和实时可行性问题。     

基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制

提出了一种基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制方法.该方法通过给误差变量赋予不同权值因子提高LS-SVM的鲁棒性,采用修剪算法提高LS-SVM的稀疏性;该方法从某涡扇发动机输入输出空间中建立其正常模型,采用阈值判别法对传感器故障进行实时监视与诊断,并用模型输出值代替故障传感器测量值反馈回闭环控制系统,实现对发动机的自适应重构控制.仿真结果表明,该方法能及时准确地定位故障,并进行有效的自适应重构控制.      

航空发动机双余度控制规律设计方法

提出了航空发动机双余度控制规律设计概念和一种利用双余度控制规律作为控制传感器信号故障处理策略的方法;建立了备份控制规律设计方法和设计原则,应用于某高性能涡扇发动机双余度控制规律设计研究之中.研究结果表明:双余度控制规律可以实现无扰动转换,重构控制回路,提高发动机的任务可靠性.该方法可以应用于配装数字式电子控制系统的各类发动机.      

三余度迎角传感器可靠性分析及重构技术研究

受限于安装空间,本文提出了一种三余度迎角传感器配置方案,并对其进行可靠性分析,基于严苛情况下余度全故障或出现奇异故障时的考虑,提出一种控制律故障重构方法,通过仿真计算,分析其对系统的影响。研究表明,该方法可满足设计要求。     

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IGA-ELM网络的滚动轴承故障诊断

为了提高航空发动机轴承故障诊断准确率,提出基于改进遗传算法优化极限学习机网络（IGA-ELM）的诊断模型。针对传统遗传算法易早熟等缺陷,对遗传算法的交叉操作和变异操作进行改进,并用改进的遗传算法优化极限学习机的输入权值矩阵和隐含层阈值,利用Moore-Penrose算法计算极限学习机的输出权值矩阵。使用IGA-ELM诊断模型对滚动轴承正常、内环故障、外环故障和滚珠故障4种工况进行诊断,并分析极限学习机隐含层神经元的数量和激活函数对轴承故障诊断的影响。为了验证改进遗传算法优化极限学习机的有效性,将传统遗传算法、自适应遗传算法和粒子群算法作为对比算法。经过分析表明：改进遗传算法收敛速度和收敛误差,均优于对比算法。     

基于在线滚动序列核极限学习机的涡轴发动机非线性模型预测控制

针对涡轴发动机控制系统设计,提出了1种基于在线滚动序列核极限学习机的非线性模型预测控制方法。综合考虑直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速、涡轮级间温度和压气机喘振裕度等信息,设计具有较好实时性、精度和泛化能力的多输出在线滚动序列核极限学习机作为预测模型,引入预测模型输出与发动机输出的误差进行反馈校正,利用序列二次规化算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合平台的仿真环境中进行了直升机大幅度机动飞行仿真验证,结果表明:该模型预测控制器相比于传统串级控制具有更好的控制品质,可显著降低动力涡轮转速超调/下垂量。     

基于ELM的航空制孔机器人定位精度补偿方法

针对航空制孔机器人绝对定位精度补偿中存在的建模复杂及运算量大的问题,提出了一种基于极限学习机的绝对定位精度补偿方法。该方法通过将机器人视为一个黑箱系统,忽略机器人的几何因素和非几何因素的影响,通过高精度的激光跟踪仪测量获得机器人的末端运动误差,采用极限学习机建立机器人误差预测模型。由机器人误差预测模型获得机器人在期望位置的位置偏差,通过修正机器人位置坐标来实现机器人的绝对定位精度补偿。最后该方法在航空制孔机器人上进行了试验,试验结果显示机器人的绝对位置误差的平均值和最大值分别降低了75.69%和78.16%。     

基于自联想网络的发动机传感器解析余度技术

本文提出了一种基于自联想神经网络的传感器解析余度技术。在这种网络中,冗余传感器的信息被压缩、重组进入网络的第一部分,网络的第二部分将压缩信息恢复出来。基于数据融合原理,若一个传感器发生故障,其它传感器仍可提供足够的信息代替发生故障的传感器。理论分析和用于涡轴发动机的仿真结果表明,这种特殊结构的自联想网络具有良好的过滤噪声和故障信号的作用,特别适合于用作不易建模的复杂对象的传感器信号重构     

基于极限学习机的黑障区智能导航算法

在黑障区飞行阶段中,惯性导航系统会因缺少辅助导航系统而持续累积误差,导致飞行器导航系统可靠性下降。针对这一问题,提出了一种新的基于极限学习机的黑障区智能导航算法,通过极限学习机(ELM)对GPS正常工作的导航信息进行学习。在黑障区,利用学习得到的模型对惯性导航系统进行误差补偿,较好地修正了当GPS失锁时惯性导航系统的误差,避免了因误差累积而导致的导航信息发散。仿真结果表明,该算法能够保证在GPS失锁的黑障区中导航系统输出的信息有较好的可靠性和精度,能够为接下来的姿态调整和着陆准备提供良好的基础。     

基于NN-ELM的航空发动机燃油系统执行机构故障诊断

提出了一种航空发动机执行机构及其传感器单一故障诊断及定位方法.首先通过执行机构模型判断是否发生故障,然后运用发动机逆模型对故障进行定位.基于离线训练BP(back propagation)神经网络建立执行机构模型,根据某半物理仿真试验台的测试数据训练网络参数.提出离线训练和在线训练相结合的极端学习机(ELM)算法建立发动机逆模型,使网络在初始时刻就具有诊断能力,工作过程中具有适应能力,且在线训练过程采用阈值判别法筛选训练样本,减小了在线训练时间,提高了逆模型的实时性.以某型发动机燃油系统执行机构为例的设计和仿真结果表明:该诊断系统能够准确地对发动机在稳态和动态工况以及蜕化状态下的执行机构及其传感器单一故障进行准确诊断和定位,具有很好的实时性.      

Impulse feature extraction method for machinery fault detection using fusion sparse coding and online dictionary learning

Impulse components in vibration signals are important fault features of complex machines. Sparse coding(SC) algorithm has been introduced as an impulse feature extraction method, but it could not guarantee a satisfactory performance in processing vibration signals with heavy background noises. In this paper, a method based on fusion sparse coding(FSC) and online dictionary learning is proposed to extract impulses efficiently. Firstly, fusion scheme of different sparse coding algorithms is presented to ensure higher reconstruction accuracy. Then, an improved online dictionary learning method using FSC scheme is established to obtain redundant dictionary and it can capture specific features of training samples and reconstruct the sparse approximation of vibration signals. Simulation shows that this method has a good performance in solving sparse coefficients and training redundant dictionary compared with other methods. Lastly, the proposed method is further applied to processing aircraft engine rotor vibration signals. Compared with other feature extraction approaches, our method can extract impulse features accurately and efficiently from heavy noisy vibration signal, which has significant supports for machinery fault detection and diagnosis.     

Application of Analytic Redundancy-based Fault Diagnosis of Sensors to Onboard Maintenance System

Analytic redundancy-based fault diagnosis technique (ARFDT) is applied to onboard maintenance system (OMS). The principle of the proposed ARFDT scheme is to design a redundancy configuration using ARFDT to enhance the functions of redundancy management and built in test equipment (BITE) monitor. Redundancy configuration for dual-redundancy and analytic redundancy is proposed, in which, the fault diagnosis includes detection and isolation. In order to keep the balance between rapid diagnosis and binary hypothesis, a filter together with an elapsed time limit is designed for sequential probability ratio test (SPRT) in the process of isolation. Diagnosis results would be submitted to central maintenance computer (CMC) together with BITE information. Moreover, by adopting reconstruction, the designed method not only provides analytic redundancy to help redundancy management, but also compensates the output when both of the sensors of the same type are faulty. Our scheme is applied to an aircraft’s sensors in a simulation experiment, and the results show that the proposed filter SPRT (FSPRT) saves at least 50% of isolation time than Wald SPRT (WSPRT). Also, effectiveness, practicability and rapidity of the proposed scheme can be successfully achieved in OMS.