涡扇发动机早期退化性能的线性变参数估计

针对涡扇发动机线性变参数(Linear parameter varying,LPV)模型,给出了一种新的早期退化航空发动机部件性能LPV滤波器设计方法.该方法采用仿射依赖于参数的二次Lyapunov函数,在仿射二次稳定性的基础上,引入多凸性引理将滤波器求解问题转化为线性矩阵不等式(Linear matrix inequalities,LMI)约束下的凸优化问题,避免了求解参数化线性矩阵不等式(Parameterized linear matrix inequalities,PLMI)约束下的优化问题.针对某型早期退化涡扇发动机的仿真表明,该方法能以较高精度估计性能退化参数,且鲁棒性强,增益调度简单,具有一定的工程意义.      

一种考虑非线性余项的机载发动机自适应模型建立及其在寻优控制中的应用

为了解决传统的机载发动机分段稳态线化模型精度不足的问题,在发动机稳态线化模型中引入了模型各输出参数泰勒展开中的非线性余项,建立了考虑非线性余项的机载发动机稳态模型。为了估计真实发动机部件蜕化情况,建立了基于Kalman滤波的发动机部件性能蜕化估计模块。以考虑非线性余项的发动机稳态模型为核心,结合性能蜕化估计模块构建了机载发动机自适应模型。针对所建立的机载发动机自适应模型,进行了单部件及多部件蜕化参数估计以及最小油耗性能寻优控制模式的仿真。仿真结果表明,考虑非线性余项的机载发动机自适应模型误差在1%以内,且具有优化耗时少 ,建立模型样本数据需求量小的特点。     

涡扇发动机变参数鲁棒H_∞滤波器设计

针对存在建模误差及测量噪声干扰条件下的涡扇发动机性能参数估计问题,标准卡尔曼滤波及其改进算法滤波估计误差收敛速度慢,滤波估计精度低,对不确定测量噪声及建模误差较为敏感,为此本文提出了一种变参数鲁棒H_∞滤波器设计方法。该方法采用仿射参数依赖Lyapunov函数设计满足H_∞性能指标要求的鲁棒滤波器,通过引入凸多胞技术,将参数依赖线性矩阵不等式(Linear Matrix Inequality,LMI)中变参数Lyapunov矩阵与系统系数矩阵之间耦合乘积导致的非凸优化问题,转化为常规LMI约束下的凸优化问题进行求解,降低了线性变参数(Linear Parameter Varying,LPV)鲁棒滤波器设计的保守性,得到了全局解。针对涡扇发动机的仿真结果表明:与扩展卡尔曼滤波器对比,采用该方法设计的滤波器具有较快的动态跟踪速度和较高的滤波精度,ΔFn的稳态估计误差不大于0.1%,ΔFn的相对估计误差不大于2.5%,同时对建模误差和测量噪声干扰具有较强的抑制能力。     

基于自适应粒子滤波的涡扇发动机故障诊断

针对涡扇发动机非线性、非高斯的特点,提出了一种自适应的粒子滤波算法用于涡扇发动机气路部件突变故障的诊断.为了减小算法的计算量并且保证滤波精度,分析了滤波精度和样本数目的关系,提出根据滤波过程中状态的方差自适应地调整粒子数,在保证一定的滤波精度下可以有效地减少滤波过程中使用的粒子数,提高了算法的实时性.同时,引入扩展卡尔曼滤波(EKF)用于更新粒子,产生重要概率密度函数,在一定程度上避免了粒子的退化.通过某型涡扇发动机的仿真分析表明:改进的算法相比标准粒子滤波算法用于涡扇发动机气路部件故障诊断时,参数估计的方均根误差减小了50%左右,且算法的计算量减小了30%.     

航空发动机健康参数的卡尔曼滤波估计方法分析

针对航空发动机气路部件健康参数估计问题,研究了基于线性和非线性模型的卡尔曼滤波估计方法.通过对气路部件渐变故障的仿真,比较了卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)、无味卡尔曼滤波(UKF)三种方法对健康参数的估计效果,对EKF在常增益条件下的仿真用时与估计结果进行了研究.结果表明,EKF可根据需要求取卡尔曼增益,能在较少计算量下得到较好的估计结果,是一种实用的非线性参数估计方法.     

基于自适应容积卡尔曼滤波方法的涡扇发动机气路部件故障诊断

针对涡扇发动机气路部件故障诊断中参数存在不同的噪声统计特性,提出了一种自适应平方根容积卡尔曼滤波(ASRCKF)器的自适应滤波方法.该方法直接利用基于3阶容积积分方法近似发动机的非线性统计特性,用于替代非线性无迹卡尔曼滤波方法的系统模型,避免了滤波过程参数选取的问题;采用移动窗口法对噪声协方差矩阵进行自适应估计,提高了算法对不同统计特性噪声的自适应能力和滤波精度.通过对发动机气路部件健康参数蜕化过程仿真结果表明:ASRCKF方法相比平方根容积卡尔曼滤波(SRCKF)方法,精度提高40%~50%,对不同噪声信号具有更好的适应能力.      

基于改进平方根无迹卡尔曼滤波方法的涡扇发动机气路状态监控

针对涡扇发动机气路状态监控存在模型未知或不准确导致滤波效果下降甚至发散的问题,研究了一种融入高斯过程回归（GPR）的改进平方根无迹卡尔曼滤波（UKF）方法.该方法利用GPR对训练数据进行学习,建立发动机气路部件状态监控的GPR模型,替代UKF方法中的非线性系统模型;采用超球体单形采样和平方根滤波方法来提高滤波的计算效率和数值稳定性.仿真结果表明:训练的GPR模型解决了UKF方法对发动机原系统模型和噪声协方差矩阵依赖性的问题;与扩展卡尔曼滤波（EKF）和平方根UKF方法相比较,改进平方根UKF方法精度更高,对健康参数的估计精度达到99.9%,实现了对涡扇发动机单个和多个气路部件健系参数的有效跟踪.      

涡扇发动机部件特性的滤波自动修正更新方法

针对航空发动机部件制造装配以及性能蜕化引起的平均模型与个体发动机之间的性能不匹配问题,提出一种基于非线性滤波算法的发动机部件特性自动修正方法。根据发动机部件级平均模型输出与个体量测数据的残差,利用数据处理策略结合无迹卡尔曼滤波算法的不可测部件特性变化估计,自动更新发动机部件特性,建立发动机个体物理模型。通过小涵道比涡扇发动机仿真验证,结果表明该方法可自动修正发动机部件特性,相比较平均模型,通过该方法修正的发动机个体模型中各截面温度、压力计算偏差均在0.5%以内,有效提高涡扇发动机个体物理模型稳态、动态精度。     

涡轮发动机平衡流形展开模型辨识方法研究

 根据涡轮发动机平衡流形展开模型的特点提出了两步建模方法。将复杂非线性建模转化为静态参数拟合和带约束条件的动态参数最小二乘辨识，根据单轴涡喷发动机气动热力模型辨识算例证明了方法的有效性。     

基于PnP和自适应线性卡尔曼滤波的实时位姿估计

针对实时位姿估计中扩展卡尔曼滤波(EKF)线性化引入非线性误差和依赖已知噪声分布的缺点,提出一种基于PnP的自适应线性卡尔曼滤波位姿估计求解方法。将PnP位姿估计求解策略引入卡尔曼滤波观测方程,通过对动态方程误差统计参数实时估计,自适应调节卡尔曼滤波递推参数。所提算法求解精度高,固定了观测方程的观测向量维度,提高了算法实用性。通过仿真试验,比较了该算法与EKF的位姿估计精度,通过量化误差分析,证明了该方法可以提高三维运动位姿估计精度,也验证了该方法的有效性。