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.      

脉冲爆震发动机高温压力测量方法

为寻找一种适合于脉冲爆震发动机高温环境下的压力测量方法,在基于离子电流的PDE高温压力传感器机理研究的基础上,推导获得离子电流衰减速度与爆震波压力峰值的关系。设计了一种新型的单短探针型离子传感器,开展了单爆震试验获得了大量实验数据,采用最小二乘算法对试验数据拟合,获得了两者关系的具体表达式。研究结果表明,通过离子电流衰减速度计算获得的压力峰值与标定压力传感器测量值基本一致,误差在3%以内。     

参数限制对涡轴发动机过渡态控制的影响

通过研究涡轴发动机的限制参数,提出了涡轴发动机控制系统中可能采用的限制规律并建立了一个带多种限制模块的数字控制器,以某型涡轴发动机数学模型为控制对象,对带限制参数和不加限制的过渡态控制进行了仿真对比,给出了地面和空中的仿真结果,结果表明不同的限制参数组合会对发动机的过渡态性能产生不同的影响,在控制系统中合理选取限制参数及限制值能够优化发动机过渡态性能。      

涡扇发动机加减速控制规律设计的定状态法

为便于开展涡扇发动机过渡态控制规律的正向设计,提出了一种基于模型的定状态控制规律设计方法。通过固定发动机加减速过程中的转速状态量,逆向求解满足物理约束条件的最优燃油量,获得发动机最优加减速控制规律。以某涡扇发动机为例,使用该方法基于部件级模型动态仿真分别设计了发动机过渡态开环油气比控制规律与闭环转子加速度控制规律,结果表明:两种控制规律仿真结果基本一致,满足最短加减速时间的要求,发动机高、低压转速仿真曲线与设计状态一致,发动机涡轮出口总温、燃烧室余气系数和喘振裕度等主要参数均未超限,验证了所提出的涡扇发动机加减速控制规律定状态设计方法的正确性和有效性。      

基于参数线性组合的航空发动机气路健康参数估计

针对发动机上可用传感器个数小于待估计气路健康参数个数时的卡尔曼滤波估计问题,采用一种健康参数线性组合的方法。通过迭代搜索方法优化得到最优变换矩阵,对原健康参数进行线性组合,生成一组维数等于可用传感器个数的调整参数向量,然后采用卡尔曼滤波器对调整参数向量进行估计,最后通过还原变换得到原健康参数的估计值。以涡扇发动机为研究对象的仿真结果表明,在风扇、压气机的效率以及涡轮效率和流量分别或同时蜕化2%到3%时,该方法能够准确估计出所有的健康参数,而估计参数子集法的估计结果有可能出现明显偏差,甚至误判。     

航空发动机分布式控制系统结构分析

对近年来航空发动机分布式控制系统的研究作了简要分析。重点分析了航空发动机分布式控制系统的结构、功能和优点;比较了几种分布式数据总线和电源总线的优缺点,并指出了适用于航空发动机分布式控制系统的数据总线和电源总线选择;分析了发动机运行环境对开发分布式控制系统的影响,并提出了可能的解决方案;指出了开展航空发动机分布式控制系统研究的重要性和未来的发展方向。      

航空发动机简化实时模型仿真研究

在航空发动机数控系统研制中,由于缺乏详细的发动机部件特性数据,建立精确的航空发动机部件级模型非常困难。本文根据某型发动机地面试车稳态数据和动态数据,建立了航空发动机简化数学模型。稳态模型采用插值算法,动态模型采用动态系数法。所建立的模型框架灵活,算法简单,具有实时性。开展了发动机从起动到最大状态的稳态仿真和动态仿真,结果表明模型的稳态误差小于1％,较好地满足了发动机数控系统早期半物理仿真的需求。     

基于CRBMs-RVR的涡轴发动机输出功率衰退预测

针对涡轴发动机全寿命期内输出功率衰退预测问题，提出一种含多层连续受限玻尔兹曼机（CRBMs）深度特征提取的相 关向量回归（RVR）功率预测方法。对发动机气路部件测量数据进行重构，利用CRBMs深度网络提取数据深层特征，将特征数据作为RVR模型的输入，实现对输出功率的预测，并对预测结果提供概率分布。以某型双转子涡轴发动机部件级模型为试验对象，模拟全寿命期内发动机气路部件性能退化，对输出功率进行衰退预测。试验结果表明：基于CRBMs-RVR的预测模型与传统RVR预测模型相比，训练时间缩短30.2%，预测结果的均方根误差减小64.6%；与基于主成分分析（PCA）进行特征提取的PCARVR预测模型相比，预测结果均方根误差减小42.4%，验证了所提出的预测方法具有模型结构简单、预测精度高、可提供概率式输出的优点。     

航空发动机气路故障诊断的SANNWA-PF算法

针对航空发动机非线性、非高斯的特点，提出一种用于航空发动机气路故障诊断的自适应神经网络权值调整粒子滤波（SANNWA PF）算法。该算法根据粒子分布情况确定分裂和调整的粒子数目，进而根据粒子权重采用正态分布的方式进行分裂，采用反向传插(BP)神经网络进行权值调整，缓解了粒子的退化和贫化，具有更强的自适应性能和跟踪能力。通过一维非线性跟踪模型和航空发动机气路故障诊断仿真研究表明:SANNWA PF算法具有良好的非高斯性能，相对粒子滤波一维非线性追踪模型估计精度提高约21%，航空发动机气路故障诊断在高斯噪声和非高斯噪声下分别提高约30%和26%，诊断速度分别提高约7倍和10倍。      

航空发动机传感器信号重构的K-ELM方法

针对航空发动机传感器信号重构，提出了评价核极限学习机（K ELM）模型性能的一种快速留一交叉验证方法.结果表明:该方法可以避免原始的留一验证方法N次模型的显式训练，将计算复杂度降低为原来的1/N（N为样本数目）.该算法可以快速准确评价核极限学习机的性能，为核极限学习机确定最优的核参数.