基于多模型的航空发动机传感器混合故障诊断方法

本文在多模型架构下,提出一种航空发动机传感器在线混合故障检测与隔离算法。利用长短期记忆网络逼近航空发动机建模误差、健康参数变化、过程噪声和测量噪声等不确定性源引起的真实发动机与机载模型之间的偏差。将传感器测量输出与不确定性值的偏差用于一种基于多模型的混合卡尔曼滤波器组算法中,利用贝叶斯方法计算每个传感器在健康模式和不同故障模式下的条件概率,然后根据最大概率准则进行传感器故障检测与隔离,克服了阈值难以选取的问题。针对某型涡扇发动机传感器发生偏置故障、漂移故障和间歇性故障的情形进行仿真验证,并对比了不同传感器之间的检测与隔离精度。结果表明：所提出的方法可以在更高水平的退化下诊断出发动机传感器常见的故障,混合方法对不同不确定性源具有鲁棒性。     

基于AMESim/Simulink的补燃循环火箭发动机与调节阀特性仿真

在AMESim软件环境下重新建立了某型补燃循环液体火箭发动机的调节阀部件动态模型，在Simulink软件环境下建立了机电作动系统的动态模型，将两者与修改后的火箭发动机模型进行变推力过程联合仿真，并在仿真中注入输送管路压力扰动。仿真结果表明：机电作动系统与调节阀模型能够反映发动机变推力过程中各部件内部的参数变化；联合仿真保持了原发动机模型的稳态精度，各主要参数误差均在1‰量级；调节阀的活塞自反馈机构能够抑制输送管路中低频压力波动对发动机推力的影响。     

航空发动机多电分布式控制系统故障诊断与容错关键技术综述

针对未来航空发动机需求，结合多电分布式控制特点和优势，基于先进算法，开展了多电分布式控制系统故障诊断与容错关键技术研究。首先从航空发动机分布式控制系统、多电发动机、故障诊断与容错控制方法和硬件在环仿真平台搭建4个方面对国内外航空发动机多电分布式控制系统故障诊断与容错技术进行梳理，总结了多电分布式控制系统故障诊断与容错的关键问题；之后提出了多电分布式控制系统的故障诊断与容错架构设计、基于模型的故障诊断与容错方法、双主动冗余电机控制系统故障诊断与容错方案、基于深度学习的电力作动器故障诊断与容错方案和硬件在环仿真平台搭建的关键技术；最后对航空发动机多电分布式控制系统故障诊断与容错未来的发展趋势进行展望。