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.      

某型航空发动机空中起动供油规律的研究

研究某型航空发动机空中起动困难问题,现有自动起动器没有考虑飞行高度对供油规律的影响,发动机在空中起动时存在富油状态.分析了影响起动供油规律的因素,在现有自动起动器结构基础上,设计了高空修正模块来补偿飞行高度对供油规律的影响.建立了自动起动器的数学模型,对改进的自动起动器进行了仿真分析和试验.仿真结果和试验验证了改进方案的可行性,与地面起动相比,空中起动的供油量随着飞行高度的增加而降低.采用改进的空中起动供油规律可补偿飞行高度对供油特性的影响,解决发动机空中起动时的富油状态问题.      

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.      

航空发动机燃油系统执行机构及其传感器故障诊断

提出了基于执行机构模型和航空发动机逆模型的执行机构及其传感器单一故障诊断和定位方法.基于执行机构小闭环结构建立了3阶执行机构传递函数模型.基于两个并联的BP(back propagation)神经网络,建立了航空发动机稳态逆模块和动态补偿模块,形成航空发动机逆模型,以实现基于航空发动机输出的燃油流量估计.以执行机构模型输出和传感器输出之间的偏差为依据进行故障判别,以航空发动机逆模型输出和传感器输出偏差为依据对故障进行定位.以某型航空发动机及其燃油系统执行机构模型为对象进行的仿真,结果表明,该诊断系统可在航空发动机稳态、动态情况下准确地诊断出幅值在1.6%以上的执行机构及其传感器故障并进行定位,验证了所提出故障诊断方法的有效性.      

基于UIO的航空发动机控制系统传感器故障诊断

研究了航空发动机控制系统传感器鲁棒故障检测与隔离问题,提出了一种克服不同干扰对控制系统诊断性能影响的方法.应用未知输入观测器(unknown input observer,简称UIO)理论来解耦航空发动机动态系统干扰,并针对控制系统传感器设计一族UIO,提取出一系列的传感器残差特征数据,通过分析残差队列的幅值特性,实现航空发动机控制系统传感器故障诊断.在高斯白噪声、模型工作点变化和非高斯噪声三类干扰下的数字仿真结果表明,不管何种干扰,UIO诊断方法均能检测和隔离出传感器故障,在诊断鲁棒性方面,要优于Kalman滤波器诊断算法.      

基于大规模训练集SVM的发动机故障诊断

提出了一种新的学习策略,用于解决发动机故障诊断中大规模支持向量机(SVM)的训练问题.通过保留初始SVM分类器支持向量超平面附近的样本以及错分样本,使最终得到的约减集规模明显缩小,从而可在保持较高分类精度的前提下使训练时间明显缩短;同时,由于支持向量的数量减小,分类时间也相应缩短.探讨了序贯最小优化(SMO)算法的参数选择和实现过程中的关键问题,为这种极具潜力的算法在发动机故障诊断中的实际应用奠定了坚实的基础.仿真实例表明,这种基于大规模训练集SVM的发动机故障诊断方法有效、可靠,容易实现,可以作为工程应用的基础.      

基于支持向量机的航空发动机整机振动故障诊断技术研究

支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的一种新型机器学习方法,由于它出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中。针对某型航空发动机整机振动过大的现象,提出了一种基于支持向量机（SVM）的整机振动故障诊断方法。首先介绍了SVM理论,然后根据SVM学习方法的结构风险最小化原则,对某型航空发动机已知的整机振动故障模式数据进行了训练和预测,并建立了基于SVM的航空发动机整机振动故障诊断模型。最后通过对已有故障模式进行诊断预测,证明该方法在航空发动机整机振动故障诊断方面具有良好效果。     

基于深度森林的卫星ACS执行机构与传感器故障识别

针对卫星姿态控制系统（ACS）闭环回路的故障难以辨识的问题,引入深度森林算法,实现执行机构与传感器故障识别。首先针对可获取的少量卫星姿态控制系统遥测数据,结合系统动力学特性,研究合适的特征选择和特征提取方法,再结合深度森林算法进行故障信息学习与辨识,建立故障预测模型,实现执行机构故障与传感器故障的识别。半物理仿真结果表明：在存在气浮台干扰力矩、卫星转动惯量未知、飞轮非线性特性、闭环故障传播等多种不利因素情况下,深度森林算法对于执行机构和传感器故障具有高效的识别能力。     

基于SVM和SNN的航空发动机气路故障诊断

为了区分航空发动机气路故障诊断过程中出现的相似故障,提高诊断准确率,提出了一种支持向量机(SVM)和协同神经网络(SNN)相结合的故障诊断方法.首先利用参数优化后的SVM对测量数据进行初步故障诊断分类,对诊断结果进行分析统计,得出难以区分的相似故障类型,并根据SNN对这些相似故障进一步地区分判断,最后根据实际数据对此故障模型进行仿真.结果显示:基于SVM的初步故障诊断准确率达到96%;而经过SNN进一步地相似故障区分后,诊断准确率提升到100%.     

基于混合灵敏度的航空发动机切换控制系统设计

针对航空发动机工作安全边界,提出了一种基于切换控制的航空发动机控制系统设计方法.给出了切换控制策略的设计思路及切换稳定性的条件.给出基于混合灵敏度的航空发动机多回路切换鲁棒控制器设计方法,并构造了线性矩阵不等式.通过基于计算得到的控制器参数仿真表明,采用该切换方式相比于Min/Max切换方式消除了积分饱和在切换中延迟影响,提高发动机的动态响应能力及鲁棒性,同时可以保证切换的稳定性.      

航空发动机控制律容错重组设计

针对发动机数字电子控制系统中传感器易于出现故障的特点,以某型发动机为例,采用基于控制律容错重组方法在飞行包线内的不同点上设计出了发动机容错控制器。仿真结果表明：该控制器具有很好的容错能力,故障情况下系统的动态品质与正常情况下系统的动态品质具有良好的一致性。     

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.      

基于DBN的不均衡样本驱动民航发动机故障诊断

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。      

基于RBF网络的航空发动机 terminal滑模控制

针对现代航空发动机是一个具有不确定性的强非线性系统,结合滑模控制和神经网络控制的优点,提出了一种基于径向基函数(radical basis function,简称RBF)网络的航空发动机terminal滑模控制方法.分析了传统指数趋近律的不足,提出了一种改进的指数趋近律来削弱抖振.该控制器采用terminal滑模面,并且利用径向基函数神经网络在线实时补偿未知干扰和不确定项的影响.仿真结果表明,所设计的控制器取得了令人满意的控制效果,能有效地抑制干扰和参数不确定性的影响,削弱了抖振.      

基于多项式平方和规划的航空发动机鲁棒LPV/PI控制

针对航空发动机常规(proportion integration,PI)控制器设计过程中难以保证鲁棒性及参数适应性差等问题,提出了一种基于线性变参数(linear parameter varying,LPV)模型及多项式平方和(sum of squares,SOS)规划的控制器设计方法.结合传递函数模型下的鲁棒稳定条件及弱对偶定理给出了多项式描述的LPV模型鲁棒稳定条件,并转化为便于求解的SOS规划问题.根据发动机非线性模型获取不同转速下的传递函数模型,并利用多项式拟合的方法建立发动机LPV模型.根据所提出的定理构造出SOS规划问题,并求解得出LPV/PI控制器.最终以某型双轴涡扇发动机为被控对象,在包线内不同点进行了阶跃仿真,结果表明:高压转子转速控制系统的稳态误差为0,调节时间小于3s.      

基于样本分位数的机载燃油泵故障状态特征提取及实验研究

机载燃油泵的健康状态关系着飞行任务的完成和飞行安全,对机载燃油泵的故障状态特征提取及诊断成为亟需解决的问题。通过对机载燃油实验系统的振动与压力信号进行综合分析,提出了一种基于样本分位数的故障状态特征提取方法。首先,根据样本分位数的渐近分布定理,讨论了样本分位数的统计特性,分析了故障状态与样本分位数的对应关系,从理论上保证了该方法的可行性,在实测数据统计分析的基础上,讨论了样本容量对样本分位数稳定性的影响;其次,根据样本分位数渐近分布定理计算各故障状态的置信区间,并与Bootstrap方法得到的置信区间进行对比,结果显示,依据样本分位数渐近分布定理得到的置信区间真实可靠,为在线故障诊断提供了依据;然后,以各故障状态下提取的样本分位数为特征向量构建贝叶斯判别函数,进行故障诊断;最后依据故障诊断的正确率对传感器进行优化,结果表明,同时安装振动传感器与压力传感器可以提高故障诊断的正确率,并且只安装1个压力传感器与1个特定方向的振动传感器即可对机载燃油泵的故障状态进行完全识别。为快速准确的在线判断机载燃油泵的状态提供了理论支撑,并且可以降低工程应用中机载燃油泵监测系统的体积、功耗及复杂性。     

基于Simscape模型的航空发动机系统安全性分析方法

针对航空发动机系统安全性分析中的耦合情况,研究基于Simscape模型的航空发动机耦合故障建模和安全性分析问题。在基于模型的安全性分析(MBSA)故障拓展一般特点的基础上,分析了Simscape环境下进行故障外部拓展和建模语言内部故障拓展两种方式,以建立耦合故障模型。以全权限数字式发动机控制(FADEC)主燃油控制子系统为研究示例,进行独立和耦合故障形式化系统安全性分析。结果表明:航空发动机系统安全分析Simscape模型基于系统设计环境,可直接成为系统设计和安全性分析共同的工具,便于保证设计和安全性分析的一致性;该模型拓展方法和建模语言,从故障数学原理出发,对实际系统不同物理域的组件独立和耦合故障特性具有灵活和定量描述能力;由此拓展的故障模型下的安全性分析具有形式化、直观性和客观性的优势。      

基于RVM回归误差补偿的航空发动机分布式控制系统多步预测控制

针对具有随机有界双侧时延的航空发动机分布式控制系统,提出了一种基于多步预测和关联向量机(RVM)回归误差补偿的控制方案.首先建立航空发动机分布式控制系统(DCS)的神经网络非线性自回归滑动平均(NARMA)模型,利用当前的系统输出和控制量对N步之后的系统输出进行预测;其次用改进的RVM回归多步预测算法估计NARMA模型的的预测误差,并对预测结果进行误差补偿;最后利用补偿之后的预测值和设定值对控制参数进行滚动优化,设计系统的神经网络逆控制器实现系统的自适应控制.仿真结果证明该控制策略能够避免随机有界双侧时延对控制系统的影响,实现对设定值的稳定跟踪,且控制器具有较好的实时性和鲁棒性.低压转子转速阶跃响应的稳态绝对误差小于0.04%,响应时间小于0.3s.      

航空发动机自适应全局快速非奇异Terminal滑模控制

针对航空发动机控制系统须具有强鲁棒性和快速响应等特点及Terminal滑模控制存在奇异性等缺点,提出了一种航空发动机自适应全局快速非奇异Terminal滑模控制器设计方法.设计了一种快速非奇异Terminal滑模面,同时解决了传统Terminal滑模控制的奇异性和远离平衡点收敛速度慢两个缺点.采用自适应方法估计等效干扰,无需已知航空发动机的干扰上界,利用Lyapunov理论分析了其稳定性.仿真结果表明:设计的Terminal滑模控制器具有良好的动态性能,状态输出响应快速,调节时间在2s左右,无稳态误差,无超调,未发生奇异现象.      

基于变权重最小二乘法的发动机气路故障诊断

针对航空发动机气路部件故障诊断中存在的严重故障诊断问题,提出基于变权重最小二乘法进行发动机故障诊断.该方法在发动机仿真实验的基础上采用加权最小二乘法进行故障诊断,并对算法进行了改进,根据初期诊断结果对故障权重系数矩阵进行修正,使诊断结果更加合理可信.仿真表明,基于变权重最小二乘法的发动机气路故障诊断能快捷有效地诊断气路部件严重故障.