航空发动机燃油调节执行机构及其传感器的故障诊断与半物理仿真

为了提高航空发动机控制系统的可靠性,针对航空发动机燃油调节执行机构回路,提出了一种基于执行机构数学模型及发动机燃油逆映射模型的故障诊断方法,以实现对执行机构自身故障及其线性可变差动变压器(LVDT)位移传感器故障的检测和隔离。基于非线性回归方法极端学习机(ELM)算法建立了发动机燃油逆映射模型,保证了燃油估计的精度和实时性。为了验证该方法的可行性和有效性,以涡扇发动机主燃油调节执行机构为研究对象,在半物理仿真试验平台上进行了故障诊断的半物理仿真试验。结果表明,该故障诊断方法能快速准确地检测并区分出幅值在2%以上的执行机构故障和LVDT传感器故障。     

航空发动机燃油系统执行机构故障诊断及验证

研究了基于执行机构模型以及发动机逆模型的发动机燃油系统执行机构及其传感器故障诊断方法.基于发动机半物理仿真试验台试验数据建立执行机构小闭环传递函数模型,通过二次多项式拟合将油针位置转换为燃油流量.提出基于自校正在线训练神经网络算法建立发动机逆模型,以离线训练网络参数初始化在线系统,基于阈值更新网络参数,并对学习速率进行自校正,以提高算法的泛化能力及收敛速度.对比执行机构模型输出、发动机逆模型输出与LVDT传感器测量位移换算得到的燃油流量,基于阈值判断故障状态.在T700涡轴发动机半物理仿真试验平台上进行试验,实现了在发动机额定及各种性能退化状态下,执行机构及其传感器漂移和偏置故障的准确诊断及定位,验证了算法的有效性.     

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.      

基于AMESim的涡扇发动机控制系统 综合仿真

以AMESim为平台,采用模块化的设计方法,分别建立航空发动机、传感器、燃油系统、电子控制器和执行机构数学模型.将模块封装打包建立涡扇发动机控制系统模型库,并将之组成为完整的发动机及调节器系统综合仿真平台.以主燃油控制系统为例,介绍了各仿真模块的建立过程,仿真结果表明,系统模型能反映各子系统之间的复杂集成和耦合关系,利用系统模型仿真进行组合优化能够有效提高系统性能.      

基于ReliefF-LMBP算法的涡轴发动机气路故障模式识别—两机专刊

针对涡轴发动机气路故障模式识别精度不高的问题,提出了一种基于ReliefF-LMBP故障特征提取的发动机故障模式识别方法。应用ReliefF算法对发动机传感器参数赋予权值,对传感器参数特征权重值进行迭代更新和排序,聚集好的特征样本,离散异类样本。根据筛选出的特征子集,利用LMBP神经网络算法进行发动机故障模式识别。以涡轴发动机为对象进行气路故障诊断验证,结果表明所提方法能提取特征传感器参数并实现有效的故障模式识别。     

发动机转子系统早期故障智能诊断

在对飞机发动机转子系统早期故障特点进行分析的基础上,针对其故障诊断中存在的故障样本不足和早期微弱故障不易识别的问题,提出将随机共振、小波包分析与支持向量机相结合的发动机转子系统早期故障诊断与智能自愈监控方法。该方法首先利用随机共振原理对早期微弱故障信号进行特征细化,使故障特征放大;然后利用小波包多分辨率分析特性进行故障特征提取;再将提取的特征向量输入由支持向量机构造的分类器中进行故障识别,并利用智能自愈方法对故障进行监控。对智能诊断系统结构、故障特征提取方法、多故障分类器构造、故障自愈监控等进行了分析和研究。结果表明,该方法在故障样本不足情况下,能有效识别发动机转子系统的早期故障,且算法简单、故障分类识别效果好,并能对故障进行自愈监控。     

基于排列组合熵的转子振动信号故障诊断SVM方法研究

针对发动机转子的多种故障模式,提出了基于排列组合熵的SVM故障诊断方法。利用转子实验台,模拟了转子正常、转子不平衡、转子不对中、动静碰磨和基座松动5种典型振动模式,并使用振动传感器采集多路振动数据。计算振动数据的排列组合熵并将其作为故障特征向量,对特征向量样本集进行多级SVM分类诊断,并运用小波包能量特征提取方法提取信号特征。实例计算与结果对比表明,本文方法的正确率要高于基于小波包能量提取特征的SVM分类诊断方法,在提取转子振动信号的特征向量及在小样本下的故障分类诊断等方面,具有可行性和有效性。     

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.      

基于T-S模糊KPCA模型的分布式控制系统传感器故障诊断

为减小航空发动机多工况的工作特性和分布式控制系统非线性网络环境对故障诊断系统的影响,针对航空发动机分布式控制系统,提出一种基于T-S模糊KPCA模型的传感器故障诊断方法。首先采用C均值模糊聚类法,以油门杆角度为样本标签,对样本空间进行模糊分类,再通过模糊相似矩阵剔除各样本子空间的野值点;其次建立标称工况的KPCA模型,并利用训练样本对非标称工况的隶属度函数进行辨识,得到全工况T-S模糊KPCA模型;最后利用统计量T 2和SPE对传感器故障进行检测,并采用数据重构方法对故障传感器进行隔离定位。仿真结果表明该方法对发动机的任意稳定工况具有自适应能力,能够在非线性网络环境下对正常样本和故障样本保持较低的虚警率和漏报率。当多个传感器同时发生故障时,能够准确找到故障源,实现对故障传感器的隔离。     

航空发动机数控系统执行机构回路故障诊断和容错控制方法

提出了航空发动机数控系统执行机构控制回路基于数学模型的故障诊断方法,以及针对执行机构位置传感器故障的控制算法容错控制方法。工程应用结果表明能显著提高故障诊断准确性和快速性,有效地实现容错控制,且实施方便、实时性好,对提高航空发动机数控系统工作可靠性具有重要作用。      

基于机载实时模型的发动机执行机构 故障状态参数估计

为了对发动机的主燃烧室供油量控制器、喷管喉部面积控制器、风扇进口可调导叶角度控制器、压气机进口可调导叶角度控制器进行故障诊断,建立了基于简化n+1残量方法的非线性机载实时模型,并结合常增益扩展卡尔曼滤波器建立执行机构控制参数估计器,利用非线性部件级模型模拟飞行包线内发动机执行机构的软故障.仿真结果表明:执行机构控制参数估计器在飞行包线内能实现较高精度估计,且具有较好的稳定性.     

伺服回路故障检测方法研究

航空发动机伺服回路复杂,其工作可靠性和故障容错性对于发动机安全至关重要,因此研究伺服回路的故障检测技术十分必要.提出1种基于模型监控的快速伺服回路故障检测方法,根据伺服回路物理机构从电气到机械进行故障的逐级检测,通过比较器的设计实现回路故障的快速判断.与试验结果对比表明:该方法能够准确检测系统故障,并且缩短了系统判故时间,简化了伺服机构建模和软件代码实现.为数控系统快速检测故障提供了高效的技术手段,具有一定的通用性.     

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GSP仿真和SDAE的航空发动机故障诊断

为了深入研究航空发动机故障机理,提出基于航空燃气涡轮发动机性能仿真软件(GSP)和堆栈降噪自编码器(SDAE)的航空发动机故障诊断方法。通过GSP性能仿真方法模拟发动机在不同设计参数下的部件故障,并得到对应的运行状态参数;从每种故障类型下的长时间序列的状态参数中提取出向量化的曲线特征,构成故障样本;将故障样本带入SDAE模型中进行深度特征提取,经过前向传播和反向微调得到训练好的模型用于发动机故障诊断。结果表明:GSP能够通过参数更改来模拟微弱故障下的状态参数,从而构建多故障样本集;SDAE的重构误差和反向传播误差能够快速收敛到较小值,SDAE的故障诊断正确率为99.5%;与深度信念网络(DBN)、人工神经网络(ANN)以及经典机器学习方法支持向量机(SVM)相比,SDAE的故障分类正确率分别提高了0.8%、6.9%和10.1%。     

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.      

航空涡扇发动机起动热悬挂故障诊断

为了完善某型航空涡扇发动机起动性能设计,通过分析发动机的起动控制逻辑和热悬挂控制逻辑,确定了起动热悬挂故障的原因。起动热悬挂分为排气温度 T6上升率过高故障和压气机出口压力 P31上升率过低故障 2种模式,故障原因分别为初始供油量偏多和起动过程 P31波动,针对故障原因制定了解决措施:初始点火供油量设定值下调,提高 P31传感器小压力段的测量精度,并优化 P31斜率异常故障判故逻辑。上述解决措施不仅解决了起动热悬挂问题,更进一步增强了产品设计与生产的兼容性,提高了发动机的起动性能和起动成功率。     

基于UIO的航空发动机执行机构故障诊断

为了提高航空发动机诊断过程中对噪声干扰和模型参数变化的鲁棒性,应用UIO(Unknown Input Ob-server)理论估计发动机动态系统的工作状态,通过干扰正交投影弱化外界干扰对状态估计的影响,处理了航空发动机执行机构的故障诊断问题。对航空发动机执行机构设计一组UIO观测器,其中每个UIO用于监测估计对应执行机构的故障偏移量,计算系统输出理论估计值与发动机实际测量信号间的残差数据,分析残差队列的幅值特性,实现航空发动机执行机构系统的故障检测和隔离。某型涡扇发动机上的实验结果表明,与Kalman滤波算法相比,UIO诊断方法更能鲁棒地检测和隔离出执行机构故障。