| 基于改进K-SVD字典训练的涡扇发动机气路突变故障稀疏诊断方法 |
| |
| 引用本文： | 李魁,胡宇,孙振生.基于改进K-SVD字典训练的涡扇发动机气路突变故障稀疏诊断方法[J].航空动力学报,2020,35(9):2006-2016. |
| |
| 作者姓名： | 李魁 胡宇 孙振生 |
| |
| 作者单位： | 火箭军工程大学导弹工程学院,西安710025,火箭军工程大学导弹工程学院,西安710025;西安交通大学机械工程学院,西安710049 |
| |
| 基金项目： | 国家自然科学基金重大专项（91952110）; 国家自然科学基金（51905540）; 西安市科技计划项目（201805048YD26CG32(2)）; 陕西省自然科学基金（2019JM-186）, |
| |
| 摘 要： | 以典型气路突变故障信号的稀疏特性为基础,通过对涡扇发动机部件特征原子组进行分类,提出了改进K-奇异值分解(K-singular value decomposition,K-SVD)字典训练的稀疏诊断方法,并结合气路典型突变故障开展了仿真实验研究。仿真结果表明:相比于拓展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)方法,改进K-SVD方法对故障定位准确,无故障部件健康参数变化为0,可有效提高故障部件辨识度,避免误诊断;计算耗时与EKF方法基本相等,仅为UKF方法的03%,是一种有效的航空发动机气路突变故障在线诊断方法。
|
| 关 键 词： | 涡扇发动机 突变故障 稀疏方法 正交匹配追踪(OMP) K-奇异值分解(K-SVD) |
| 收稿时间： | 2020/3/12 0:00:00 |
Turbofan engine abrupt gas path fault diagnosis method based on improved K-SVD dictionary training and sparse theory |
| |
| LI Kui,HU Yu,SUN Zhensheng.Turbofan engine abrupt gas path fault diagnosis method based on improved K-SVD dictionary training and sparse theory[J].Journal of Aerospace Power,2020,35(9):2006-2016. |
| |
| Authors: | LI Kui HU Yu SUN Zhensheng |
| |
| Abstract: | |
| |
| Keywords: | turbofan engine abrupt fault sparse method orthogonal matching pursuit(OMP) K-singular value decomposition(K-SVD) |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《航空动力学报》浏览原始摘要信息 |
| 点击此处可从《航空动力学报》下载免费的PDF全文 |
|
