一種航空發(fā)動機的執(zhí)行機構(gòu)和傳感器故障診斷的區(qū)分方法
【專利摘要】本發(fā)明涉及一種航空發(fā)動機的執(zhí)行機構(gòu)和傳感器故障診斷的區(qū)分方法，其特征在于以執(zhí)行機構(gòu)的預測模型來判斷執(zhí)行機構(gòu)和傳感器是否發(fā)生故障，以航空發(fā)動機的逆映射預測模型來對執(zhí)行機構(gòu)和傳感器所發(fā)生的故障進行區(qū)分定位，具體步驟包括：步驟A建立執(zhí)行機構(gòu)的預測模型；步驟B建立航空發(fā)動機的逆映射預測模型；步驟C基于執(zhí)行機構(gòu)的預測模型和航空發(fā)動機的逆映射預測模型建立執(zhí)行機構(gòu)及其傳感器故障診斷系統(tǒng)；步驟D設(shè)執(zhí)行機構(gòu)和傳感器的故障閾值分別為D1和D2，診斷執(zhí)行機構(gòu)和傳感器的故障。本發(fā)明不受航空發(fā)動機健康程度和航空發(fā)動機型號之間差異的影響，可直接應用于不同型號和不同使用程度的航空發(fā)動機上，具有廣泛的推廣應用價值。
【專利說明】一種航空發(fā)動機的執(zhí)行機構(gòu)和傳感器故障診斷的區(qū)分方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于航空航天設(shè)備故障診斷【技術(shù)領(lǐng)域】，具體涉及一種航空發(fā)動機的執(zhí)行機構(gòu)和傳感器故障診斷的區(qū)分方法。
【背景技術(shù)】
[0002]現(xiàn)代航空發(fā)動機的控制系統(tǒng)是一個多回路、多變量、非線性的復雜系統(tǒng)，其中以傳感器測量信號為參考，通過控制系統(tǒng)計算出當前工作狀態(tài)下控制量的指令信號，再通過執(zhí)行機構(gòu)驅(qū)動實際控制量，如燃油流量、尾噴口面積等發(fā)生的變化，進而改變發(fā)動機的工作狀態(tài)。但由于航空發(fā)動機工作在高溫、高壓、大應力的苛刻條件下，而且還經(jīng)常變換工作狀態(tài)，承受著大的、變化的載荷，從而導致執(zhí)行機構(gòu)和傳感器成為故障多發(fā)元件之一。公知的執(zhí)行機構(gòu)和傳感器是航空發(fā)動機和控制系統(tǒng)之間的橋梁，如果執(zhí)行機構(gòu)和傳感器發(fā)生故障，將給航空發(fā)動機和控制系統(tǒng)提供錯誤的信息，從而影響航空發(fā)動機的性能，甚至引起災難性的后果。隨著對航空發(fā)動機性能要求的不斷提高，航空發(fā)動機和控制系統(tǒng)越來越復雜，故障隨時可能出現(xiàn)在執(zhí)行機構(gòu)和傳感器上。因此，對執(zhí)行機構(gòu)和傳感器故障進行診斷，并采取相應的容錯控制措施至關(guān)重要。
[0003]目前，在航空發(fā)動機故障診斷方面，國內(nèi)外大多數(shù)的研究工作都集中在控制系統(tǒng)的氣路傳感器故障診斷與容錯技術(shù)上。如Kobayashi等研究了基于自適應模型的傳感器故障診斷方法，對比自適應模型和真實傳感器的輸出，通過閾值判斷其是否發(fā)生故障。Zedda等應用最優(yōu)估計方法對渦輪發(fā)動機和傳感器進行故障診斷。魯峰等基于發(fā)動機傳感器信號之間的相關(guān)性，采用支持向量機作為信號之間的映射工具，建立故障診斷系統(tǒng)，在發(fā)動機發(fā)生單傳感器故障時，取得了良好的診斷效果。袁春飛等采用卡爾曼濾波器對傳感器進行故障診斷和隔離，并仿真驗證了其可行性和精度。黃向華等基于自聯(lián)想神經(jīng)網(wǎng)絡(luò)建立的故障診斷系統(tǒng)，能夠較好地診斷出發(fā)動機傳感器發(fā)生的故障類型。由此可見，在氣路傳感器故障診斷中，應用較多的方法就是基于模型和數(shù)據(jù)的方法。
[0004]在航空發(fā)動機的執(zhí)行機構(gòu)故障診斷方面，國內(nèi)外僅公開了少量的研究成果。如韓冰潔等基于卡爾曼濾波器組的研究，蔣平國等基于執(zhí)行機構(gòu)小閉環(huán)回路數(shù)學模型的研究，這些均屬于對執(zhí)行機構(gòu)自身故障的診斷問題研究，但還沒有綜合考慮到傳感器發(fā)生故障的情況，因此無法對發(fā)動機執(zhí)行機構(gòu)和傳感器發(fā)生的故障進行區(qū)分定位，不能從根本上解決誤判或錯判問題。如何克服現(xiàn)有技術(shù)所存在的不足已成為當今航空航天設(shè)備故障診斷【技術(shù)領(lǐng)域】中亟待解決的重點難題之一。

【發(fā)明內(nèi)容】

[0005]本發(fā)明目的是為克服現(xiàn)有技術(shù)的不足而提供一種航空發(fā)動機的執(zhí)行機構(gòu)和傳感器故障診斷的區(qū)分方法，本發(fā)明不受航空發(fā)動機健康程度和航空發(fā)動機型號之間差異的影響，可直接應用于不同型號和不同使用程度的航空發(fā)動機上，具有廣泛的推廣應用價值。
[0006]根據(jù)本發(fā)明提出的一種航空發(fā)動機的執(zhí)行機構(gòu)和傳感器故障診斷的區(qū)分方法，其特征在于以執(zhí)行機構(gòu)的預測模型來判斷執(zhí)行機構(gòu)和傳感器是否發(fā)生故障，以航空發(fā)動機的逆映射預測模型來對執(zhí)行機構(gòu)和傳感器所發(fā)生的故障進行區(qū)分定位，具體步驟如下:
[0007]步驟A:基于在線稀疏最小二乘支持向量機(OPLS-SVR)原理，建立執(zhí)行機構(gòu)的預測模型，得到該預測模型的輸出燃油量Wfl ；
[0008]步驟B:基于改進在線訓練貫序極端學習機(ImOS-ELM)原理，建立航空發(fā)動機的逆映射預測模型，以確定燃油流量預測值Wf2 ；
[0009]步驟C:將步驟A所述的輸出燃油量Wfl與航空發(fā)動機的傳感器(LVDT)測得的燃油流量Wftl之間的偏差記為ei ;航空發(fā)動機的逆映射預測模型預測燃油流量輸出為Wf2，該Wf2與Wftl之間的偏差記為e2 ；
[0010]步驟D:設(shè)執(zhí)行機構(gòu)和傳感器的故障閾值分別為D1和D2,當I ei I < D1時，為執(zhí)行機構(gòu)的預測模型和傳感器測量值輸出之間無偏差，即判斷執(zhí)行機構(gòu)和傳感器為無故障；若
|ei|≥ D1，為執(zhí)行機構(gòu)的預測模型和傳感器測量值之間出現(xiàn)偏差，判斷執(zhí)行機構(gòu)或傳感器故障；若Ie2I < D2，為航空發(fā)動機的逆映射預測模型和傳感器測量值之間無偏差，即判斷執(zhí)行機構(gòu)故障，若|e2| ≥D2即判斷傳感器故障。
[0011]本發(fā)明的進一步的優(yōu)選方案在于:
[0012]本發(fā)明步驟A所述執(zhí)行機構(gòu)的預測模型，是指以前Q1時刻到前2個時刻的燃油測量信號Wftl以及前qi個時刻到當前時刻的燃油指令Wft作為支持向量機輸入，對當前時刻的燃油流量測量信號進行預測的模型。
[0013]本發(fā)明步驟A所述執(zhí)行機構(gòu)的預測模型包括以下具體預測步驟:






[0014]步驟Al，由測量得到的第一個樣本可得
【權(quán)利要求】
1.一種航空發(fā)動機的執(zhí)行機構(gòu)和傳感器故障診斷的區(qū)分方法，其特征在于以執(zhí)行機構(gòu)的預測模型來判斷執(zhí)行機構(gòu)和傳感器是否發(fā)生故障，以航空發(fā)動機的逆映射預測模型來對執(zhí)行機構(gòu)和傳感器所發(fā)生的故障進行區(qū)分定位，具體步驟如下: 步驟A:基于在線稀疏最小二乘支持向量機(OPLS-SVR)原理，建立執(zhí)行機構(gòu)的預測模型，得到該預測模型的輸出燃油量Wfl ； 步驟B:基于改進在線訓練貫序極端學習機(ImOS-ELM)原理，建立航空發(fā)動機的逆映射預測模型，以確定燃油流量預測值Wf2 ； 步驟C:將步驟A所述的輸出燃油量Wfl與航空發(fā)動機的傳感器(LVDT)測得的燃油流量Wftl之間的偏差記為ei ;航空發(fā)動機的逆映射預測模型預測燃油流量輸出為Wf2，該Wf2與Wf0之間的偏差記為e2 ； 步驟D:設(shè)執(zhí)行機構(gòu)和傳感器的故障閾值分別為DdPD2，當I ^KD1時，為執(zhí)行機構(gòu)的預測模型和傳感器測量值輸出之間無偏差，即判斷執(zhí)行機構(gòu)和傳感器為無故障；若Ie1I ^D1,為執(zhí)行機構(gòu)的預測模型和傳感器測量值之間出現(xiàn)偏差，判斷執(zhí)行機構(gòu)或傳感器故障；若e21 <D2,為航空發(fā)動機的逆映射預測模型和傳感器測量值之間無偏差，即判斷執(zhí)行機構(gòu)故障，若Ie2I SD2，即判斷傳感器故障。
2.根據(jù)權(quán)利要求1所述的一種航空發(fā)動機的執(zhí)行機構(gòu)和傳感器故障診斷的區(qū)分方法，其特征在于步驟A所述執(zhí)行機構(gòu)的預測模型，是指以前Q1時刻到前2個時刻的燃油測量信號Wftl以及前qi個時刻到當前時刻的燃油指令Wft作為支持向量機輸入，對當前時刻的燃油流量測量信號進行預測的模型。
3.根據(jù)權(quán)利要求1或2所述的一種航空發(fā)動機的執(zhí)行機構(gòu)和傳感器故障診斷的區(qū)分方法，其特征在于步驟A所述執(zhí)行機構(gòu)的預測模型包括以下具體預測步驟: 步驟Al，由測量得到的第一個樣本可得
4.根據(jù)權(quán)利要求1所述的一種航空發(fā)動機的執(zhí)行機構(gòu)和傳感器故障診斷的區(qū)分方法，其特征在于步驟B所述航空發(fā)動機的逆映射預測模型，是指以風扇轉(zhuǎn)速(PNF)、壓氣機轉(zhuǎn)速(PNC)、低壓渦輪出口壓力(Ρ46)、壓氣機出口總壓(Ρ3)、低壓渦輪出口溫度(Τ46)五個傳感器前q2步的數(shù)據(jù)作為輸入，主燃油流量作為輸出；通過極端學習機逆映射得到執(zhí)行機構(gòu)燃油流量的估計值Wf2。
5.根據(jù)權(quán)利要求1所述的一種航空發(fā)動機的執(zhí)行機構(gòu)和傳感器故障診斷的區(qū)分方法，其特征在于步驟B所述航空發(fā)動機的逆映射預測模型包括以下具體預測步驟:步驟BI，隨機生成輸入層權(quán)值Wi和偏置匕以及正則化參數(shù)λ e R+，基于第一組采集數(shù)據(jù)，利用如下公式計算初始隱含層矩陣H1 = [hJT:
【文檔編號】G01D18/00GK103983453SQ201410193998
【公開日】2014年8月13日 申請日期:2014年5月8日 優(yōu)先權(quán)日:2014年5月8日
【發(fā)明者】李秋紅, 姜潔, 潘陽, 聶友偉, 李業(yè)波 申請人:南京航空航天大學