一種基于滑模理論的航空發(fā)動機氣路故障診斷方法
【專利摘要】本發(fā)明公開了一種基于滑模理論的航空發(fā)動機氣路故障診斷方法，包括以下步驟：基于人工蜂群算法優(yōu)化，智能修正航空發(fā)動機非線性部件級模型；基于誤差反饋滑?？刂疲@得發(fā)動機自適應線性模型；設計擴張干擾估計滑模觀測器，實現發(fā)動機傳感器故障診斷、隔離與重構；設計基于人工蜂群優(yōu)化的滑模觀測器，實現發(fā)動機氣路部件故障診斷。本發(fā)明針對航空發(fā)動機氣路故障問題，以增強系統(tǒng)的可靠性和安全性宗旨，研究發(fā)動機高精度部件級模型修正方法，提出發(fā)動機自適應線性模型建立新思路，給出航空發(fā)動機氣路故障診斷新策略，突破航空發(fā)動機氣路部件故障診斷與傳感器故障診斷綜合難題，提出一套行之有效的高可靠的航空發(fā)動機故障診斷方法。
【專利說明】
一種基于滑模理論的航空發(fā)動機氣路故障診斷方法
技術領域
[0001] 本發(fā)明屬于故障診斷技術，涉及航空發(fā)動機模型建立與故障診斷方法。
【背景技術】
[0002] 航空發(fā)動機是飛機的心臟，其健康狀態(tài)對保證飛行安全和降低維修成本具有重要 意義。從技術手段上確保飛行安全，是航空工業(yè)中非常重要內容，一直受到航空發(fā)達國家高 度重視。據統(tǒng)計，發(fā)動機故障在飛行故障中占很大比重，且常常造成災難性事故。發(fā)動機維 修與更換費用非常巨大，占飛機常規(guī)維修費用的60%以上。及時檢測和準確定位發(fā)動機的 故障，排除發(fā)動機故障帶來的安全隱患，保證飛機安全經濟可靠運行，是目前航空公司、發(fā) 動機生產制造單位、維修系統(tǒng)及科研單位急需解決的現實問題。此外，在航空發(fā)動機故障 中，發(fā)動機氣路故障約占發(fā)動機故障總體的90%甚至更多。因此，航空發(fā)動機氣路故障診斷 的研究受到了越來越多的關注。
[0003] 近年來，隨著滑模理論的發(fā)展，基于滑模觀測器的故障診斷研究蓬勃興起，其相關 理論結果已經在航空航天中得以應用。文[1]開展了基于滑模觀測器的故障診斷技術及其 在飛控系統(tǒng)中的應用研究。文[2]使用線性變參數滑模觀測器實現了故障的診斷與重構，基 于高可信度飛機非線性模型仿真平臺驗證了所提方法的有效性。文[3]基于非其次高階滑 模觀測器研究了傳感器故障診斷問題，并針對飛機系統(tǒng)開展了仿真和實驗驗證研究。
[0004] 本發(fā)明針對航空發(fā)動機氣路故障問題，結合人工蜂群算法和滑模理論，提出新穎 的部件級模型修正和自適應線性模型建立方法，提出基于滑模觀測器的發(fā)動機氣路部件故 障診斷和傳感器故障診斷、隔離與重構新方法，用以提高發(fā)動機故障診斷的準確率，增強航 空發(fā)動機系統(tǒng)的可靠性，保證飛行安全。
[0005] [1]劉京津，基于滑模觀測器的故障診斷技術及其在飛控系統(tǒng)中的應用研究，南京 航空航天大學，碩士論文，2008.
[0006] [2]Halim Alwi,Christopher Edwards,Andres Marcos,Fault reconstruction using a LPV sliding mode observer for a class of LPV systems,Journal of the Franklin Institute,349(2):510-530,2012.
[0007] [3]Alejandra Ferreira de LozajJerOffleCieslakjDavid HenryjJorge Da VilajAli Zolghadri，Sensor Fault Diagnosis Using a Non-homogeneous High-order Sliding Mode Observer with Application to a Transport Aircraft ,9(4):1-10, 2015.

【發(fā)明內容】

[0008] 本發(fā)明的目的是提供一種基于滑模理論的航空發(fā)動機氣路故障診斷方法，針對航 空發(fā)動機氣路故障問題，以增強系統(tǒng)的可靠性和安全性宗旨，研究發(fā)動機高精度部件級模 型修正方法，提出發(fā)動機自適應線性模型建立新思路，給出航空發(fā)動機氣路故障診斷新策 略，突破航空發(fā)動機氣路部件故障診斷與傳感器故障診斷綜合難題，提出一套行之有效的 高可靠的航空發(fā)動機故障診斷方法。
[0009] 為實現上述目的，本發(fā)明采用以下技術方案：
[0010] 一種基于滑模理論的航空發(fā)動機氣路故障診斷方法，包括以下步驟：
[0011]步驟1，依據部件級建模方法，建立航空發(fā)動機部件級模型，對發(fā)動機部件級模型 進行穩(wěn)態(tài)和動態(tài)計算，以試車數據為標準，考核所建立的航空發(fā)動機部件級模型的仿真輸 出數據與試車數據的匹配度；
[0012] 步驟2,采用人工蜂群算法對航空發(fā)動機部件級模型進行修正；
[0013] 步驟3,將修正后的發(fā)動機部件級模型輸出數據與發(fā)動機動態(tài)運行試驗數據以及 原發(fā)動機部件級模型輸出數據相比較，驗證模型精度的改善程度;其中，要求實現最大建模 誤差不大于10%，穩(wěn)態(tài)建模誤差控制在1 %以內；
[0014] 步驟4,在滿足模型輸出精度的前提下，將非線性部件級模型線性化，建立線性狀 態(tài)變量模型；
[0015] 步驟5，采用由壓氣機效率退化量、禍輪效率退化量組成的可調參數向量來表征航 空發(fā)動機性能退化值，通過以該可調參數向量作為航空發(fā)動機模型的一個控制輸入量，結 合滑?？刂评碚?，設計具有強魯棒性的滑模控制器，實現發(fā)動機模型的輸出自適應地無偏 跟蹤真實發(fā)動機的實際輸出，提出基于誤差反饋滑?？刂频暮娇瞻l(fā)動機自適應線性動態(tài)模 型設計方法；
[0016] 步驟6,針對發(fā)動機氣路故障，從安全性、可靠性角度出發(fā)，研究發(fā)動機漸變故障和 突變故障機理，對發(fā)動機氣路故障模式進行分類，建立故障模型；之后基于發(fā)動機故障模 型，向發(fā)動機非線性部件級模型中注入故障，用于模擬真實發(fā)動機中可能出現的各類故障；
[0017] 步驟7,提出基于分層診斷策略的航空發(fā)動機氣路故障診斷方法:首先進行傳感器 故障排查，設計基于擴張干擾估計的滑模觀測器，實現在傳感器測量輸出中包含噪聲干擾 時，仍舊能夠及時定位故障傳感器，并對故障傳感器進行重構，達到避免由于傳感器故障而 發(fā)生發(fā)動機氣路部件故障誤判的目的；其次依據傳感器數據進行狀態(tài)監(jiān)視，實時估計發(fā)動 機性能，在此基礎上，綜合利用各個可測量的發(fā)動機運行參數，開展發(fā)動機氣路部件故障的 診斷研究，采用基于人工蜂群優(yōu)化的滑模觀測器對故障進行診斷，從而實現高效發(fā)動機氣 路部件故障診斷，降低誤報率和漏報率，提高準確率。
[0018] 步驟2的具體步驟為:分析發(fā)動機旋轉部件特性對建模誤差的影響，分析修正因子 的多種組合的不同效果，根據試車數據，基于人工蜂群算法，確定優(yōu)化的修正因子，對發(fā)動 機部件特性以及引氣系數、總壓恢復系數進行修正，從而修正發(fā)動機部件級模型。
[0019] 步驟7中的具體步驟為：
[0020] 步驟7.1，首先，針對發(fā)動機傳感器故障，設計基于擴張干擾估計的滑模觀測器，實 現在傳感器測量輸出中包含噪聲干擾時，仍舊能夠及時定位故障傳感器，并對故障傳感器 進行重構，達到避免由于傳感器故障而發(fā)生發(fā)動機氣路部件故障誤判的目的；
[0021 ]步驟7.2，其次，用部件效率和流量特性與設計值的偏差來表征發(fā)動機的健康情 況，利用各個可測量的發(fā)動機運行參數，設計基于人工蜂群優(yōu)化的滑模觀測器，用于實現發(fā) 動機氣路部件故障的檢測和診斷。
[0022]本發(fā)明的有益效果是:本發(fā)明針對航空發(fā)動機氣路故障問題，結合人工蜂群算法 和滑模理論，提出新穎的部件級模型修正和自適應線性模型建立方法，提出基于滑模觀測 器的發(fā)動機氣路部件故障診斷和傳感器故障診斷、隔離與重構方法，可以提高航空發(fā)動機 部件級模型的精度以及自適應線性模型的穩(wěn)態(tài)和動態(tài)性能，及時診斷、隔離并重構傳感器 故障信號，降低發(fā)動機氣路故障診斷的誤報率和漏報率，增強航空發(fā)動機系統(tǒng)的可靠性，保 證飛行安全。
【附圖說明】
[0023] 圖1為渦軸發(fā)動機結構圖；
[0024] 圖2為部件級模型穩(wěn)態(tài)計算流程圖；
[0025] 圖3為部件級模型動態(tài)計算流程圖；
[0026]圖4為航空發(fā)動機部件級模型智能修正原理圖；
[0027]圖5為航空發(fā)動機自適應線性模型示意圖；
[0028]圖6為航空發(fā)動機故障診斷原理圖。
【具體實施方式】
[0029] 下面以某型渦軸發(fā)動機的氣路故障診斷問題為例，結合附圖對本發(fā)明的技術方案 進行詳細說明：
[0030] 如圖1所示為渦軸發(fā)動機的結構圖，渦軸發(fā)動機包括部件:進氣道i;壓氣機ii;燃 燒室ii i ;燃氣渦輪iV;動力渦輪V;尾噴管Vi ;圖中的截面包括:遠方未擾動截面〇 ;進氣道進 口截面1;進氣道出口截面(壓氣機進口截面)2;壓氣機出口截面(燃燒室進口截面)3;燃燒 室出口截面(燃氣渦輪進口截面)4;燃氣渦輪出口截面(動力渦輪進口截面)5;動力渦輪出 口截面(尾噴管進口截面)6;尾噴管出口截面7;
[0031 ]步驟1，根據渦軸發(fā)動機結構圖1，依據部件級建模方法，建立渦軸發(fā)動機各個部件 的模型，對壓氣機模型、燃燒室模型、燃氣渦輪模型、動力渦輪模型、尾噴管模型、旋翼模型 分別進行函數級封裝，建立初猜值模塊、特性數據插值模塊、系數修正模塊、燃氣熱力學計 算模塊、Newton-Raphson方法求解這些非線性方程組模塊等通用模塊。如圖2和圖3對發(fā)動 機部件級模型進行穩(wěn)態(tài)和動態(tài)計算。以試車數據為標準，考核模型仿真輸出數據與試車數 據的匹配度。
[0032]其中，對發(fā)動機部件級模型進行穩(wěn)態(tài)和動態(tài)計算的方法在很多文獻中均有介紹， 以下舉例說明：1)穩(wěn)態(tài)計算
[0033]航空發(fā)動機穩(wěn)定平衡條件為：
[0034] (1)壓氣機與渦輪功率平衡：
[0035]
[0036]
[0037]
[0038]
[0039]
[0040] (4)動力渦輪進口流量連續(xù)：
[0041]
[0042]
[0043]
[0044]發(fā)動機達到穩(wěn)態(tài)平衡要保證Eqo-5都為0。
[0045] 上述非線性方程組求解可采用經典Newton-Raphson方法。上一節(jié)中所描述的穩(wěn)態(tài) 平衡控制方程是發(fā)動機達到穩(wěn)態(tài)的必要條件，方程求解成功即表示模型的各性能指標參數 達到穩(wěn)態(tài)要求，因此需要先試取五個性能指標參數作為方程要求解的參數，這些試取的未 知參數稱為猜值參數，猜值參數選擇是否恰當將關系到方程能否求解成功，或者模型達到 穩(wěn)態(tài)時的性能優(yōu)劣。發(fā)動機各截面流量W，各轉動部件功率PW皆是壓氣機相對轉速N Crc；s、動 力渦輪相對轉速NPrc；s、燃氣渦輪壓比系數0^、動力渦輪壓比系數C pii以及壓氣機壓比系數Cc11 的非線性函數，具體的非線性關系由發(fā)動機各部件數學模型和特性決定。因此在這里選擇 Ncrcs身^、0^、&11、(^為穩(wěn)態(tài)平衡控制方程的猜值參數，所以式（1)~式（5)可記作如下形 式：
[0046] ^(NcrcsjNprcsjCGlljCp lljCc11)=O 1 = 1,2,3,4,5 (6)
[0047] 通過穩(wěn)態(tài)共同工作方程的約束和聯(lián)系，在供油量給定時對發(fā)動機穩(wěn)態(tài)工作點的確 定就轉化為解一組以Ncrcs、N Prcs、Cto、、Ca為獨立變量的非線性方程組求解的問題。本文采 用經典的Newton-Raphson方法，以迭代方式求解非線性方程組的解，設置一定的精度，當方 程都滿足精度要求時，迭代完畢，表示方程求解成功，穩(wěn)態(tài)計算流程圖如圖2所示。
[0048] 用Newton-Raphson方法修正一組初猜參數Nc res > Nprcs > απ、&π、&π的值，使非線性方 程組(6)在誤差絕對值ε_〈10- 6意義下成立，即
[0049] fi (NcrcsjNprcsjCGlljCplljCc 11) = Ei^emin 1 = 1,2,3,4,5 (7)
[0050] 用Newton-Raphson方法按偏導數方向修正猜值參數，設第K+1步初猜參數的值為：
[0051] m I k+i = ru I k+A m 1 = 1,2,3,4,5
[0052] ni = c〇 ,Π 2 - Cgjt , Π 3 - Cpjt , Π 4 - Ncrcs , Π 5 - Nprcs
[0053] 其中：
[0055] A稱為雅可比矩陣，具體表達式為： (8)
[0057] (8)式中偏導數的計算按中心差分法求，即：
[0059] 2)動態(tài)計算
[0060]在發(fā)動機動態(tài)過程中，由于發(fā)動機工作處在非平衡狀態(tài)，壓氣機與燃氣渦輪功率 以及旋翼負載與動力渦輪功率不在平衡，但同時各截面流過的流量還滿足連續(xù)條件，在動 態(tài)平衡過程中，動力渦輪轉子要保持恒定或者在微小范圍波動以維持旋翼的轉速恒定，可 得動態(tài)過程中的二個平衡控制方程：
[0061 ] (1)燃氣渦輪進口流量連續(xù)，同式(3)。
[0062] (2)動力渦輪進口流量連續(xù)，同式(4)。
[0063] (3)尾噴管出口壓力平衡，同式(5)。
[0064]發(fā)動機模型在動態(tài)過程中有三個平衡控制方程，因為動態(tài)過程中滿足流量連續(xù)以 及壓力平衡，發(fā)動機各部件流量與轉子功率皆可為壓氣機壓比系數Ca、燃氣渦輪壓比系數 Cto、動力渦輪壓比系數Cp11所表示的非線性函數，因此選擇απ、α π、&π為動態(tài)平衡控制方程 的猜值參數。當發(fā)動機模型從穩(wěn)態(tài)開始動態(tài)計算時，發(fā)動機模型根據馬赫數M a、飛行高度Η、 總距Θ進行各部件模型計算，這里同樣采用Newton-Raphson法求解非線性方程組，動態(tài)計算 流程圖如圖3所不。
[0065]平衡條件可表示為：
[0066] ^(Cci1jCgi1jCpii)=O 1 = 1,2,3 (10)
[0067] 非線性方程組在誤差絕對值emin〈l(T6意義下成立，即
[0068] ^(Cci1jCgi1jCpii) = Ei^emin i = l,2,3 (11)
[0069]滿足上式條件可認為模型得到了在動態(tài)點得解。用Newton-Raphson法計算發(fā)動機 模型得到第K+1步猜值參數為：
[0070]
[0071]
[0072]
[0074]
[0073] 雅可比矩陣A為：
[0075]
[0076]
[0077] 步驟2,如圖4所示，分析發(fā)動機旋轉部件特性對建模誤差的影響，分析修正因子的 多種組合的不同效果，根據試車數據，基于人工蜂群算法，確定優(yōu)化的修正因子，對發(fā)動機 部件特性以及引氣系數、總壓恢復系數等進行修正，從而修正發(fā)動機部件級模型。
[0078]步驟3,如圖4所示，在步驟2的基礎上，將修正后的發(fā)動機部件級模型輸出數據與 發(fā)動機動態(tài)運行試驗數據以及原發(fā)動機部件級模型輸出數據相比較，驗證模型精度的改善 程度;其中，要求實現最大建模誤差不大于10%，穩(wěn)態(tài)建模誤差控制在1%以內。
[0079] 步驟4,在滿足模型輸出精度的前提下，從部件級模型中獲取發(fā)動機穩(wěn)態(tài)點的狀態(tài) 變量模型建模數據，將非線性部件級模型在發(fā)動機設計點附近線性化，建立線性狀態(tài)變量 模型，用以滿足發(fā)動機故障診斷中對計算時間的要求。
[0080] 建立線性狀態(tài)變量模型的具體步驟為：
[0081] 設航空發(fā)動機狀態(tài)變量模型為：
[0082]
(16)
[0083] 在該模型的基礎上建立起增量模型：
[0084]
(17)
[0085] 其中△表示增量符號，增量表示相對于某個穩(wěn)態(tài)測量點的增量;選取的研究變量
為燃氣渦輪相對轉速和動力渦輪相對轉速，PNC為燃氣渦輪相對轉 速，PNP為動力渦輪相對轉速;系統(tǒng)輸>
分別為燃油流量增量和導葉角 增量，WFB為燃油流量，α為導葉角；系統(tǒng)輸出
ds表示設計點；ds表示 設計點，A為增量符號，增量表示相對于某個穩(wěn)態(tài)測量點的增量，A，B，C，D和A'，B'，C'，D'S 適維矩陣；
[0086]根據變量的物理意義能夠算出：
[0102]
(25)
[0103] 其中:G11(S)為供油量增量到燃氣渦輪相對轉速增量的傳遞函數，G12(S)為導葉角 增量到燃氣渦輪相對轉速增量的傳遞函數，G 21(S)為供油量增量到動力渦輪相對轉速增量 的傳遞函數，G22(S)為導葉角增量到動力渦輪相對轉速增量的傳遞函數;Kn、K 12為燃氣渦輪 相對轉速增量對供油量增量和導葉角增量的放大系數，Κ21、Κ22為動力渦輪相對轉速增量對 供油量增量和導葉角增量的放大系數;時間常數!^燃油流量增量和導葉角增量到燃氣渦輪 相對轉速增量的時間常數;時間常數!^燃油流量增量和導葉角增量到燃氣渦輪相對轉速增 量的時間常數；
[0104] 基于系統(tǒng)在同一工作點附近的線性動態(tài)響應和非線性動態(tài)響應相一致的特性，在 同一穩(wěn)態(tài)工作點附近，對非線性的航空發(fā)動機部件級模型分別作供油量的階躍仿真、導葉 角的階躍仿真，假設供油量階躍量為穩(wěn)態(tài)點的1%，導葉角的階躍為-0.5度，獲取系統(tǒng)階躍 響應變化過程直到達到穩(wěn)態(tài)的數據。有：
[0105]
[0106]
[0107]
[0108]
[0109]
[0110]然后，4
.，采用Af，t線性擬合的方法計算
[0111] 步驟5,考慮到不同發(fā)動機之間的差異和使用期內性能退化等因素對發(fā)動機性能 的影響，本發(fā)明采用由壓氣機效率退化量、渦輪效率退化量組成的特定的可調參數向量來 表征航空發(fā)動機性能退化值，通過以該可調參數向量作為航空發(fā)動機模型的一個控制輸入 量，結合滑?？刂评碚摚O計出具有強魯棒性的滑?？刂破鳎瑢崿F發(fā)動機模型的輸出自適應 地無偏跟蹤真實發(fā)動機的實際輸出，提出基于誤差反饋滑模控制的航空發(fā)動機自適應線性 動態(tài)模型設計方法。圖5給出了航空發(fā)動機自適應線性模型示意圖。
[0112] 結合圖5,基于誤差反饋滑?？刂频暮娇瞻l(fā)動機自適應線性模型設計步驟具體如 下：
[0113] I)建立發(fā)動機在銳化量P輸入作用下的小偏差狀態(tài)變量方程，其形式為
[0114]
(27)
[0115] 其中AP，BP為適維矩陣， Ax - Xnonlinear- Xlinear為發(fā)動機部件級模型狀態(tài)Xnonlinear與 線性模型狀態(tài)XH_r之間的差值。說明：式(27)中的XH_r與式(17)中的X等價。
[0116] 2)設計線性滑模函數：
[0117] Sc = OAx (28)其中Sc為滑模變量，。為線性滑模面設計參數。〇可以根據極點配置 的方法來獲得，通過選取合適的σ來保證滑模面S。= Ix I Sc；(X) =0}具有良好的穩(wěn)態(tài)和動態(tài)性 能。
[0118] 3)采用滑模趨近律4=-Ugn(〇，同時對滑模函數（28)求導數，結合狀 態(tài)變量動態(tài)方程(27 )，可獲得滑模控制器p:
[0119]
[0120] 其中qci>0和qc2>0為趨近律可設計參數。
[0123] 其中δ〇>〇為柔化系數。[0124] 4)聯(lián)立公式(27)和(17)可獲得基于滑?？刂破鞯暮娇瞻l(fā)動機自適應線性模型
[0121]
[0122]
[0125
(3.1)
[0126] 由公式(31)不難發(fā)現，在滑模控制器ρ的作用下，ΔΧ將會收斂，即發(fā)動機線性模型 狀態(tài)Xll_^趨近于部件級模型狀，因此，通過合理選擇滑?？刂破髦械脑O計參 數。^。^。^。，可以實現線性模型狀態(tài)奶^^快速跟隨部件級模型狀態(tài)^^^^并且具有 車父強的魯棒性。
[0127] 可見，基于以上方法，通過在發(fā)動機的設計點構造一個滑?？刂破?，即可保證所設 計的線性模型在寬廣的飛行包線內適用，因此，該航空發(fā)動機自適應線性模型具有優(yōu)良的 自適應能力，可以有效逼近發(fā)動機部件級模型的輸出精度。
[0128] 另外，由于面向故障診斷的航空發(fā)動機模型，對模型實時性有較高的要求，本發(fā)明 所提的航空發(fā)動機自適應線性模型相比于發(fā)動機非線性部件級模型，可以有效避免非線性 模型迭代求解的時間往往超出發(fā)動機故障診斷的不足。
[0129] 步驟6，針對發(fā)動機氣路故障，對發(fā)動機氣路故障模式進行分類，建立故障模型;之 后基于發(fā)動機故障模型，向發(fā)動機非線性部件級模型中注入故障，用于模擬真實發(fā)動機中 可能出現的各類故障。
[0130]以容易發(fā)生氣路故障的旋轉部件故障診斷為例，它們的故障模式可歸結為效率和 流量特性變化，可以選取壓氣機效率突變故障、壓氣機流量突變故障、壓氣機效率漸變故 障、壓氣機流量漸變故障、動力渦輪效率突變故障、動力渦輪流量突變故障、動力渦輪效率 漸變故障、動力渦輪流量漸變故障等故障模式來模擬發(fā)動機故障。
[0131] 1)效率η的突變故障可以簡要描述為：
[0132] η = η, t>t：im!l
[0133] 其中f.為效率的突變值，t為時間變量，tfauit為故障發(fā)生時刻；
[0134] 2)流量的突變故障可以簡要描述為：
[0135] in - /?, t > t,mlt
[0136] 其中6為流量的突變值，t為時間變量，tfauit為故障發(fā)生時刻；
[0137] 3)效率η的漸變故障可以簡要描述為：
[0138] Π .= knn.o, t ^ tf ault
[0139] 其中％為無故障時的效率值，kn為故障漸變速率，t為時間變量，tfauit為故障發(fā)生 時刻；
[0140] 4)流量Λ的漸變故障可以簡要描述為：
[0141]
[0142] 其中也為無故障時的效率值，4為故障漸變速率，t為時間變量，tfauit為故障發(fā)生 時刻；
[0143] 步驟7,因為航空發(fā)動機傳感器自身發(fā)生故障時，會影響測量結果，進而導致發(fā)動 機氣路部件故障診斷出現誤判，所以，本步驟設計一種基于分層診斷策略的航空發(fā)動機氣 路故障診斷方法，圖6給出了基于該方法的航空發(fā)動機故障診斷原理圖。
[0144] 下面結合圖6,分兩個子步驟，對基于分層診斷策略的航空發(fā)動機氣路故障診斷方 法給予詳細說明。
[0145] 假設在步驟5的基礎上，通過滑?？刂破?式30)的作用，發(fā)動機線性模型已經很好 的逼近了發(fā)動機部件級非線性模型，此時進行發(fā)動機的氣路故障診斷研究，下述的實施步 驟基于發(fā)動機線性模型(式17)。
[0146] 步驟 7.1
[0147] 首先，針對發(fā)動機傳感器故障，設計基于擴張干擾估計的滑模觀測器，實現在包含 噪聲干擾的傳感器測量輸出中，進行傳感器故障排查，及時定位和重構故障傳感器，避免由 于傳感器故障而產生的發(fā)動機氣路部件故障誤判。
[0148] 以下是基于擴張干擾估計滑模觀測器的發(fā)動機傳感器故障診斷設計步驟：
[0149] 1)對航空發(fā)動機線性模型（式17)進行增廣，并考慮不確定因素和外干擾的影響， 構造發(fā)動機系統(tǒng)的增廣線性模型
[0150]
V M I
[0151] 其中Z = [x，u]T是增廣的狀態(tài)變量，V = 是增廣的控制變量，d是描述系統(tǒng)不確定 因素和外干擾的組合干擾。
[0152]
，則式(32)可寫為
[0153] i-^Az + Bv + d (33)[0154] 2)設計擴張干擾估計器[0155] 干擾估計值^由擴張干擾估計器獲取，所述擴張干擾估計器為：
[0156]
[0157] 打十值，α是擴張干擾估計器的內 部狀態(tài)，β是可設計的正實數，Q是可設計的負定矩陣。[0158] 3)設計滑模觀測器
[0159] Π ) >
[0160]
[0161]
[0162] %滑模觀測器可設計參數。
[0163] 與步驟5類似，這里的Sgn(Sz)函數可以用
替代，以消除滑模抖振影 響，其中δζ>0為柔化系數。
[0164] 4)傳感器故障診斷、隔離與重構
[0165] 將系統(tǒng)傳感器輸出值y與滑模觀測器(式35)輸出值|2相減得出殘差僅
如果殘差值efz在超過了設定的閾值D1，就認為傳感器發(fā)生了故障。一旦系統(tǒng)判定傳感器發(fā) 生故障，那么就根據滑模狀態(tài)觀測器(式35)，用又替代y，對故障傳感器進行故障隔離與重 構，以避免故障值對系統(tǒng)控制產生不良影響。如此，可以構成傳感器故障診斷、隔離與重構 模塊。
[0166] 步驟 7.2
[0167] 其次，鑒于航空發(fā)動機部件發(fā)生氣路故障，會引起部件效率和流量特性偏離設計 值，可以用部件效率和流量特性與設計值的偏差來表征發(fā)動機的健康情況?？紤]到發(fā)動機 部件的效率和流量特性在實際中較難實時測量，可以綜合利用各個可測量的發(fā)動機運行參 數，設計基于人工蜂群優(yōu)化的滑模觀測器，用于實現發(fā)動機氣路部件故障的檢測和診斷，降 低誤報率和漏報率。
[0168] 以下以壓氣機效率和流量特性為例，介紹基于人工蜂群優(yōu)化滑模觀測器的發(fā)動機 氣路故障診斷設計步驟：
[0169] 1)選擇壓氣機效率和流量特性構成狀態(tài)變量，建立發(fā)動機在控制u輸入作用下的 小偏差狀態(tài)變量方程，其形式為
[0170]
(36)
[0171] 其中△^，8^，(^，〇取為適維矩陣4^=[~，《。]7為狀態(tài)變量，其中~為壓氣機效率， w。為壓氣機流量特性。
[0172] 2)考慮傳感器故障的影響，設計滑模觀測器
[0173]
(37)
[0174] 其中為狀態(tài)Xnw的估計值，iV為本觀測器的輸出估計值，Lnw>〇為滑模觀測器可 設計參數。
[0175] 滑模變量snw定義為
[0176]
(38)
[0177] 其中兔為步驟7.1中定義的輸出估計值。
[0178] 與步驟5類似，這里的Sgn(Snw)函數可以用
替代，以消除滑模抖振影 響，其中δη?>0為柔化系數。
[0179] 3)針對滑模觀測器(37)，通過人工蜂群算法，實現對觀測器參數Lnw的自整定。
[0180] 4)對發(fā)動機健康狀況進行描述：
[0181]
[0182] 共中?為表祉友動機健埭的參數，Tics，Wc;s分別為壓氣機健康情況下的部件效率和 流量特性。
[0183] 5)發(fā)動機氣路故障診斷
[0184] 將發(fā)動機實際輸出值y(仿真過程中用發(fā)動機部件級模型輸出值yncinlin(3ar代替）與 滑模觀測器(37)輸出值Λ?相減得出殘差值=)，-)%".，如果殘差值e fnw在超過了設定的 閾值D2，就認為發(fā)動機壓氣機部件發(fā)生了故障。
[0185] 若殘差efnw小于閾值D2，則代表發(fā)動機壓氣機部件基本無故障；一旦在^時刻殘差 值e fnw到達D2，則代表發(fā)動機壓氣機部件故障已經產生，但此時還不能判定故障類型。
[0186] 為了判斷故障類型，需要在針_>02后再設定t#Pt3兩個時刻獲取殘差值，用來計算 故障的變化率Pf。在ti時亥ljefnw>D2系統(tǒng)判定故障發(fā)生后t2 = ti+l(s)時刻，即系統(tǒng)判定故障發(fā) 生后Is取樣，此時殘差值設定為e/V?w2:H2時刻的計算(今#2 - =/Vl 在t3 = tl+2(S)時 亥|J，即系統(tǒng)判定故障發(fā)生后2s再次取樣，此時殘差值設為efnw3,之后在t3時刻計算 (eWi -)/f =_/Vi，如果Pf 1~Pf2~0，則判定系統(tǒng)發(fā)生突變故障，如果Pf 1~Pf2乒0，則判定 系統(tǒng)發(fā)生漸變故障。通過這樣的邏輯過程，不僅可以判斷出發(fā)動機氣路部件故障與否，還能 夠判斷發(fā)生故障的類型。
[0187] 本發(fā)明的創(chuàng)新之處主要為以下幾點：
[0188] (1)提出一種基于分層診斷策略的航空發(fā)動機氣路故障診斷方法(對應于圖6)。因 為航空發(fā)動機傳感器自身發(fā)生故障時，會影響測量結果，進而導致發(fā)動機氣路部件故障診 斷出現誤判，所以本發(fā)明提出一種基于分層診斷策略的航空發(fā)動機氣路故障診斷方法:首 先進行傳感器故障排查，設計一種基于擴張干擾估計的滑模觀測器設計方法，實現在傳感 器測量輸出中包含噪聲干擾時，仍舊可以及時定位故障傳感器，并對故障傳感器進行重構， 達到避免由于傳感器故障而發(fā)生發(fā)動機氣路部件故障誤判的目的；其次依據傳感器數據進 行狀態(tài)監(jiān)視，實時估計發(fā)動機性能，在此基礎上，綜合利用各個可測量的發(fā)動機運行參數， 開展發(fā)動機氣路部件故障的診斷研究，提出一種基于人工蜂群優(yōu)化的滑模觀測器故障診斷 方法，從而實現高效發(fā)動機氣路部件故障診斷，降低誤報率和漏報率，提高準確率。
[0189] (2)提出一種面向航空發(fā)動機故障診斷的組合建模方法(對應于圖4和圖5)。面向 故障診斷的航空發(fā)動機模型，對模型精度和實時性都有較高的要求。本發(fā)明提出一種基于 智能部件級模型和自適應線性模型的組合建模方法:首先，在分析發(fā)動機旋轉部件特性對 建模誤差的影響和修正因子的多種組合的不同效果的基礎上，根據人工蜂群算法，確定優(yōu) 化的修正因子，結合發(fā)動機運行數據，提出一種航空發(fā)動機部件級模型智能修正新方法;其 次，考慮到航空發(fā)動機部件級模型是一類非線性模型，非線性模型迭代求解的時間往往超 出發(fā)動機故障診斷的要求，因此，在滿足模型輸出精度的前提下，將非線性模型線性化，再 利用滑?？刂破鞯牧己敏敯粜裕岢鲆环N基于誤差反饋滑?？刂频暮娇瞻l(fā)動機自適應線性 模型設計方法，實現僅需在設計點構造一個滑?？刂破鳎纯杀ＷC所設計的線性模型在寬 廣的飛行包線內適用，具有優(yōu)良的自適應能力。
【主權項】
1. 一種基于滑模理論的航空發(fā)動機氣路故障診斷方法，其特征在于:包括以下步驟： 步驟1，依據部件級建模方法，建立航空發(fā)動機部件級模型，對發(fā)動機部件級模型進行 穩(wěn)態(tài)和動態(tài)計算，以試車數據為標準，考核所建立的航空發(fā)動機部件級模型的仿真輸出數 據與試車數據的匹配度； 步驟2，采用人工蜂群算法對航空發(fā)動機部件級模型進行修正； 步驟3,將修正后的發(fā)動機部件級模型輸出數據與發(fā)動機動態(tài)運行試驗數據以及原發(fā) 動機部件級模型輸出數據相比較，驗證模型精度的改善程度;其中，要求實現最大建模誤差 不大于10%，穩(wěn)態(tài)建模誤差控制在1%以內； 步驟4,在滿足模型輸出精度的前提下，將非線性部件級模型線性化，建立線性狀態(tài)變 量模型； 步驟5,采用由壓氣機效率退化量、渦輪效率退化量組成的可調參數向量來表征航空發(fā) 動機性能退化值，通過以該可調參數向量作為航空發(fā)動機模型的一個控制輸入量，結合滑 ?？刂评碚?，設計具有強魯棒性的滑?？刂破?，實現發(fā)動機模型的輸出自適應地無偏跟蹤 真實發(fā)動機的實際輸出，提出基于誤差反饋滑?？刂频暮娇瞻l(fā)動機自適應線性動態(tài)模型設 計方法； 步驟6，針對發(fā)動機氣路故障，從安全性、可靠性角度出發(fā)，研究發(fā)動機漸變故障和突變 故障機理，對發(fā)動機氣路故障模式進行分類，建立故障模型；之后基于發(fā)動機故障模型，向 發(fā)動機非線性部件級模型中注入故障，用于模擬真實發(fā)動機中可能出現的各類故障； 步驟7,提出基于分層診斷策略的航空發(fā)動機氣路故障診斷方法:首先進行傳感器故障 排查，設計基于擴張干擾估計的滑模觀測器，實現在傳感器測量輸出中包含噪聲干擾時，仍 舊能夠及時定位故障傳感器，并對故障傳感器進行重構，達到避免由于傳感器故障而發(fā)生 發(fā)動機氣路部件故障誤判的目的；其次依據傳感器數據進行狀態(tài)監(jiān)視，實時估計發(fā)動機性 能，在此基礎上，綜合利用各個可測量的發(fā)動機運行參數，開展發(fā)動機氣路部件故障的診斷 研究，采用基于人工蜂群優(yōu)化的滑模觀測器對故障進行診斷，從而實現高效發(fā)動機氣路部 件故障診斷。2. 如權利要求1所述的基于滑模理論的航空發(fā)動機氣路故障診斷方法，其特征在于:步 驟2的具體步驟為:分析發(fā)動機旋轉部件特性對建模誤差的影響，分析修正因子的多種組合 的不同效果，根據試車數據，基于人工蜂群算法，確定優(yōu)化的修正因子，對發(fā)動機部件特性 以及引氣系數、總壓恢復系數進行修正，從而修正發(fā)動機部件級模型。3. 如權利要求1所述的基于滑模理論的航空發(fā)動機氣路故障診斷方法，其特征在于:步 驟7中的具體步驟為：， 步驟7.1，首先，針對發(fā)動機傳感器故障，設計基于擴張干擾估計的滑模觀測器，實現在 傳感器測量輸出中包含噪聲干擾時，仍舊能夠及時定位故障傳感器，并對故障傳感器進行 重構，達到避免由于傳感器故障而發(fā)生發(fā)動機氣路部件故障誤判的目的； 步驟7.2，其次，用部件效率和流量特性與設計值的偏差來表征發(fā)動機的健康情況，利 用各個可測量的發(fā)動機運行參數，設計基于人工蜂群優(yōu)化的滑模觀測器，用于實現發(fā)動機 氣路部件故障的檢測和診斷。
【文檔編號】G06F17/50GK106055770SQ201610361681
【公開日】2016年10月26日
【申請日】2016年5月26日
【發(fā)明人】肖玲斐, 杜彥斌, 胡繼祥, 陳宇寒
【申請人】南京航空航天大學