基于双通道传感器的航空发动机在线故障诊断系统研究

对基于双通道传感器的航空发动机在线故障诊断和隔离技术进行了研究;在发动机机载非线性模型的基础上,对发动机的双通道传感器分别设计混合卡尔曼滤波器,利用该滤波器在线估计双通道传感器输出,并结合实际双通道传感器测量值以及发动机机载非线性模型的输出值在线实现传感器故障检测和隔离、部件故障及异常检测确认;利用该技术建立了某型涡扇发动机在线故障诊断系统,通过仿真实例验证了该系统的诊断性能,实验结果表明,本文所建立的在线故障诊断系统能够较好的完成故障诊断与隔离、部件故障及异常检测等功能,为此类系统的工程应用提供了理论依据。     

基于一组卡尔曼滤波器信息融合的故障诊断

为了能及时准确地诊断发动机的传感器和执行机构故障,文章提出了基于一组卡尔曼滤波器信息融合的方法进行故障诊断;首先根据传感器特性设计了一组滤波器用于传感器故障诊断、隔离,每个滤波器针对一个传感器进行设计;其次根据执行机构故障特性设计了一组卡尔曼滤波器进行执行机构偏差估计,从而对执行机构进行故障诊断、隔离;接着给出了传感器、执行机构信息融合的诊断方案;最后分别给传感器、执行机构添加故障进行方案验证,仿真结果得出在传感器或者执行机构任意部件出故障的情况下,该融合方法可以有效地诊断并隔离出有故障的传感器或者执行机构。     

一种航空发动机传感器故障诊断方法

为了对航空发动机传感器故障作出准确快速的诊断,在Simulink中设计了基于卡尔曼滤波器的残差检验的故障诊断模块,实现发动机传感器恒偏差、恒增益、卡死故障等硬故障的诊断。针对传统卡尔曼滤波器残差检验法检测缓变故障时存在较大延时的缺点,采用改进卡尔曼滤波器的残差检验法来检测故障,并与传统卡尔曼滤波器法进行比较。仿真结果表明,传统卡尔曼滤波器的残差检验法能有效地诊断航空发动机传感器的几种典型硬故障,但对于缓变故障却不敏感。改进卡尔曼滤波器的残差检验法能在一定程度上加快检测速度,取得较好的效果。     

基于分层多模自适应滤波算法的无人机多重传感器故障诊断

应用标准的多模自适应滤波算法能够在较短的时间内检测出系统的单一故障,但是当把它用于检测系统的双重或多重故障时,这一算法需要建立所有可能出现的故障模型,而每一个模型都要对应一个卡尔曼滤波器,需要大量的滤波器并行运算,大大增加了系统的故障诊断时间,为了简化算法并减少算法计算时间,本文提出了一种用于复杂系统的多重故障诊断的分层多重模型滤波技术,在确定某一单个故障发生后,则可以启用一组基于上一单个故障的新滤波器来检测系统的第二重故障,这样减少了并行运算的滤波器数量,从而减少计算量和故障诊断时间.本文将此算法应用于某无人机多重传感器的故障诊断,仿真结果验证了该方法的有效性.     

涡扇发动机气路健康的简约卡尔曼滤波估计

由于航空发动机气路中传感器的数目有限,令气路健康参数的估计结果带有不确定性,为此,我们提出基于简约卡尔曼滤波器的机载自适应模型.该模型通过矩阵变换降低健康参数矩阵的维数,把简约卡尔曼滤波器的估计偏差和方差的加权和作为最小化的目标,采用自适应遗传算法构造出一个较准确,能反映发动机性能的健康参数子集.从理论上进一步论证了简约卡尔曼滤波器的估计方法.对某型涡扇发动机气路部件进行性能估计作数值仿真,结果表明,基于简约卡尔曼滤波器的机载自适应模型方法适用于在包线内传感器个数少于健康参数条件下,有效估计出发动机气路健康性能.     

集员卡尔曼滤波器在电机故障诊断中的应用

本文针对伺服电机提出了一种基于集员卡尔曼滤波器的故障诊断方法并进行了实际应用. 首先, 基于运动学关系和数据驱动技术构建了伺服电机的综合系统动态. 之后, 针对电机的位置–速度模型设计了一个中心对称多面体卡尔曼滤波器来检测位置传感器和速度传感器是否发生故障. 同时, 针对电机的力矩–速度模型设计了一个中心对称多面体卡尔曼滤波器来检测力矩执行器故障和速度传感器故障. 然后, 基于上述的两个中心对称多面体卡尔曼滤波器提出了一种故障隔离律, 可以定位出伺服电机故障部件的位置. 最后, 通过一个实际的伺服电机实验平台对所提出方法进行了应用, 并验证了其可行性与有效性     

离散时间线性时变系统的传感器故障估计滤波器设计

针对一类离散时间线性时变系统提出了一种传感器故障诊断方法.本文首先通过状态增广的方式将被研究的系统转化为描述系统的形式,并且基于该描述系统模型,采用方差最小化原则设计了一种能够同时估计系统状态和传感器故障的故障估计滤波器,然后利用一组故障估计滤波器提出了一种故障诊断方法.本文的主要贡献在于针对离散线性时变系统提出了一种不需要对故障动态进行假设的传感器故障诊断方法.所提出方法的另一个优点是该方法能够在存在过程和测量噪声的情况下实现故障检测、分离与估计.仿真结果说明了所提出方法的有效性.     

基于部件参数估计的航空发动机故障预测技术研究

为了满足新一代航空发动机对故障预测与健康管理系统的需求,针对气路故障预测问题,以某型双转子、双涵道涡轮风扇发动机为对象,研究了把性能健康参数作为状态量扩展至状态方程,利用卡尔曼滤波器对状态变量进行估计,以估计出健康参数;并以该健康参数为基础,预测发动机的气路故障;最后以某涡扇发动机数学模型作为仿真对象,以H=15 km、Ma=1.6为仿真设计点,利用该工作点的线性状态方程设计了扩展卡尔曼滤波器,对健康参数进行了估计。仿真结果表明,状态估计器能够快速、较为准确地估计发动机的性能退化系数,从而能够较为准确地预测故障发生的时间,为航空装备的保障提供理论依据。     

基于卡尔曼滤波器组的执行机构故障诊断方法

研究航空发动机控制系统中故障多发部件之一的执行机构故障诊断的问题.目前航空发动机控制系统执行机构故障诊断多采用硬件冗余的方法,因而导致设备重量和费用过高的问题,针对此问题,采用模型的解析余度方法,建立航空发动机执行机构的故障模型,利用卡尔曼滤波器组对发动机进行状态参数估计,构造滤波误差加权平方和作为系统残差,结合容错设计原理实现对执行机构故障的检测与隔离.仿真结果表明,改进方法对发动机燃油计量装置和喷口面积可调装置的执行机构故障诊断准确有效,易于工程实现.     

航空发动机控制系统多传感器软故障检测研究

一般认为两个以上传感器同时发生故障的概率较小,但实际上不能排除其发生的可能性;提出了一种改进的多重故障假设方法来解决航空发动机控制系统多传感器同时发生软故障的问题,这一方法采用一组卡尔曼滤波器,每个滤波器对应一个被检测传感器的故障模态;采用残差加权二乘方处理滤波残差并与门限值作比较来判断是否发生故障;仿真结果表明,所提出的方法能有效解决多传感器软故障的检测与隔离问题.     

Cascade filter structure for sensor/actuator fault detection and isolation of satellite attitude control system

This paper presents a new scheme for fault detection and isolation in a satellite system. The purpose of this paper is to develop detection, isolation and identification algorithms based on a cascade filter for both total and partial faults in a satellite attitude control system (ACS). The cascade filter consists of a decentralized Kalman filter (DKF) and a bank of interacting multiple model (IMM) filters. The cascade filter is utilized for detection and diagnosis of anticipated sensor and actuator faults in a satellite ACS. Other fault detection and isolation (FDI) schemes are compared with the proposed FDI scheme. The FDI procedure using a cascade filter was developed in three stages. In the first stage, two local filters and a master filter detect sensor faults. In the second stage, the FDI scheme checks sensor residuals to isolate sensor faults, and 11 Extended Kalman filters with actuator fault models detect wherever actuator faults occur. In the third stage of the FDI scheme, four filters identify the fault type, which is either a total or partial fault. An important feature of the proposed FDI scheme is that it can decrease fault isolation time and accomplish not only fault detection and isolation but also fault type identification using a scalar penalty in the conditional density function.     

基于模型的曲轴位置传感器故障诊断研究

为了对汽车发动机转速传感器作出快速准确的诊断,结合曲轴信号处理原理,在MATLAB/simulink中设计基于卡尔曼滤波器残差检验的OBD诊断模块,实现了曲轴位置传感器无信号、信号错误等故障诊断功能。针对卡尔曼滤波器法无法排除掉非故障性信号输入的缺点,在卡尔曼滤波法基础上加入逻辑诊断,通过条件判断以启动诊断,加入决策逻辑以确定故障状态。验证结果表明,卡尔曼滤波器法能够准确快速识别两种传感器故障,但在非故障性信号时无法准确判断故障。加入诊断逻辑的改进卡尔曼滤波法能够准确排除非故障性输入,保证诊断的准确性。     

带观测滞后和不确定噪声方差的多智能体传感网络鲁棒序贯协方差交叉融合Kalman滤波

针对带观测滞后和不确定噪声方差的分簇多智能体传感网络系统,研究鲁棒序贯协方差交叉融合Kalman滤波器的设计问题.应用最邻近法则,传感网络被分成簇.应用极大极小鲁棒估计原理,基于带噪声方差最差保守上界的最差保守传感网络系统,提出了两级序贯协方差交叉(SCI)融合鲁棒稳态Kalman滤波器,可减小通信和计算负担并节省能量,且保证实际滤波误差方差有一个最小保守上界.一种Lyapunov方程方法被提出用于证明局部和融合滤波器的鲁棒性.提出了鲁棒精度的概念且证明了局部和融合鲁棒Kalman滤波器的鲁棒精度关系.证明全局SCI融合器的鲁棒精度高于每簇SCI融合器的精度且两者的鲁棒精度都高于每个局部鲁棒滤波器的精度.一个跟踪系统的仿真例子证明了鲁棒性和鲁棒精度关系.     

基于融合EKF的航空发动机气路性能健康预测

针对集中式滤波算法存在计算效率不高、容错性差,引入融合滤波的思想,提出采用非线性融合的联邦式扩展卡尔曼滤波器进行发动机气路健康性能预测.子滤波器根据量测参数完成发动机部分健康性能的局部估计,主滤波根据子滤波器估计参数完成融合滤波估计,并将状态估计值和协方差反馈至子滤波器用于下一步健康预测.通过某型涡扇发动机仿真表明:融合EKF滤波器能准确地预测发动机的健康状态,估计稳定收敛时间短、计算时间短、效率高.     

分簇传感网络系统两级鲁棒观测融合Kalman滤波器

研究了分簇传感网络分布式融合Kalman滤波器.根据最邻近原则将传感网络分成簇,每簇由传感节点和簇首组成.应用极大极小鲁棒估计原理,基于带噪声方差最大保守上界的最坏保守系统,对带不确定性噪声方差的分簇传感网络系统提出了两级鲁棒观测融合Kalman滤波器.当传感器数量非常多的时候它可以明显减小通信负担.在鲁棒性分析中利用Lyapunov方程方法证明了局部和融合Kalman滤波器的鲁棒性.提出了鲁棒精度的概念,并证明了局部和融合鲁棒Kalman滤波器之间的鲁棒精度关系.证明了两级加权观测融合器的鲁棒精度等价于相应的全局集中式鲁棒融合器的鲁棒精度,并且高于每个局部观测融合器的鲁棒精度.一个仿真例子说明上述结果的准确性.     

基于小波分析的传感器故障检测研究

针对航空发动机控制系统传感器故障检测在强噪声环境下易误报的问题,设计了基于模极大值原理的传感器故障检测方法.首先介绍基于小波奇异性进行故障检测的基本原理,之后根据信号和噪声奇异指数不同的特点判断噪声模极大值.对传感器典型故障,给出基于模极大值原理的传感器故障检测算法,并根据小波变换模极大值在不同尺度下的分布来完成故障的检测.通过某型涡扇发动机控制系统传感器故障检测仿真实验表明,小波变换能很好地刻画信号的奇异性特征,该滤波算法消噪效果明显,故障检测准确度高.     

基于神经网络观测器的飞行器传感器故障检测

为了避免传感器故障对飞控系统的影响,实现传感器故障的快速检测与隔离,提出了一种基于神经网络观测器(NNOB)的传感器故障检测方法.在建立四旋翼飞行器姿态故障模型的基础上,利用非线性观测器得到的期望输出和传感器测量值设计基于神经网络(NN)的传感器故障观测器,利用扩展卡尔曼滤波器(EKF)更新神经网络的权值参数,通过Ly...