收藏本站
《南京航空航天大学》 2009年
收藏 | 手机打开
二维码
手机客户端打开本文

基于卡尔曼滤波的航空发动机故障诊断技术研究

张鹏  
【摘要】: 航空发动机故障诊断技术,是实现发动机视情维护,降低使用成本,提高设备可靠性,保证飞行安全,战斗任务完成的重要前提,是飞行推进系统健康管理技术的核心组成部分。本文重点研究了基于模型和卡尔曼滤波器的航空发动机气路部件与传感器系统的故障诊断方法,主要内容如下: 首先针对发动机线性模型建模的问题,在小扰动与拟合法的基础上,提出了优化拟合建模方法,利用MATLAB工具箱函数进行线性模型矩阵元素的求解,大大提高了线性模型的精度与建模效率。在线性模型中定义了能够表示发动机部件蜕化程度的健康参数,保证了模型对于发动机非额定工作状态的仿真,使用卡尔曼滤波器根据可测输出的偏离量估计不可测量的发动机部件健康参数,建立了能够准确跟踪额定与非额定工作状态下发动机输出的机载自适应线性模型。 研究了基于线性模型的发动机气路部件故障诊断算法。通过调整发动机非线性模型部件特性,实现了对于气路部件故障的模拟。提出了针对突变型故障诊断的假设条件,解决了采用线性卡尔曼滤波器进行部件突变故障诊断的问题。针对传感器测量野值干扰影响部件故障诊断结果的准确性,导致误诊的问题,通过对卡尔曼滤波器新息序列特性的分析,判定传感器测量数据中是否存在野值,并重新构造参数估计来消除野值的影响,提高滤波器对于传感器测量野值的鲁棒性与故障诊断结果的精度。 在发动机线性模型的基础上,设计了基于一组卡尔曼滤波器的发动机传感器故障诊断系统,设计实现了单一或者双重传感器故障检测、隔离与重构,故障诊断仿真验证了所设计传感器故障诊断系统的有效性。在实现传感器故障诊断系统的基础上,提出了一种发动机传感器、部件故障诊断系统,重点研究讨论了传感器与气路部件故障的检测、区分与隔离算法。仿真结果证明,在传感器或者气路部件两者之一发生故障的情况下,该系统能够正确实现故障检测和诊断,但当两者同时发生故障时,系统能够判断故障存在,但无法给出确切的故障隔离、诊断结论。 研究了基于非线性模型和UKF卡尔曼滤波器的发动机故障诊断算法。非线性卡尔曼滤波器UKF直接应用于发动机非线性模型,避免了由于线性模型建模过程中近似算法引入的建模误差影响故障诊断结果的问题。设计了发动机部件健康参数估计UKF算法并进行了典型故障诊断的仿真,均达到了较高的诊断精度,尤其是发动机动态情况下的故障诊断,UKF与线性KF相比具有明显的优势。研究卡尔曼滤波器系统噪声、测量噪声矩阵的选取方法,提高了算法的收敛速度与精度,确定了适合实现发动机在线故障诊断的噪声矩阵选取方案。针对第四章中尚未解决的传感器与气路部件同时发生故障情况下的诊断问题,提出了基于δ-c概率密度函数的鲁棒UKF算法以及基于双重卡尔曼滤波器的部件和传感器健康参数同步估计两种解决方案,并进行数值仿真验证了两种方案的有效性。 研究了基于改进非线性UKF与非稳态测量数据的发动机故障诊断技术。从提高滤波器计算精度、稳定性,降低计算量等方面改进原UKF算法,提出了一种超球体采样平方根UKF滤波算法。研究了基于动态测量数据的发动机性能监控与故障诊断系统,采用超球体采样平方根UKF算法实现了多个部件渐变与突变故障的诊断。仿真结果证明超球体采样平方根UKF算法精度高,稳定性好,且计算量大大降低,适用于航空发动机的在线实时故障诊断。 融合神经网络、卡尔曼滤波技术两种算法的优势,提出了一种航空发动机算法融合故障诊断系统。采用自联想神经网络建立了发动机传感器数据验证模块;概率神经网络对发动机工作模式进行分类,实现定性气路部件故障诊断。根据概率神经网络的诊断结论,由卡尔曼滤波器对发生故障的部件健康参数进行估计,实现对故障程度的准确评价。与单一故障诊断系统相比,算法融合故障诊断系统能够完成发动机传感器和气路部件故障的系统性诊断,进一步解决了传感器与部件故障互相干扰、诊断困难,传感器数量较少影响部件故障诊断结果的精度以及较多的待估计参数导致计算量大的问题,在避免误诊漏诊,提高诊断精度与效率方面有着突出的优势。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 蔡应强;欧阳冰;陈晓炜;;基于多传感器信息融合技术的工程机械故障诊断系统[J];工程机械文摘;2006年01期
2 蔡国锐,张雷;汽车故障自诊断及故障诊断技术[J];机械研究与应用;2005年04期
3 李东江;;三原不解体诊断技术讲座 故障诊断技术的发展历程和我国汽车维修的现状[J];汽车维护与修理;2007年03期
4 范苏如;;状态监测和故障诊断技术在合成气压缩机透平故障上的应用[J];机械;2008年06期
5 李书俊;贾林堂;;多传感器数据融合技术在电控自动变速器故障诊断中的应用[J];濮阳职业技术学院学报;2010年03期
6 张冬梅;;工程机械机群故障诊断系统研究[J];机床与液压;2006年04期
7 郑君;张冬泉;;故障诊断技术[J];电气时代;2008年05期
8 叶航;洪晓斌;刘桂雄;;复杂控制系统故障诊断方法分析[J];机电产品开发与创新;2006年02期
9 武桦;王小宇;张丽;;水轮发电机组状态监测与故障诊断系统研究[J];西北水力发电;2006年03期
10 顾紫妍;;机电设备故障诊断技术的研究综述[J];科技信息;2007年01期
11 刘宝玲;何钧;;火电厂汽包水位预警及故障诊断系统应用研究[J];电站系统工程;2007年06期
12 任云鹏;张维鹏;卢崇劭;;汽轮机组故障诊断系统[J];大型铸锻件;2006年02期
13 李昕;张春良;李建;;机械故障诊断技术的发展及其在核机械中的应用[J];装备制造技术;2009年10期
14 赫伟英;裴峻峰;;往复机械故障诊断技术进展综述[J];化工机械;2010年05期
15 詹宏宏,贾民平,胡建中,苏中元;机群状态远程监测与故障诊断系统的研制[J];东南大学学报(自然科学版);2005年05期
16 高庆;陈云飞;;加权模糊Petri网在故障诊断中的应用[J];科学技术与工程;2007年24期
17 张克仁;汪萍;朱广;;基于蓝牙通讯技术的远程监测和故障诊断系统[J];安徽建筑工业学院学报(自然科学版);2010年05期
18 刘永红;;装载机可靠性及故障诊断技术进展[J];化学工程与装备;2010年02期
19 尹世清;张金柱;;汽车电控发动机故障诊断技术[J];中国科技信息;2010年11期
20 屈梁生;赵振毅;;机器故障诊断技术及其现状与展望[J];新技术新工艺;1987年02期
中国重要会议论文全文数据库 前10条
1 赵瑾;顾幸生;;线性不确定系统故障诊断技术鲁棒性的研究[A];第二十三届中国控制会议论文集(下册)[C];2004年
2 谢江华;徐才发;张迅;李汉祥;杨德斌;;大型设备的远程在线监测与故障诊断系统的实现[A];2003年11省区市机械工程学会学术会议论文集[C];2003年
3 王书茂;;虚拟仪器技术及其在设备故障诊断中的应用[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
4 段丰安;李文珍;许忠;;基于状态观测器的常规系统故障诊断方法研究[A];第十六届全国青年通信学术会议论文集(上)[C];2011年
5 黄高明;李胜勇;袁湘辉;;海军舰船装备远程故障诊断系统设计[A];舰船电子装备维修理论与应用——中国造船工程学会电子修理学组第四届年会暨信息装备保障研讨会论文集[C];2005年
6 叶沙琳;张铁;谢存禧;邹焱飚;;机器人的控制系统故障诊断(检测)程序开发研究[A];第十届粤港机电工程技术与应用研讨会暨梁天培教授纪念会文集[C];2008年
7 李勇;;煤矿机电设备的故障检测与诊断[A];第七次煤炭科学技术大会文集(下册)[C];2011年
8 莫秋云;杨晓清;宾莹;;基于BP算法与D-S理论的故障诊断技术[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
9 郑应文;;线性网络故障诊断的定向激励方法[A];1994中国控制与决策学术年会论文集[C];1994年
10 殷海俊;郑建明;;舰船导弹火控系统远程检测及故障诊断[A];舰船电子装备维修理论与应用——中国造船工程学会电子修理学组第四届年会暨信息装备保障研讨会论文集[C];2005年
中国重要报纸全文数据库 前10条
1 乐天编译;编织一张更好的Web[N];计算机世界;2007年
2 Silvio Lauckner;只需少量元件的USB温度传感器[N];电子资讯时报;2008年
3 本报记者 刘锋;水乡深处的发明专业户[N];科技日报;2009年
4 于寅虎;我国传感器未来命系产业化[N];中国电子报;2004年
5 记者  毛黎;美计划试验新的海啸预警系统[N];科技日报;2006年
6 潘金宽;战场地面传感器的发展趋势[N];战士报;2010年
7 梁燕蕙 DigiTimes;美光推出800万像素产品[N];电子资讯时报;2006年
8 周童;注重实时取景的数码单反[N];计算机世界;2008年
9 范渝民;帮你了解全画幅[N];中国消费者报;2009年
10 成都 胥绍禹 摘译;移动人体传感器[N];电子报;2008年
中国博士学位论文全文数据库 前10条
1 张鹏;基于卡尔曼滤波的航空发动机故障诊断技术研究[D];南京航空航天大学;2009年
2 杨迎泽;重载组合列车同步制动系统故障诊断技术与应用研究[D];中南大学;2010年
3 李孟麟;融合叶尖定时信号的旋转机械转子故障诊断技术研究[D];天津大学;2011年
4 闫兵;基于曲轴角振动信号的内燃机故障诊断系统关键技术研究[D];西南交通大学;2005年
5 邓辉;基于开放体系的机电设备可重构监测系统研究[D];天津大学;2007年
6 杜殿林;FCCU反—再系统基于神经网络和SDG模型的混合故障诊断系统研究与开发[D];北京化工大学;2006年
7 肖志怀;水利枢纽闸门维护自动化-故障诊断技术研究[D];华中科技大学;2004年
8 白亮;水力机组集成智能化振动故障诊断网格研究[D];西安理工大学;2008年
9 池红卫;复杂过程工业系统故障诊断与预测方法的研究[D];天津大学;2004年
10 何慧龙;机电设备微弱特征提取与诊断方法研究[D];天津大学;2007年
中国硕士学位论文全文数据库 前10条
1 王新彦;轧机设备的在线监测和故障诊断系统[D];郑州大学;2006年
2 何谢振;基于虚拟仪器的大型立式水泵机组状态监测和故障诊断系统研究[D];河海大学;2007年
3 韩振蛟;安钢高线轧机在线监测与故障诊断系统研究[D];郑州大学;2006年
4 潘兵;矿运卡车液压系统状态监测及故障诊断系统的研究[D];电子科技大学;2006年
5 李卫周;基于虚拟仪器的水泵性能检测与故障诊断系统[D];西安科技大学;2009年
6 丁建波;内燃机车空气制动机故障诊断系统的研究[D];浙江工业大学;2008年
7 何茹;基于神经网络的烧结风机状态监测[D];辽宁科技大学;2008年
8 蔡辰光;基于虚拟仪器和神经网络的电喷发动机故障诊断系统研究[D];重庆交通大学;2008年
9 刘冬霞;滚动轴承故障诊断系统开发研究[D];五邑大学;2008年
10 金志贤;水下机器人推进器故障诊断技术研究[D];哈尔滨工程大学;2006年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978