基于抗差Kalman滤波的航空发动机测试数据预处理技术

针对使用标准Kalman滤波算法不能准确处理包含粗差的航空发动机测试数据的问题,在分析标准Kalman滤波算法准则和观测误差对滤波估计结果影响的基础上,采用动态调整观测信息在滤波估计结果中权重的方法,给出了基于抗差M估计理论的抗差Kalman滤波准则和递推公式。对不同的发动机测试数据分别采取序列滤波的方法,减少了运算量。基于常加速度模型,建立了测量参数的状态空间方程和测量方程。以包含粗差的某型涡扇发动机稳定工作过程的模拟测量数据为例,采用所设计的抗差Kalman滤波器对其进行预处理,与标准Kalman滤波算法处理的结果对比表明,在模型误差一定的情况下,抗差Kalman滤波算法具有更好的估计精度。     

主元分析法和模糊积分的航空发动机气路状态监测

航空发动机是一个大系统,由于结构复杂、工作条件恶劣等因素影响,对其进行有效地健康状态监测成为航空领域长期难以解决的关键技术之一。为有效监测航空发动机健康状态,以航空发动机气路系统为例,提出一种基于主元分析和模糊积分的航空发动机状态监测方法。首先,利用主元分析法提取发动机状态样本集的主元,对样本数据进行降维,实现样本的最优压缩。其次,利用BP神经网络和Elman神经网络对发动机状态信息的特征向量进行初步状态监测。最后,利用模糊积分对采用两种神经网络的初步监测结果进行决策层融合,从而有效地实现对航空发动机气路系统的状态监测。通过某型真实航空发动机验证表明,所提出基于主元分析和模糊积分的状态监测方法,能有效提高监测的准确度,满足航空发动机状态监测的实时性要求,具有良好的工程应用价值。     

基于Mamdani模糊推理的航空发动机故障诊断

提出了一种基于Mamdani模糊推理的航空发动机故障诊断方法.该方法将发动机故障征兆信号作为模糊推理的输入,利用专家经验建立模糊推理规则并提取蕴含关系,在此基础上,通过故障征兆信号与蕴含关系的Mamdani推理合成获取发动机故障原因发生的可能性,进而达到故障诊断的目的.实验结果表明,该方法可行且有效.     

基于自适应Kalman滤波算法的航空发动机可测参数及其偏离量估计

针对采用估计可测参数偏离量建立航空发动机机载自适应模型的方案中,可测参数偏离量估计的问题,引入了CA(Constant Acceleration)模型,建立了简化的可测参数状态方程和测量方程,采用自适应Kalman滤波算法直接估计可测参数,由估计出的可测参数与发动机非线性模型计算的额定值之差,获得可测参数偏离量.为解决因简化的状态模型系统误差较大,采用标准Kalman滤波会出现估计严重偏离真值的问题,分析了标准Kalman滤波准则和状态模型误差对滤波结果的影响,采用动态调整状态预报在滤波估计结果中权重的策略,给出了单因子自适应Kalman滤波算法准则及递推公式,使滤波估计准确.对不同的可测参数分别采取序列滤波的方法,减少了运算量.以仿真产生的发动机测量数据为例,对系统模型和所设计的算法进行验证,计算结果表明,所设计的滤波算法具有很快的收敛速度和计算速度,结果优于标准Kalman滤波算法,具有更好的估计精度和一定的工程应用价值.     

平滑支持向量机的航空发动机性能衰退故障诊断

为解决发动机所监控的健康指数不能多于测量参数的问题,采用平滑支持向量机方法(SSVM),用4个参数对发动机九类衰退故障进行诊断,并与传统的支持向量机方法(采用LSSVM)进行对比.研究表明:在样本数量小、样本分布不平衡等条件的影响下,SSVM对各类部件性能衰退故障的诊断正确率均在90％以上.相对于LSSVM,SSVM无需优化参数,鲁棒性强,对样本集大小和样本集数目不平衡性的适应性良好,更适合航空发动机性能衰退故障的诊断.     

航空发动机叶片的内窥涡流集成化原位检测

目前内窥检测是航空发动机叶片原位检测的唯一方法,但是内窥检测对于叶片裂纹缺陷的检测效果不理想.为此,提出内窥涡流集成化检测技术,使这两种方法的优势互补,实现对航空发动机叶片的原位检测.研制了一种可用于航空发动机叶片原位检测的内窥涡流集成化检测探头,给出了航空发动机叶片的检测实例.检测结果表明:内窥涡流集成化检测技术的缺陷检测能力高,并且可以实现对裂纹缺陷的定量评估,因此较单一的内窥检测更有优越性.具有很高的实际应用价值.