航空发动机传感器与执行机构信息重构算法

doi:10.13700/j.bh.1001-5965.2019.0240

北京航空航天大学学报 ›› 2020, Vol. 46 ›› Issue (2): 331-339.doi: 10.13700/j.bh.1001-5965.2019.0240

航空发动机传感器与执行机构信息重构算法

孙浩, 郭迎清, 赵万里

西北工业大学动力与能源学院, 西安 710129

收稿日期:2019-05-18 发布日期:2020-03-11
通讯作者: 郭迎清 E-mail:yqguo@nwpu.edu.cn
作者简介:孙浩,男,博士研究生。主要研究方向:航空发动机故障诊断与容错控制;郭迎清,男,博士,教授,博士生导师。主要研究方向:航空发动机先进控制与健康管理技术。

Information reconstruction algorithm of aero-engine sensors and actuators

SUN Hao, GUO Yingqing, ZHAO Wanli

School of Power and Energy, Northwestern Polytechnical University, Xi'an 710129, China

Received:2019-05-18 Published:2020-03-11

摘要/Abstract

摘要： 为实现航空发动机传感器与执行结构在故障情形下的故障幅值估计及信息重构，缓解故障对发动机性能的影响，在已有故障检测和故障隔离算法的基础上，提出一种基于修正的广义似然比（GLR）方法的信息重构算法。针对某型民用涡扇发动机的传感器与执行机构发生恒偏差与漂移故障的情形下进行了仿真验证。结果表明：基于修正的GLR方法对传感器和执行机构恒偏差和漂移故障的故障幅值估计具有较高的精度，两种故障情形下故障幅值的估计值的均方根误差均不超过0.005，故障部件信息重构后故障对系统性能的影响得到有效缓解。

关键词: 航空发动机, 故障诊断, 故障幅值估计, 广义似然比(GLR), 信息重构

Abstract: In order to realize the fault magnitude estimation and information reconstruction of aero-engine sensor and actuator in fault condition and to accommodate the influence of fault on engine performance, based on the fault detection and fault isolation algorithms, a reconstruction algorithm based on a modified generalized likelihood ratio (GLR) method is proposed. Aimed at the constant deviation fault and drift fault of sensors and actuators of a certain type of civil turbofan engine, a simulation experiment was implemented. The simulation results show that the modified GLR method has higher accuracy for fault magnitude estimation of sensors and actuators with constant deviation and drift fault. The root mean square error of the fault magnitude estimation does not exceed 0.005 in both fault types. And after the information reconstruction of fault component, the effect of the fault on the system performance is effectively accommodated.

Key words: aero-engine, fault diagnosis, fault magnitude estimation, generalized likelihood ratio (GLR), information reconstruction

中图分类号:

V233.7

孙浩, 郭迎清, 赵万里. 航空发动机传感器与执行机构信息重构算法[J]. 北京航空航天大学学报, 2020, 46(2): 331-339.

SUN Hao, GUO Yingqing, ZHAO Wanli. Information reconstruction algorithm of aero-engine sensors and actuators[J]. Journal of Beijing University of Aeronautics and Astronautics, 2020, 46(2): 331-339.

参考文献

[1] KUMAR A,VIASSOLO D E.Model-based fault tolerant control:NASA/CR 2008-215273[R].Washington,D.C.:NASA,2008.
[2] CHEN R H,SPEYER J L.Sensor and actuator fault reconstruction[J].Journal of Guidance,Control,and Dynamics,2004,27(2):186-196.
[3] AZAM M,GHOSHAL S,BELL J,et al.Prognostics and health management(PHM)of electromechanical actuation(EMA)systems for next-generation aircraft:AIAA-2013-5138[R].Reston:AIAA,2013.
[4] ZEDDA M,SINGH R.Gas turbine engine and sensor fault diagnosis using optimization techniques[J].Journal of Propulsion & Power,2002,18(5):1019-1025.
[5] 贺小栋,郭迎清,杜宪.一种基于模型的涡扇发动机容错控制策略[J].航空动力学报,2016,31(3):708-716.HE X D,GUO Y Q,DU X.A model-based fault tolerant control strategy for turbofan engine[J].Journal of Aerospace Power,2016,31(3):708-716(in Chinese).
[6] 周东华,叶银忠.现代故障诊断与容错控制[M].北京:清华大学出版社,2000:11-14.ZHOU D H,YE Y Z.Modern fault diagnosis and fault tolerance control[M].Beijing:Tsinghua University Press,2000:11-14(in Chinese).
[7] 阎成鸿.航空发动机容错控制系统设计[J].微计算机信息,2007,23(19):63-64.YAN C H.The fault tolerant control system of aero-engine[J].Microcomputer Information,2007,23(19):63-64(in Chinese).
[8] KOBAYASHI T,SIMON D L.Hybrid Kalman filter:A new approach for aircraft engine in-flight diagnostics:NASA/TM 2006-214491[R].Washington,D.C.:NASA,2006.
[9] 张书刚,郭迎清,陈小磊.航空发动机故障诊断系统性能评价与仿真验证[J].推进技术,2013,34(8):1121-1127.ZHANG S G,GUO Y Q,CHEN X L.Performance evaluation and simulation validation of fault diagnosis system for aircraft engine[J].Journal of Propulsion Technology,2013,34(8):1121-1127(in Chinese).
[10] 叶志锋,孙健国.应用神经网络诊断航空发动机气路故障的前景[J].推进技术,2002,23(1):1-4.YE Z F,SUN J G.Prospect for neural networks used aeroengine fault diagnosis technology[J].Journal of Propulsion Technology,2002,23(1):1-4(in Chinese).
[11] 崔文斌,叶志锋,彭利方.基于信息融合遗传算法的航空发动机气路故障诊断[J].航空动力学报,2015,30(5):1275-1280.CUI W B,YE Z F,PENG L F.Aero-engine gas path fault diagnosis based on genetic algorithm of information fusion[J].Journal of Aerospace Power,2015,30(5):1275-1280(in Chinese).
[12] CSANK J T,SIMON D L.Sensor data qualification technique applied to gas turbine engines:NASA/TM 2013-216609[R].Washington,D.C.:NASA,2013.
[13] POURBABAEE B,MESKIN N,KHORASANI K.Sensor fault detection,isolation,and identification using multiple-model-based hybrid kalman filter for gas turbine engines[J].IEEE Transactions on Control Systems Technology,2016,24(4):1184-1200.
[14] KOBAYASHI T.Aircraft engine sensor/actuator/component fault diagnosis using a bank of Kalman filters:NASA/CR 2003-212298[R].Washington,D.C.:NASA,2003.
[15] 袁春飞,姚华.传感器故障下的航空发动机机载自适应模型重构[J].航空动力学报,2006,21(1):195-200.YUAN C F,YAO H.Aero-engine adaptive model re-construction under sensor failure[J].Journal of Aerospace Power,2006,21(1):195-200(in Chinese).
[16] 张高钱.航空发动机传感器故障诊断与容错控制[D].南京:南京航空航天大学,2014.ZHANG G Q.Research on aero-engine sensor fault diagnosis and fault tolerant control[D].Nanjing:Nanjing University of Aeronautics and Astronautics,2014(in Chinese).
[17] 周东华,孙优贤.控制系统的故障检测与诊断技术[M].北京:清华大学出版社,1994:19-20.ZHOU D H,SUN Y X.Control system fault detection and diagnosis technology[M].Beijing:Tsinghua University Press,1994:19-20(in Chinese).
[18] 张书刚,郭迎清,陆军.基于GasTurb/MATLAB的航空发动机部件级模型研究[J].航空动力学报,2012,27(12):2850-2856.ZHANG S G,GUO Y Q,LU J.Research on aircraft engine component-level models based on GasTurb/MATLAB[J].Journal of Aerospace Power,2012,27(12):2850-2856(in Chinese).
[19] SOWERS S T.Systematic sensor selection strategy(S4)user guide:NASA/CR 2012-215242[R].Washington,D.C.:NASA,2012.

航空发动机传感器与执行机构信息重构算法

Information reconstruction algorithm of aero-engine sensors and actuators

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	叶宇隆, 金捷, 刘睿, 高翔, 王方. 直连式甩油盘非均匀流动特性[J]. 北京航空航天大学学报, 2019, 45(8): 1560-1568.
[2]	吴诗彤, 闫勇, 钱相臣. 静电传感器测量固体颗粒质量流量实验研究[J]. 北京航空航天大学学报, 2019, 45(8): 1575-1581.
[3]	谭治学, 钟诗胜, 林琳. 多源数据融合的民航发动机修后性能预测[J]. 北京航空航天大学学报, 2019, 45(6): 1106-1113.
[4]	单睿斌, 李秋红, 何凤林, 冯海龙, 管庭筠. 基于ADMM算法的航空发动机模型预测控制[J]. 北京航空航天大学学报, 2019, 45(6): 1240-1247.
[5]	刘宏飞, 于黎明, 张柱, 阎旭栋, 韩旭东. 基于键合图模型的SHA/EMA余度系统的故障诊断[J]. 北京航空航天大学学报, 2019, 45(4): 760-768.
[6]	李超, 金福艺, 张卫浩. 航空发动机转子结构布局优化设计方法[J]. 北京航空航天大学学报, 2019, 45(2): 266-276.
[7]	张振良, 刘君强, 黄亮, 张曦. 基于半监督迁移学习的轴承故障诊断方法[J]. 北京航空航天大学学报, 2019, 45(11): 2291-2300.
[8]	赵万里, 郭迎清, 杨菁, 薛薇, 武小平. 液体火箭发动机故障诊断器设计及其HIL验证[J]. 北京航空航天大学学报, 2019, 45(10): 1995-2002.
[9]	曹惠玲, 高升, 薛鹏. 基于多分类AdaBoost的航空发动机故障诊断[J]. 北京航空航天大学学报, 2018, 44(9): 1818-1825.
[10]	潘慕绚, 曹良进, 黄金泉. 基于增益调度的航空发动机分散鲁棒控制[J]. 北京航空航天大学学报, 2018, 44(9): 1964-1973.
[11]	张伟, 许爱强, 平殿发, 夏菲. 基于近邻传播聚类的航空电子部件LMK诊断模型[J]. 北京航空航天大学学报, 2018, 44(8): 1693-1704.
[12]	曹惠玲, 阚玉祥, 薛鹏. 应用支持向量回归机探索发动机VSV调节规律[J]. 北京航空航天大学学报, 2018, 44(7): 1371-1377.
[13]	金海, 刘继兴, 张大义, 洪杰. 连接界面变形对转子动力特性影响的力学模型[J]. 北京航空航天大学学报, 2018, 44(6): 1294-1302.
[14]	王进花, 曹洁, 李伟, 黄玲. 强噪声环境下自适应CRPF故障诊断方法[J]. 北京航空航天大学学报, 2018, 44(5): 923-930.
[15]	田恒, 段富海, 樊亮, 桑勇, 史萌. 基于测试性D矩阵的多故障诊断与维修策略[J]. 北京航空航天大学学报, 2018, 44(4): 802-809.