共查询到19条相似文献,搜索用时 109 毫秒
1.
2.
3.
基于UIO的航空发动机控制系统传感器故障诊断 总被引:5,自引:2,他引:3
研究了航空发动机控制系统传感器鲁棒故障检测与隔离问题,提出了一种克服不同干扰对控制系统诊断性能影响的方法.应用未知输入观测器(unknown input observer,简称UIO)理论来解耦航空发动机动态系统干扰,并针对控制系统传感器设计一族UIO,提取出一系列的传感器残差特征数据,通过分析残差队列的幅值特性,实现航空发动机控制系统传感器故障诊断.在高斯白噪声、模型工作点变化和非高斯噪声三类干扰下的数字仿真结果表明,不管何种干扰,UIO诊断方法均能检测和隔离出传感器故障,在诊断鲁棒性方面,要优于Kalman滤波器诊断算法. 相似文献
4.
航空发动机双重传感器故障诊断逻辑研究 总被引:2,自引:1,他引:1
针对航空发动机控制系统的双重传感器故障,提出了一种采用双路容错设计的卡尔曼滤波器故障检测隔离系统.故障检测隔离系统由一系列卡尔曼滤波器组成,每个滤波器都假定2路传感器故障,而以故障支路外的测量值作为输入量.当双重传感器故障发生时,只有不包含故障传感器信息的滤波器保持较低的估计残差,其他滤波器都会产生较大的估计残差,如此双重传感器故障便可以被隔离.利用滤波器组估计残差的特征,进一步设计合理的运算逻辑,系统就可以同时对传感器单一故障进行检测和隔离.为了验证故障诊断系统的有效性,在发动机慢车状态分别对传感器发生双重故障和单一故障的情况进行仿真.仿真结果表明:故障诊断系统能够准确有效地对传感器双重故障和单一故障进行检测和隔离. 相似文献
5.
针对航空发动机传感器故障检测方法的适用范围缺乏量化数据问题,提出以故障检测性能指标为依据,对基于卡尔曼
滤波器和基于自适应滑模观测器的故障检测方法适用性进行对比分析。分别设计了基于卡尔曼滤波器的残差生成和自适应滑模观
测器的故障估计检测方法,根据故障检测策略实现故障检测;以蒙特卡罗法生成随机故障,对比分析在故障和干扰同时存在的情况
下2 种方法的故障检测效果和适用范围;基于DGEN 380 发动机进行仿真,仿真结果表明:基于卡尔曼滤波器的故障检测方法对高
斯噪声的处理能力较强,但故障检测率不足50%,尤其是针对软故障效果较差;而基于滑模观测器的故障检测方法在不考虑测量噪
声的情况下,针对软硬故障检测的效果均较好,但处理传感器测量噪声的能力较差。 相似文献
6.
基于部件跟踪滤波器的解析余度技术 总被引:2,自引:0,他引:2
研究一种以发动机部件跟踪滤波器(CTF)为基础的解析余度技术, 它将CTF与故障检测、隔离和适应逻辑进行了有效的综合, 以改进发动机数控系统的可靠性。仿真表明, 本文所设计的解析余度技术, 在传感器无故障时, 机载模型能正确跟踪发动机的变化。当传感器发生故障时, 在不损坏机载模型的情况下, 又能及时、有效地进行硬、软故障的检测、隔离与适应。 相似文献
7.
为研究发动机在使用过程中的性能衰退,提出了一种发动机部件性能参数残差序列分析方法。利用发动机模型进行发动机测量参数对部件性能参数的敏感度分析,优化选取充分表征发动机性能衰退的部件性能参数,建立性能参数多元线性回归模型,得到了性能参数的残差序列,通过对残差序列的统计量分析,成功地确定了发动机性能突变时刻,为发动机的维护起到了一定的指导作用。 相似文献
8.
本文在多模型架构下,提出一种航空发动机传感器在线混合故障检测与隔离算法。利用长短期记忆网络逼近航空发动机建模误差、健康参数变化、过程噪声和测量噪声等不确定性源引起的真实发动机与机载模型之间的偏差。将传感器测量输出与不确定性值的偏差用于一种基于多模型的混合卡尔曼滤波器组算法中,利用贝叶斯方法计算每个传感器在健康模式和不同故障模式下的条件概率,然后根据最大概率准则进行传感器故障检测与隔离,克服了阈值难以选取的问题。针对某型涡扇发动机传感器发生偏置故障、漂移故障和间歇性故障的情形进行仿真验证,并对比了不同传感器之间的检测与隔离精度。结果表明:所提出的方法可以在更高水平的退化下诊断出发动机传感器常见的故障,混合方法对不同不确定性源具有鲁棒性。 相似文献
9.
为了实现数据驱动的航空发动机性能异常的智能检测,提出了一种基于残差网络(ResNet)-长短期记忆网络(LSTM)的发动机性能异常检测方法。采用发动机性能数据图像化方法,在数据降维的同时,完备保留数据的关联特征和时序特征;以残差单元构建发动机性能异常检测模型,在加深网络结构的同时,消除深层网络梯度消失问题,提高发动机性能图像空间关联特征的提取能力。同时,引入LSTM,提出基于ResNet-LSTM的发动机性能异常检测模型,通过ResNet与LSTM的融合,强化异常检测模型对时序特征的提取,提升发动机性能异常检测的准确率;通过发动机运行数据进行验证。结果表明:在训练集上,该方法的异常检测准确率为94.95%,比基于ResNet18、ResNet34、ResNet50异常检测模型的分别提高10.87%、8.00%、3.23%;在测试集上,该方法的异常检测准确率为92.15%,比基于ResNet18、ResNet34、ResNet50异常检测模型的分别提高11.81%、9.45%、3.78%。 相似文献
10.
基于自联想神经网络的发动机控制系统传感器故障诊断与重构 总被引:5,自引:0,他引:5
研究自联想神经网络及其在发动机控制系统传感器故障诊断及重构中的应用。自联想神经网络关键在于特征提取和噪声滤波。综合自联想网络的最优估计与故障诊断 ,自动区分估计误差和传感器故障。仿真结果表明这种方法不需要模型 ,能诊断传感器硬、软故障 ,当发动机性能蜕化时也能提供很好的解析余度。 相似文献
11.
12.
贝叶斯假设理论检测发动机传感器故障 总被引:1,自引:0,他引:1
贝叶斯多重假设检验是将被检测传感器的M个可能状态,作相应M个假设Hi,其先验概率分别为P(Hi)(i=1,2,…,M),故障决策就是从给定观测量M,寻求Hj为真,由贝叶斯风险函数Hi(i=1,2,…,M,i≠j)个假设中的最小值确定最可能发生的假设Hl。 相似文献
13.
AnalyticalredundancytechniquessuchasextendedKalmanfilter,componentstrackingfilterandsooncandetect,isolateandacommodatefailur... 相似文献
14.
15.
16.
采用一组卡尔曼滤波器检测发动机传感器故障 总被引:2,自引:0,他引:2
在发动机全功能数字电子控制系统中,提高传感器工作的可靠性是十分重要的,除了不断对传感器本身的性能加以改进提高外,现在广泛地采用了余度技术。近二十年来对解析余度(Analyt ical Redundancy)进行了广泛的研究,解析余度(AR)方法是基于各状态变量之间存在的解析关系,在系统可观条件下,利用无故障的输出测量值去估计(构造)已故障传感器正常工作状态时的输出信息,从而实现对故障的检测、隔离与重构,保证控制系统具有预定的控制性能。 相似文献
17.
18.
传感器故障下的航空发动机机载自适应模型重构 总被引:5,自引:3,他引:2
利用航空发动机测量参数偏离正常工作情况下的变化量,可以估计发动机的非额定工作状况,并以此对机载模型进行校正,使其与真实发动机工作状况保持一致。建立了包含发动机性能蜕化因素的状态变量模型并对其进行了增广,设计了卡尔曼滤波器,根据可测输出偏离量对发动机性能蜕化值进行了估计,并将性能蜕化值用于修正发动机不可测输出参数。考虑了当某一传感器发生故障后,利用一簇卡尔曼滤波器对发生故障的传感器进行诊断并隔离,并依据剩余非故障传感器的信息对自适应模型进行重构。仿真结果表明,重构的自适应模型能够满足精度及实时性要求。 相似文献
19.
《Aerospace Science and Technology》2000,4(6):415-422
In this paper, an approach to detect and isolate the aircraft sensor/actuator faults affecting the mean of the Kalman filter innovation sequence is presented. The effects of the sensor and actuator faults in the innovation process of the channels are investigated, and a decision approach to isolate the sensor and actuator faults is proposed. When a Kalman filter is used, the decision statistics change regardless of whether the fault is in the sensors or in the actuators, whilst when a Robust Kalman Filter (RKF) is used, it is easy to distinguish the sensor and actuator faults. A novel feature of this diagnostic method is that the innovation sequence based fault isolation algorithm has been presented and hence, the sensor/actuator fault detection and isolation problem has been solved. The categories (or classes) of the likely faults are not demanded. The statistical characteristics of the system are not required to be known after the fault has occurred. In the simulations, the longitudinal dynamics of an aircraft control system are considered, and the detection and isolation of pitch rate gyro faults and actuator faults affecting the mean of the innovation sequence are examined. 相似文献