CN102855349A - 航空发动机气路故障诊断的快速原型设计方法及平台 - Google Patents
航空发动机气路故障诊断的快速原型设计方法及平台 Download PDFInfo
- Publication number
- CN102855349A CN102855349A CN2012102763696A CN201210276369A CN102855349A CN 102855349 A CN102855349 A CN 102855349A CN 2012102763696 A CN2012102763696 A CN 2012102763696A CN 201210276369 A CN201210276369 A CN 201210276369A CN 102855349 A CN102855349 A CN 102855349A
- Authority
- CN
- China
- Prior art keywords
- engine
- model
- gas path
- fault diagnosis
- performance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种航空发动机气路故障诊断的快速原型设计方法,包括以下步骤:建立发动机的自适应模型;设计航空发动机全寿命周期内的气路故障诊断逻辑,实现异常监视与气路性能在线估计;设计发动机气路故障诊断快速原型平台,验证异常监视与性能估计功能。其中发动机自适应模型采用复合扰动法建立;采用发动机机载实时自适应模型对性能参数进行估计;采用发动机自适应基线模型实现异常监视,自适应基线模型离线周期更新;采用快速原型设计方法验证发动机气路故障诊断逻辑。本发明还公开了相应的快速原型平台。本发明在整个发动机寿命周期内都具有较高的异常监视和性能估计的能力,对于缩短研制周期、降低试验风险及成本有着积极促进作用。
Description
技术领域
本发明属于航空发动机故障诊断领域,具体涉及一种航空发动机气路故障诊断模型与其快速原型设计方法。应用于航空发动机故障诊断模型快速验证、预测健康管理及容错控制。
背景技术
航空发动机结构日趋复杂,工作状态恶劣多变,属于故障多发系统。在美国空军维修中,常规维修更换的费用非常巨大,其中发动机的费用占到60%。因此,为了使发动机安全高效地运行,节省维修成本,就必须了解发动机的运行状况,掌握其性能变化规律,对关键部件进行故障诊断。研究表明,在航空发动机总体故障中,气路部件故障约占90%以上,因此,气路部件故障诊断在发动机健康管理中占有重要地位。典型的气路故障诊断方法包括基于模型的、数据驱动的和基于规则的方法,为了充分利用发动机部件特性,基于模型的发动机气路故障诊断成为最有效的手段。目前,基于模型的方法主要有基于部件级非线性模型和基于线性模型,基于非线性模型的方法需要以发动机部件级模型为基线模型,部件级模型的每一步都需要迭代求解计算发动机气路共同方程,由于机载资源和计算能力的限制,因此基于非线性模型的方法较难保证机载实时性要求。
基于模型的气路故障诊断方法对于模型的精度要求较高,模型的精度直接决定了气路故障诊断效果。而由于发动制造、安装公差的影响,发动机存在个体差异,所建模型应是反映这种个体差异的“特定发动机模型”;发动机长期工作造成流通部件积垢、压气机或者涡轮叶片叶尖间隙增大、高温部件的热腐蚀和高温高应力状态下导致的蠕变等会引起发动机性能蜕化,发动机机载实时模型应能对气路部件性能蜕化具有自适应性,即用于气路故障诊断的模型能反映这种性能蜕化。在全寿命期内发动机性能蜕化后,发动机模型不能准确反映发动机工作状况,模型输出与发动机可测输出量存在偏差,用该模型作为基准进行异常监视会引起误报。因此,发动机自适应模型建模与基于自适应模型的气路故障诊断方法对于发动机安全可靠至关重要。如何能够快速有效的设计发动机气路故障诊断系统,验证机载模型和气路故障诊断算法精度已成为发动机领域亟待解决的问题之一。
近年来,快速原型技术逐渐成为解决复杂系统开发和仿真的有效途径。快速原型是指利用虚拟仪器技术及相应的硬件开发平台,通过快速的建立系统模型,对相应的模型或算法进行多次离线和在线的试验,完善系统原型及功能要求,验证系统算法和硬件方案的可行性,为最终对目标的自动代码生成和代码下载提供设计依据。快速原型设计技术特点是,具有开放的软硬件开发环境,系统设计、软件编程和算法验证柔性化,且易于实现,友好的人机交互开发界面,能自动生成并下载至硬件平台用于试验验证,缩短开发周期,减少开发早期可能出现的错误及缺陷,降低物耗,提高系统对需求的适应性。
发明内容
本发明所要解决的技术问题在于克服现有技术的不足,提供一种基于自适应模型的气路故障诊断设计与其快速原型验证方法及平台,用于全寿命周期内的航空发动机气路故障诊断,采用快速原型验证发动机气路故障诊断逻辑,提高全周期内的气路故障诊断能力,并解决气路故障诊断系统高效设计和快速验证的问题。
本发明的航空发动机气路故障诊断的快速原型设计方法,包括以下步骤:
步骤A、建立发动机机载自适应模型;
步骤B、设计发动机全寿命周期内的气路故障诊断逻辑,实现异常监视与气路性能在线估计;
步骤C、设计发动机气路故障诊断快速原型平台,验证异常监视与性能估计功能。
其中,
步骤A包括以下步骤:根据发动机部件特性、设计点参数以及试车数据建立发动机部件级模型;在发动机稳态工作点,对各物理参数进行相似归一化处理,采用复合扰动法建立稳态点的状态变量模型,在状态变量模型中引入气路部件性能参数,建立发动机增广的状态变量模型;利用卡尔曼滤波估计发动机性能参数,通过自动调整增广的状态变量模型中性能参数使该机载模型能对发动机性能蜕化进行自适应更新,建立发动机机载自适应模型。
步骤B包括如下步骤:以已建立的发动机机载自适应模型为基础,设计航空发动机气路故障诊断系统,利用机载实时自适应模型的性能参数估计对发动机气路部件性能蜕化进行估计;同时将性能参数进行缓存,根据发动机循环次数调整自适应基线模型的性能参数,将经性能参数更新的自适应基线模型的输出值作为基准,以其与经预处理的发动机测量参数之间的残差是否超过阈值来进行异常监视。
步骤C包括如下步骤:在PC机上设计发动机模拟器、气路故障诊断模型、显示交互模块,并通过数值仿真验证,然后搭建航空发动机气路故障诊断快速原型验证平台,将发动机模拟器软件安装至PXIe,将气路故障诊断模型部署至CRIO(CompactRIO)平台,以工控机作为显示交互计算机,最后通过模拟故障注入,快速验证发动机气路故障诊断系统精度。
本发明的航空发动机气路故障诊断快速原型平台包括:发动机模拟器,气路故障诊断模块和工控机上的显示交互模块,其中发动机模拟器用于实现故障模拟与发动机可测输出模拟功能,气路故障诊断模块用于实现发动机模型自适应、气路性能参数在线估计与异常监视功能,显示交互模块用于实现性能参数显示、告警提示、数据存储、状态与事件记录。
本发明提出的一种发动机气路故障诊断的快速原型设计方法及平台的优点在于:
(2)本发明设计了发动机气路故障诊断逻辑与方法,应用本发明可以完成全寿命周期内的航空发动机气路故障诊断,实现气路性能在线估计与异常监视,保证了在较长时间内都具有较高的诊断能力,扩大了基于模型的诊断方法的应用范围;
(3)本发明设计了发动机气路故障诊断系统快速原型开发的总体结构,提出了LabVIEW环境下的开发方案,并实现了发动机气路故障诊断系统软件快速开发与验证,缩短了开发周期,减少了系统初期研制与验证的成本。
附图说明
图1是基于模型的发动机气路故障诊断快速原型结构图;
图2是涡扇发动机结构及气体流路工作截面示意图;
图3是燃油流量阶跃作用下增广状态变量模型与部件级模型响应对比;
图4是高压涡轮效率阶跃作用下增广状态变量模型与部件级模型响应对比;
图5是寿命期内风扇效率蜕化下机载实时自适应模型与部件级模型输出对比;
图6是基于自适应模型的涡扇发动机气路故障诊断原理图;
图7是测量参数野值剔除的统计分析方法;
图8是DataSocket函数库使用流程;
图9是发动机气路故障诊断实时软件开发总体架构;
图10是工控机上显示的发动机模拟器实时运行状态;
图11是发动机性能参数估计与异常监测报警界面。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明:
本具体实施方式以某型涡扇发动机的气路故障诊断快速原型设计为例,如图1为基于自适应模型的发动机气路故障诊断快速原型结构图,主要包括涡扇发动机模拟器,基于模型的发动机气路故障诊断模块和工控机上的显示交互模块,其中发动机模拟器用于实现故障模拟与发动机可测输出模拟功能,气路故障诊断模块用于实现发动机模型自适应、气路性能参数在线估计与异常监视功能,显示交互模块用于实现性能参数显示、告警提示、数据存储、状态与事件记录。
发动机模拟器包括发动机部件级模型子模块与故障注入子模块。发动机部件级模型子模块模拟发动机实时工作状态,满足稳态精度2%,动态精度5%,其中存放某型双转子涡扇发动机部件级模型,该模型是用部件法建立的非线性实时数学模型,主要部件包括进气道、风扇、压气机、燃烧室、高压涡轮、低压涡轮和喷管等,如附图2所示。故障注入子模块将常见的故障类型(比如发动机部件性能故障和传感器故障)引入发动机部件级模型,使其能反映多种故障下的发动机工况。在NI PXIe上采用Labview图形化开发平台的Realtime模块设计发动机模拟器。
发动机气路故障诊断模块主要采用基于模型的方法实现,采用机载实时自适应模型跟踪涡扇发动机可测输出,并同时实现发动机气路性能的在线估计;设置自适应模型性能参数的更新周期,使其能反映发动机近期性能,其输出作为发动机的解析输出值用于异常监视。在CRIO的VxWorks实时操作系统上开发气路故障诊断模块。气路故障诊断模块包括机载实时自适应模型子模块、性能缓存子模块、自适应基线模型子模块、数据预处理子模块与异常监视逻辑子模块,机载实时自适应模型子模块实现发动机性能参数估计,性能缓存子模块用于存放蜕化的发动机性能参数,自适应基线模型子模块是异常监视的基线模型,数据预处理子模块完成野点剔除和数据平滑的功能,异常监视逻辑子模块根据基线模型与实时测量参数的残差及残差变化率进行异常告警。
显示交互模块主要实现对发动机工作参数、气路故障诊断结果等进行显示,模型与算法的数值仿真设计,完成告警和事件记录。在PC机上采用Labview图形化开发平台设计显示交互模块。本发明主要研究基于模型的发动机气路故障诊断设计及其快速原型验证。
本发明的航空发动机气路故障诊断的快速原型设计方法中,发动机机载自适应模型建模通过如下具体步骤实现:
步骤A1、根据涡扇发动机部件特性、设计点参数以及试车数据建立发动机部件级模型,该部件法建模业内比较成熟,在此不加详述。在部件级模型中获取发动机稳态点的增广状态变量模型建模数据。以某型涡扇发动机为例,首先列出含性能参数的发动机非线性性能模型用于建立增广状态变量方程:
式中的控制量为燃油流量,原状态量为低、高压转子转速,性能参数,分别表示风扇、压气机、高压涡轮、低压涡轮的效率系数和流量系数,性能参数变化量大小表征发动机气路性能蜕化程度,输出量,分别表示低压转子转速、高压转子转速、风扇出口总压、高压压气机进口总温、高压压气机进口总压、高压压气机出口总温、高压压气机出口总压、低压涡轮出口总温、低压涡轮出口总压。然后计算发动机部件级稳态模型,并以发动机非线性模型各变量计算值作为稳态基准点。最后在稳态基准点上对发动机部件级模型施以扰动输入,扰动输入量包括控制量、原状态量和性能量,扰动幅值根据该变量在某稳态点的线性化范围确定,对某一变量扰动时强制其他扰动量不变,保存控制量以及增广的状态量的扰动响应。
步骤A2、将用于建立机载模型的扰动量以及扰动响应分别进行相似归一化处理,建立稳态点的增广状态变量模型:
式中为机载线性模型在某稳态基准的系数矩阵,, , 分别表示相对于发动机稳态工作基准点的输入增量、增广的状态增量和输出增量,其中增广的状态变量包含原状态量和性能参数两部分。分别为模型的过程噪声和测量噪声,服从高斯白噪声。模型中的系数矩阵采用提出的复合扰动法,其机理是初猜使状态变量模型稳定的矩阵,利用阶跃响应的稳态值求取矩阵:
最后利用MATLAB优化工具箱中的非线性最小二乘优化函数lsqnonlin反求系数矩阵,其中目标函数:
为了验证采用复合扰动法建立的增广状态变量模型的精度,在巡航工作状态下,对该工作点在2s时分别给入燃油流量和压气机效率的阶跃作用,发动机部件级模型和增广状态变量模型的阶跃响应对比分别如附图3和附图4所示,由该图组可知复合扰动法建模具有较好的动、稳态精度。
步骤A3、采用离散卡尔曼滤波估计算法建立机载自适应模型。将连续的增广状态变量模型进行离散化处理,得到离散的发动机线性模型:
发动机增广状态变量模型的卡尔曼滤波器方程为:
为了验证机载实时自适应模型在发动机性能参数蜕化下模型对发动机的跟踪能力,在巡航工作状态下,风扇效率蜕化时寿命期内6000个循环次数,机载实时自适应模型部分输出与发动机输出之间的对比如附图5所示,由图可知机载实时自适应模型对发动机输出具有较好的跟踪性能。
基于自适应模型的涡扇发动机气路故障诊断原理如附图6所示,通过如下具体步骤实现:
步骤B1、发动机测量参数预处理,采用统计判别法判断和剔除野点,采用指数平滑方法平滑可测参数、降低测量噪声水平。
采用统计判别法判断野点的方法如图7所示。使用串联的三级滤波器对数据进行处理,它的输出结果是对输入的平滑估计,滤波器I是以序列的进行移动平滑,获得,长度取5组数据;滤波器II是以序列的进行移动平滑,获得,长度取3组数据;滤波器III是一个Hanning滤波器,是由序列按以下方式构成的序列:
采用指数平滑法对测量数据进行处理,历史数据对当前数据的影响随时间的影响而变化,权重呈指数的形式递减。指数平滑公式为:
步骤B2、以发动机自适应模型为基础设计发动机气路故障诊断逻辑和结构,实现发动机性能在线估计和异常监视。
采用发动机机载实时自适应模型进行发动机气路性能参数的在线估计。发动机机载实时自适应模型包括含性能参数的增广状态变量模型和卡尔曼滤波器,其中卡尔曼滤波器主要根据发动机可测参数与增广状态变量模型之间的残差调整性能参数,以使其模型能跟踪发动机性能的变化。发动机可测参数的变化反映了发动机自身性能的蜕化,卡尔曼滤波器在迭代计算中估计增广状态变量模型的状态变量,增广的状态变量包括原模型的状态变量和性能参数,通过不断调节性能参数以使发动机机载自适应模型状态实时跟踪实际发动机状态,并同时在线获得发动机的性能蜕化量。
采用发动机自适应基线模型提供的解析余度进行异常监视。自适应基线模型的结构及模型参数与增广状态变量模型相同,即两个模型的系数矩阵相等。自适应基线模型与机载实时自适应模型并行工作,同时接收发动机控制器输出的控制参数。与机载实时自适应模型的区别在于,自适应基线模型不包含卡尔曼滤波估计器,其输入参数也不包含发动机可测输出量,不能实时跟踪实际发动机可测输出参数。自适应基线模型中的性能参数的设置是周期性地根据性能缓存里存储的性能值进行离线更新实现,因此自适应基线模型能够适应全寿命周期内的较长时间内发动机气路性能正常衰退,它是对发动机近期性能的反映。基线自适应模型更新周期可根据发动机循环工作次数确定。本具体实施例以发动机200次循环工作次数作为基线自适应模型的更新周期。
自适应基线模型的输出是发动机的解析余度输出值,反映了发动机近期性能,将其值作为参考基准可用于发动机可测输出量或性能突变等异常情况的监视。在发生异常时,自适应基线模型的输出与实际发动机测量参数将有较为明显的差值,发动机异常的判读依据主要是测量参数幅值阈值和变率阈值,以连续10个计算周期超过幅值阈值或3个计算周期超过变率阈值判断为异常。在发动机巡航状态下,根据传感器精度和测量噪声水平,选取转速、压力和温度的阈值分别为,和。显示交互模块记录发动机运行时的状态参数和事件,对发动机状态参数的记录按周期实现,记录的状态参数可在飞行结束后转存到地面数据管理系统进行分析、处理,记录的事件包括飞行时的异常事件、超限事件、性能趋势变化情况。
基于自适应模型的涡扇发动机气路故障诊断快速原型平台验证设计,通过如下具体步骤实现:
步骤C1、开发发动机模拟器快速原型。在LabVIEW平台上使用动态链接库(DLL)函数节点调用功能CLF(Call Library Function)。将已建立的发动机部件级模型封装为DLL,对复杂数据类型增加包装函数,对输入、输出参数进行调整,编译为DLL后,设置调用DLL的路径、函数名、函数的约定,再以用户库的形式导入的LabVIEW中。部件级模型需要大量迭代计算,由于Windows操作系统无法保证仿真过程行为的可预测性,及程序执行周期的确定性,因此本发明使用LabVIEW RealTime(RT)模块与NI公司的PXIe构建发动机实时仿真运行环境,并用于发动机模拟器实时仿真。发动机模拟器在PXIe-8133 RT上实现,PXIe-8133控制器配有1.73 GHz双核处理器、双通道1333 MHz DDR3内存,动态仿真过程输入参数扰动以内、迭代收敛进度的条件下,单次执行过程可在10ms内完成,能够实现发动机实时模拟的功能。使用“Measurement Studio”集成套件中的“DataSocket”数据通讯函数库实现模型与快速原型平台的集成,同过直接为模型增加通讯接口模块用于与显示交互模块的通讯,DataSocket函数库使用流程如附图8所示。
步骤C2、开发发动机气路故障诊断快速原型。使用NI公司的CRIO嵌入式实时平台(高性能处理器9024和含FPGA的机箱背板9114)作为气路故障诊断系统的快速原型硬件平台。CRIO嵌入式硬件环境是基于VxWorks操作系统的实时控制器,它支持LabVIEW的图形化编程方式和脚本语言形式的开发方式,对于发动机实时模型的用户自定义函数库,可以通过用户库的方式进行扩展。系统硬件为Power PC架构嵌入式控制器,操作系统使用VxWorks实时操作系统,软件则使用GNU的VxWorks 编译工具,用通过LabVIEW FPGA的C接口,实现C/C++程序与RIO上编译的FPGA VI的交互。其具体操作步骤为:编写发动机程序代码;配置GCC编译环境,设置环境变量;修改Makefile,编译程序;将编译好的库上传至CRIO系统目录。发动机气路故障诊断实时软件开发总体架构如图9所示。
发动机气路故障诊断是多任务系统,系统同时完成状态监控、健康参数估计、事务记录等多个任务,将系统所有任务可按执行确定性分为确定任务和非确定任务,前者对任务执行周期有严格的要求,这类任务包括异常监视、性能参数实时估计等;非确定的任务对执行周期无严格要求,主要为事件记录、数据存储等任务。程序包含两种级别循环,普通循环与时间确定循环,两者通过设置不同的优先级完成,时间确定循环具有较高的优先级,它能够抢占普通循环而优先执行,两种循环之间的数据交换使用队列方式,避免数据交换时出现等待的情况。
步骤C3、参数显示交互模块设计。PXIe、CRIO和工控机之间的通过路由器实现硬件交互,以DataSocket函数库的网络共享变量方式完成了发动机模拟器、气路故障诊断模块和显示交互模块间的通信功能,并使用RT FIFO功能提高数据传输的可靠性,对同一程序中不同进程间的通信,使用单进程共享变量实现。
显示交互模块包括发动机性能参数显示模块和告警提示模块,分别以数字和提示灯的形式显示,借助LabVIEW的虚拟仪器可以方便的实现。显示模块中对如高、低压转子转速、EGT、和燃油流量等关键参数用数字模拟仪表给出,对于其它参数以数字形式显示。告警提示模块实现系统告警功能,主要以数字指示灯的形式显示,为了适合机舱“静、暗”设计的需求,对于正常状态不予提示或暗色显示,对于一般故障和严重故障以不同形式表示,如点亮或是闪烁方式给出警告,附图10为在显示交互工控机上显示的发动机模拟器实时运行状态。
为了在设计的快速原型验证平台上验证发动机气路故障诊断系统有效性,在发动机工作的第2700个循环周期内,对巡航状态下的发动机分别注入0.8%的风扇效率突变故障和低压转子转速3%的突变故障。从附图11(a)可以看出采用机载实时自适应模型对性能参数进行估计后,风扇效率蜕化2%。机载实时自适应模型估计发动机性能参数,在2700个循环周期内风扇效率已蜕化1.2%左右,气路性能参数估计显示界面上估计出的风扇效率蜕化2%包含了性能的自然蜕化,故该界面能反映出发动机性能的突变故障。发动机自适应基线模型每200个循环周期更新一次性能参数,第2700个循环周期时采用了第2600个循环周期时的性能参数,从附图11(b)可以看出采用自适应基线模型监视发动机测量参数,结果为低压转子转速超过阈值,故在2700个循环周期时采用发动机自适应基线模型能实现异常监视。
Claims (8)
1.一种航空发动机气路故障诊断的快速原型设计方法,其特征在于,包括以下步骤:
步骤A、建立发动机机载自适应模型;
步骤B、设计发动机全寿命周期内的气路故障诊断逻辑,实现异常监视与气路性能在线估计;
步骤C、设计发动机气路故障诊断快速原型平台,验证异常监视与性能估计功能。
2.如权利要求1所述航空发动机气路故障诊断的快速原型设计方法,其特征在于,所述步骤A包括以下步骤:根据发动机部件特性、设计点参数以及试车数据建立发动机部件级模型;在发动机稳态工作点,对各物理参数进行相似归一化处理,采用复合扰动法建立稳态点的状态变量模型,在状态变量模型中引入气路部件性能参数,建立发动机增广的状态变量模型;利用卡尔曼滤波估计发动机性能参数,通过自动调整增广的状态变量模型中性能参数使该机载模型能对发动机性能蜕化进行自适应更新,建立发动机机载自适应模型。
3.如权利要求1所述航空发动机气路故障诊断的快速原型设计方法,其特征在于,所述步骤B包括如下步骤:以已建立的发动机机载自适应模型为基础,设计航空发动机气路故障诊断系统,利用机载实时自适应模型的性能参数估计对发动机气路部件性能蜕化进行估计;同时将性能参数进行缓存,根据发动机循环次数调整自适应基线模型的性能参数,将经性能参数更新的自适应基线模型的输出值作为基准,以其与经预处理的发动机测量参数之间的残差是否超过阈值来进行异常监视。
4.如权利要求3所述航空发动机气路故障诊断的快速原型设计方法,其特征在于,发动机测量参数预处理的过程是:采用统计判别法判断和剔除野点,采用指数平滑方法平滑可测参数、降低测量噪声水平。
5.如权利要求1所述航空发动机气路故障诊断的快速原型设计方法,其特征在于,所述步骤C包括如下步骤:在PC机上设计发动机模拟器、气路故障诊断模型、显示交互模块,并通过数值仿真验证,然后搭建航空发动机气路故障诊断快速原型验证平台,将发动机模拟器软件安装至PXIe,将气路故障诊断模型部署至CRIO平台,以工控机作为显示交互计算机,最后通过模拟故障注入,快速验证发动机气路故障诊断系统精度。
6.一种航空发动机气路故障诊断快速原型平台,其特征在于包括:发动机模拟器,气路故障诊断模块和工控机上的显示交互模块,其中发动机模拟器用于实现故障模拟与发动机可测输出模拟功能,气路故障诊断模块用于实现发动机模型自适应、气路性能参数在线估计与异常监视功能,显示交互模块用于实现性能参数显示、告警提示、数据存储、状态与事件记录。
7.如权利要求6所述航空发动机气路故障诊断快速原型平台,其特征在于,发动机模拟器包括发动机部件级模型子模块与故障注入子模块,发动机部件级模型子模块模拟发动机实时工作状态;故障注入子模块将常见的故障类型引入发动机模型。
8.如权利要求6所述航空发动机气路故障诊断快速原型平台,其特征在于,气路故障诊断模块包括机载实时自适应模型子模块、性能缓存子模块、自适应基线模型子模块、数据预处理子模块与异常监视逻辑子模块,机载实时自适应模型子模块实现发动机性能参数估计,性能缓存子模块用于存放蜕化的发动机性能参数,自适应基线模型子模块是异常监视的基线模型,数据预处理子模块完成野点剔除和数据平滑的功能,异常监视逻辑子模块根据自适应基线模型与实时测量参数的残差及残差变化率进行异常告警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210276369.6A CN102855349B (zh) | 2012-08-06 | 2012-08-06 | 航空发动机气路故障诊断的快速原型设计方法及平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210276369.6A CN102855349B (zh) | 2012-08-06 | 2012-08-06 | 航空发动机气路故障诊断的快速原型设计方法及平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102855349A true CN102855349A (zh) | 2013-01-02 |
CN102855349B CN102855349B (zh) | 2015-07-01 |
Family
ID=47401935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210276369.6A Expired - Fee Related CN102855349B (zh) | 2012-08-06 | 2012-08-06 | 航空发动机气路故障诊断的快速原型设计方法及平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102855349B (zh) |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116705A (zh) * | 2013-02-06 | 2013-05-22 | 中国航天科技集团公司第六研究院第十一研究所 | 一种补燃循环火箭发动机故障仿真分析方法 |
CN103488098A (zh) * | 2013-09-24 | 2014-01-01 | 南京航空航天大学 | 航空发动机控制系统的快速原型仿真方法 |
CN103838920A (zh) * | 2014-02-13 | 2014-06-04 | 南京航空航天大学 | 一种涡轴发动机动态实时模型建模方法及系统 |
CN103942357A (zh) * | 2014-02-13 | 2014-07-23 | 南京航空航天大学 | 包线内全状态的涡扇发动机机载实时模型构建方法 |
CN103970979A (zh) * | 2013-02-06 | 2014-08-06 | 上海杰之能信息科技有限公司 | 航空发动机基线计算方法、状态监控方法及监控系统 |
CN103983453A (zh) * | 2014-05-08 | 2014-08-13 | 南京航空航天大学 | 一种航空发动机的执行机构和传感器故障诊断的区分方法 |
CN104102769A (zh) * | 2014-06-27 | 2014-10-15 | 南京航空航天大学 | 基于人工智能的涡轴发动机实时部件级模型建立方法 |
CN104636581A (zh) * | 2013-11-12 | 2015-05-20 | 中国商用飞机有限责任公司 | 民用飞机气路部分故障诊断方法 |
CN105372071A (zh) * | 2015-10-28 | 2016-03-02 | 南京航空航天大学 | 一种航空发动机气路部件故障检测方法 |
CN105404750A (zh) * | 2015-12-07 | 2016-03-16 | 南京航空航天大学 | 一种基于改进Broyden算法求解方程组的涡轴发动机自适应模型建立方法 |
CN105425784A (zh) * | 2015-12-30 | 2016-03-23 | 中国航空综合技术研究所 | 一种发动机控制软件的检查方法 |
CN105486507A (zh) * | 2015-11-23 | 2016-04-13 | 沈阳黎明航空发动机(集团)有限责任公司 | 航空发动机试车模块化故障排除装置及其故障排除方法 |
CN105512483A (zh) * | 2015-12-08 | 2016-04-20 | 清华大学 | 基于损伤传播模型和数据分析的航空发动机剩余寿命预测 |
CN105629952A (zh) * | 2015-12-30 | 2016-06-01 | 中国航空综合技术研究所 | 一种发动机控制软件的测试方法 |
CN105911975A (zh) * | 2016-04-14 | 2016-08-31 | 南京航空航天大学 | 一种航空发动机气路故障融合诊断方法 |
CN106292330A (zh) * | 2016-07-13 | 2017-01-04 | 北京航空航天大学 | 飞机嵌入式实时诊断推理算法试验方法 |
CN106951634A (zh) * | 2017-03-20 | 2017-07-14 | 南京航空航天大学 | 一种航空发动机鲁棒跟踪控制器设计方法 |
CN107357176A (zh) * | 2017-08-05 | 2017-11-17 | 中国科学院工程热物理研究所 | 一种航空发动机试车数据建模方法 |
CN107798173A (zh) * | 2017-09-29 | 2018-03-13 | 广州民航职业技术学院 | 用于飞机结构性能预测的紧急适航关注判断方法及系统 |
CN107977526A (zh) * | 2017-12-18 | 2018-05-01 | 哈尔滨工业大学(威海) | 大涵道比民航发动机性能诊断方法及系统 |
CN108256173A (zh) * | 2017-12-27 | 2018-07-06 | 南京航空航天大学 | 一种航空发动机动态过程的气路故障诊断方法及系统 |
CN108344579A (zh) * | 2017-12-27 | 2018-07-31 | 南京航空航天大学 | 航空发动机气路部件故障诊断的半物理验证方法及系统 |
CN108681614A (zh) * | 2018-03-07 | 2018-10-19 | 南京航空航天大学 | 基于改进高斯粒子滤波的涡扇发动机突变故障诊断方法 |
CN108762089A (zh) * | 2018-06-15 | 2018-11-06 | 大连理工大学 | 一种基于模型预测的航空发动机在线优化及多变量控制设计方法 |
CN109633474A (zh) * | 2018-11-14 | 2019-04-16 | 江苏大学 | 一种锂离子电池剩余寿命预测方法 |
CN110243291A (zh) * | 2019-01-10 | 2019-09-17 | 武汉滨湖电子有限责任公司 | 一种激光路面构造深度检测系统抗干扰方法 |
CN110276115A (zh) * | 2019-06-12 | 2019-09-24 | 上海交通大学 | 基于燃机叶片型线参数的气路故障诊断方法 |
CN110502840A (zh) * | 2019-08-26 | 2019-11-26 | 南京航空航天大学 | 航空发动机气路参数在线预测方法 |
CN110672328A (zh) * | 2019-11-05 | 2020-01-10 | 大连理工大学 | 一种基于随机配置网络的涡扇发动机健康参数估计方法 |
CN111258296A (zh) * | 2020-01-16 | 2020-06-09 | 西安交通大学 | 航空发动机控制系统的漂移类故障检测方法 |
CN111538644A (zh) * | 2020-04-30 | 2020-08-14 | 阜阳师范大学 | 计算机故障报警系统及方法 |
CN111965981A (zh) * | 2020-09-07 | 2020-11-20 | 厦门大学 | 一种航空发动机强化学习控制方法及系统 |
CN113359484A (zh) * | 2021-07-26 | 2021-09-07 | 南京航空航天大学 | 基于半交替优化的航空发动机模型预测控制方法及装置 |
CN113447273A (zh) * | 2021-06-28 | 2021-09-28 | 哈尔滨工业大学 | 基于交叉验证的燃气轮机传感器及执行机构故障检测方法 |
CN113722833A (zh) * | 2021-09-09 | 2021-11-30 | 湖南工业大学 | 基于双通道长短时记忆网络的涡扇发动机剩余使用寿命预测方法 |
CN114486277A (zh) * | 2022-04-07 | 2022-05-13 | 中国航发四川燃气涡轮研究院 | 基于变循环发动机核心机平台的动态模式转换验证方法 |
CN114705440A (zh) * | 2022-05-05 | 2022-07-05 | 南京航空航天大学 | 一种基于数据回放的航空发动机故障模拟方法 |
CN114779735A (zh) * | 2022-04-02 | 2022-07-22 | 西北工业大学 | 航空发动机分布式故障诊断系统硬件在环仿真平台及方法 |
CN114818205A (zh) * | 2022-06-27 | 2022-07-29 | 南京航空航天大学 | 一种航空发动机全生命周期叶尖间隙在线感知方法 |
US11454177B2 (en) * | 2018-06-15 | 2022-09-27 | Dalian University Of Technology | Method of aero-engine on-line optimization and multivariable control based on model prediction |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102183575A (zh) * | 2011-02-21 | 2011-09-14 | 中国民航大学 | 复合传感器及基于该传感器的航空发动机气路故障检测诊断方法 |
-
2012
- 2012-08-06 CN CN201210276369.6A patent/CN102855349B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102183575A (zh) * | 2011-02-21 | 2011-09-14 | 中国民航大学 | 复合传感器及基于该传感器的航空发动机气路故障检测诊断方法 |
Non-Patent Citations (3)
Title |
---|
任东: "航空发动机状态监视和故障诊断方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
鲁峰,黄金泉等: "基于变权重最小二乘法的发动机气路故障诊断", 《航空学报》 * |
鲁峰等: "涡扇发动机故障诊断的快速原型设计", 《航空动力学报》 * |
Cited By (62)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103970979A (zh) * | 2013-02-06 | 2014-08-06 | 上海杰之能信息科技有限公司 | 航空发动机基线计算方法、状态监控方法及监控系统 |
CN103970979B (zh) * | 2013-02-06 | 2017-06-16 | 上海杰之能软件科技有限公司 | 航空发动机基线计算方法、状态监控方法及监控系统 |
CN103116705A (zh) * | 2013-02-06 | 2013-05-22 | 中国航天科技集团公司第六研究院第十一研究所 | 一种补燃循环火箭发动机故障仿真分析方法 |
CN103488098A (zh) * | 2013-09-24 | 2014-01-01 | 南京航空航天大学 | 航空发动机控制系统的快速原型仿真方法 |
CN103488098B (zh) * | 2013-09-24 | 2016-08-17 | 南京航空航天大学 | 航空发动机控制系统的快速原型仿真方法 |
CN104636581A (zh) * | 2013-11-12 | 2015-05-20 | 中国商用飞机有限责任公司 | 民用飞机气路部分故障诊断方法 |
CN103838920B (zh) * | 2014-02-13 | 2016-08-17 | 南京航空航天大学 | 一种涡轴发动机动态实时模型建模方法及系统 |
CN103838920A (zh) * | 2014-02-13 | 2014-06-04 | 南京航空航天大学 | 一种涡轴发动机动态实时模型建模方法及系统 |
CN103942357A (zh) * | 2014-02-13 | 2014-07-23 | 南京航空航天大学 | 包线内全状态的涡扇发动机机载实时模型构建方法 |
CN103942357B (zh) * | 2014-02-13 | 2017-02-08 | 南京航空航天大学 | 包线内全状态的涡扇发动机机载实时模型构建方法 |
CN103983453A (zh) * | 2014-05-08 | 2014-08-13 | 南京航空航天大学 | 一种航空发动机的执行机构和传感器故障诊断的区分方法 |
CN104102769A (zh) * | 2014-06-27 | 2014-10-15 | 南京航空航天大学 | 基于人工智能的涡轴发动机实时部件级模型建立方法 |
CN104102769B (zh) * | 2014-06-27 | 2017-02-22 | 南京航空航天大学 | 基于人工智能的涡轴发动机实时部件级模型建立方法 |
CN105372071A (zh) * | 2015-10-28 | 2016-03-02 | 南京航空航天大学 | 一种航空发动机气路部件故障检测方法 |
CN105372071B (zh) * | 2015-10-28 | 2017-10-31 | 南京航空航天大学 | 一种航空发动机气路部件故障检测方法 |
CN105486507A (zh) * | 2015-11-23 | 2016-04-13 | 沈阳黎明航空发动机(集团)有限责任公司 | 航空发动机试车模块化故障排除装置及其故障排除方法 |
CN105486507B (zh) * | 2015-11-23 | 2017-11-07 | 沈阳黎明航空发动机(集团)有限责任公司 | 航空发动机试车模块化故障排除装置及其故障排除方法 |
CN105404750A (zh) * | 2015-12-07 | 2016-03-16 | 南京航空航天大学 | 一种基于改进Broyden算法求解方程组的涡轴发动机自适应模型建立方法 |
CN105404750B (zh) * | 2015-12-07 | 2018-07-17 | 南京航空航天大学 | 一种涡轴发动机自适应模型建立方法 |
CN105512483A (zh) * | 2015-12-08 | 2016-04-20 | 清华大学 | 基于损伤传播模型和数据分析的航空发动机剩余寿命预测 |
CN105512483B (zh) * | 2015-12-08 | 2018-04-10 | 清华大学 | 基于损伤传播模型和数据分析的航空发动机剩余寿命预测 |
CN105629952A (zh) * | 2015-12-30 | 2016-06-01 | 中国航空综合技术研究所 | 一种发动机控制软件的测试方法 |
CN105425784A (zh) * | 2015-12-30 | 2016-03-23 | 中国航空综合技术研究所 | 一种发动机控制软件的检查方法 |
CN105911975B (zh) * | 2016-04-14 | 2018-08-03 | 南京航空航天大学 | 一种航空发动机气路故障融合诊断方法 |
CN105911975A (zh) * | 2016-04-14 | 2016-08-31 | 南京航空航天大学 | 一种航空发动机气路故障融合诊断方法 |
CN106292330A (zh) * | 2016-07-13 | 2017-01-04 | 北京航空航天大学 | 飞机嵌入式实时诊断推理算法试验方法 |
CN106292330B (zh) * | 2016-07-13 | 2019-08-23 | 北京航空航天大学 | 飞机嵌入式实时诊断推理算法试验方法 |
CN106951634A (zh) * | 2017-03-20 | 2017-07-14 | 南京航空航天大学 | 一种航空发动机鲁棒跟踪控制器设计方法 |
CN106951634B (zh) * | 2017-03-20 | 2019-10-11 | 南京航空航天大学 | 一种航空发动机鲁棒跟踪控制器设计方法 |
CN107357176A (zh) * | 2017-08-05 | 2017-11-17 | 中国科学院工程热物理研究所 | 一种航空发动机试车数据建模方法 |
CN107357176B (zh) * | 2017-08-05 | 2020-09-25 | 中国科学院工程热物理研究所 | 一种航空发动机试车数据建模方法 |
CN107798173B (zh) * | 2017-09-29 | 2021-06-08 | 广州民航职业技术学院 | 用于飞机结构性能预测的紧急适航关注判断方法及系统 |
CN107798173A (zh) * | 2017-09-29 | 2018-03-13 | 广州民航职业技术学院 | 用于飞机结构性能预测的紧急适航关注判断方法及系统 |
CN107977526A (zh) * | 2017-12-18 | 2018-05-01 | 哈尔滨工业大学(威海) | 大涵道比民航发动机性能诊断方法及系统 |
CN108344579A (zh) * | 2017-12-27 | 2018-07-31 | 南京航空航天大学 | 航空发动机气路部件故障诊断的半物理验证方法及系统 |
CN108256173A (zh) * | 2017-12-27 | 2018-07-06 | 南京航空航天大学 | 一种航空发动机动态过程的气路故障诊断方法及系统 |
CN108681614A (zh) * | 2018-03-07 | 2018-10-19 | 南京航空航天大学 | 基于改进高斯粒子滤波的涡扇发动机突变故障诊断方法 |
CN108762089A (zh) * | 2018-06-15 | 2018-11-06 | 大连理工大学 | 一种基于模型预测的航空发动机在线优化及多变量控制设计方法 |
US11454177B2 (en) * | 2018-06-15 | 2022-09-27 | Dalian University Of Technology | Method of aero-engine on-line optimization and multivariable control based on model prediction |
CN109633474A (zh) * | 2018-11-14 | 2019-04-16 | 江苏大学 | 一种锂离子电池剩余寿命预测方法 |
CN109633474B (zh) * | 2018-11-14 | 2021-09-10 | 江苏大学 | 一种锂离子电池剩余寿命预测方法 |
CN110243291A (zh) * | 2019-01-10 | 2019-09-17 | 武汉滨湖电子有限责任公司 | 一种激光路面构造深度检测系统抗干扰方法 |
CN110276115B (zh) * | 2019-06-12 | 2023-02-10 | 上海交通大学 | 基于燃机叶片型线参数的气路故障诊断方法 |
CN110276115A (zh) * | 2019-06-12 | 2019-09-24 | 上海交通大学 | 基于燃机叶片型线参数的气路故障诊断方法 |
CN110502840A (zh) * | 2019-08-26 | 2019-11-26 | 南京航空航天大学 | 航空发动机气路参数在线预测方法 |
CN110502840B (zh) * | 2019-08-26 | 2021-05-28 | 南京航空航天大学 | 航空发动机气路参数在线预测方法 |
CN110672328B (zh) * | 2019-11-05 | 2020-08-14 | 大连理工大学 | 一种基于随机配置网络的涡扇发动机健康参数估计方法 |
CN110672328A (zh) * | 2019-11-05 | 2020-01-10 | 大连理工大学 | 一种基于随机配置网络的涡扇发动机健康参数估计方法 |
CN111258296A (zh) * | 2020-01-16 | 2020-06-09 | 西安交通大学 | 航空发动机控制系统的漂移类故障检测方法 |
CN111258296B (zh) * | 2020-01-16 | 2021-06-01 | 西安交通大学 | 航空发动机控制系统的漂移类故障检测方法 |
CN111538644A (zh) * | 2020-04-30 | 2020-08-14 | 阜阳师范大学 | 计算机故障报警系统及方法 |
CN111965981A (zh) * | 2020-09-07 | 2020-11-20 | 厦门大学 | 一种航空发动机强化学习控制方法及系统 |
CN113447273B (zh) * | 2021-06-28 | 2022-08-05 | 哈尔滨工业大学 | 基于交叉验证的燃气轮机传感器及执行机构故障检测方法 |
CN113447273A (zh) * | 2021-06-28 | 2021-09-28 | 哈尔滨工业大学 | 基于交叉验证的燃气轮机传感器及执行机构故障检测方法 |
CN113359484A (zh) * | 2021-07-26 | 2021-09-07 | 南京航空航天大学 | 基于半交替优化的航空发动机模型预测控制方法及装置 |
CN113359484B (zh) * | 2021-07-26 | 2022-06-10 | 南京航空航天大学 | 基于半交替优化的航空发动机模型预测控制方法及装置 |
CN113722833A (zh) * | 2021-09-09 | 2021-11-30 | 湖南工业大学 | 基于双通道长短时记忆网络的涡扇发动机剩余使用寿命预测方法 |
CN114779735A (zh) * | 2022-04-02 | 2022-07-22 | 西北工业大学 | 航空发动机分布式故障诊断系统硬件在环仿真平台及方法 |
CN114779735B (zh) * | 2022-04-02 | 2024-04-26 | 西北工业大学 | 航空发动机分布式故障诊断系统硬件在环仿真平台及方法 |
CN114486277A (zh) * | 2022-04-07 | 2022-05-13 | 中国航发四川燃气涡轮研究院 | 基于变循环发动机核心机平台的动态模式转换验证方法 |
CN114705440A (zh) * | 2022-05-05 | 2022-07-05 | 南京航空航天大学 | 一种基于数据回放的航空发动机故障模拟方法 |
CN114818205A (zh) * | 2022-06-27 | 2022-07-29 | 南京航空航天大学 | 一种航空发动机全生命周期叶尖间隙在线感知方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102855349B (zh) | 2015-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102855349B (zh) | 航空发动机气路故障诊断的快速原型设计方法及平台 | |
CN112507452B (zh) | 航空发动机涡轮叶片可靠性数字孪生建模方法 | |
CN109765058B (zh) | 用于涡轮发动机的设备和方法 | |
RU2482307C2 (ru) | Способы и системы для моделирования нейронных сетей компонентов турбины | |
US20140129000A1 (en) | Systems and Methods For Dynamic Risk Derivation | |
CH702625B1 (en) | System and method for monitoring a gas turbine. | |
JP2004162698A (ja) | ガスタービンを制御するためのモデル・ベースの適応制御システム | |
JP2013206466A (ja) | 信頼性が改善されたオペレーションのためのシステム及び方法 | |
Kraft et al. | Engine fleet-management: The use of digital twins from a MRO perspective | |
CN102955876A (zh) | 动态备件管理的系统和方法 | |
US10655494B2 (en) | Model predictive control sub-system power management | |
CN104635669A (zh) | 一种仪控系统验证方法 | |
Ullah et al. | An investigation of exhaust gas temperature of aircraft engine using LSTM | |
CN115618592A (zh) | 一种电厂燃气轮机气路故障诊断方法、系统、设备及终端 | |
CN115688285A (zh) | 可持续航空燃料涡扇发动机供油与燃烧系统优化方法 | |
EP2562611A2 (en) | Process for adaptive modeling of performance degradation | |
US9611791B2 (en) | Application of probabilistic control in gas turbine tuning for fuel flow-power output parameters, related control systems, computer program products and methods | |
US20090171631A1 (en) | Integrated Engineering Analysis Process | |
Kirschenbaum et al. | A benchmark system for comparing reliability modeling approaches for digital instrumentation and control systems | |
US10767506B2 (en) | Model predictive control sub-system hydraulic flow management | |
US20090171626A1 (en) | Integrated Engineering Analysis System | |
CN106796430B (zh) | 监视控制装置用测试装置 | |
US9803561B2 (en) | Power output and emissions based degraded gas turbine tuning and control systems, computer program products and related methods | |
CN115688609A (zh) | 一种用于航空发动机的智能推力预测及实时预警方法 | |
Pilarski et al. | Predictions-on-chip: model-based training and automated deployment of machine learning models at runtime: For multi-disciplinary design and operation of gas turbines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150701 Termination date: 20170806 |
|
CF01 | Termination of patent right due to non-payment of annual fee |