CN105389427B - 基于自适应粒子滤波的航空发动机气路部件故障检测方法 - Google Patents

Abstract

本发明涉及基于自适应粒子滤波的航空发动机气路部件故障检测方法，基于非线性滤波算法和非线性部件级模型的气路健康诊断，相比于线性滤波和线性模型方法，解决了发动机过渡态下部件性能发生故障的诊断问题，能够充分的挖掘发动机的非线性特性，提高诊断的精度与可靠性；并且解决了标准粒子滤波算法采用集中式结构进行气路部件故障诊断存在局限性的问题；不仅如此，本发明以融合滤波结构为基础，通过实时估计噪声标准差和加入不等式约束两步，可以有效的避免标准粒子滤波存在的中央处理器计算负担大，忽略有效先验信息，对于测量噪声鲁棒性差等缺点，从而提高滤波精度，保证了气路健康诊断的准确性。

Description

基于自适应粒子滤波的航空发动机气路部件故障检测方法

技术领域

本发明涉及基于自适应粒子滤波的航空发动机气路部件故障检测方法，属于航空发动机故障诊断技术领域。

背景技术

航空发动机为飞行提供动力，其性能与可靠性是飞机性能与飞行安全的重要保证。但由于航空发动机结构复杂，且工作在高温、强振动等恶劣环境下，属于故障多发系统，因此航空发动机故障诊断显得十分必要与迫切，并已成为航空动力技术领域的研究热点。航空发动机气路故障诊断主要是通过测量参数的变化估计出气路部件效率、流量等性能参数的变化，分析发动机气路部件的健康状况；粒子滤波是采用序贯蒙特卡罗方法来实现递推贝叶斯估计的滤波方法，由于其在强非线性、非高斯系统中具有良好的估计效果，因此在航空发动机气路故障诊断中的应用成为当下研究的重点。

基于标准粒子滤波器的航空发动机气路故障诊断方法为集中式结构，即将各传感器测量值直接传输到中央处理器进行全局的健康参数估计，势必造成计算量的大量增加，为中央处理器造成计算负担。

发明内容

针对上述技术问题，本发明所要解决的技术问题是提供基于自适应粒子滤波的航空发动机气路部件故障检测方法，克服了现有技术中的不足，针对航空发动机气路部件故障与传感器故障设计了融合诊断方法，有效保证了航空发动机更加安全可靠的运行。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了基于自适应粒子滤波的航空发动机气路部件故障检测方法，首先针对航空发动机各个指定气路部件，分别设置用于指定参数测量的各个传感器；然后将各个指定气路部件按其所在工作区域进行划分获得各个工作区域组，接着设置分别与各个工作区域组相一一对应的局部滤波器，各个工作区域组中各指定气路部件上设置的各个传感器分别与所在工作区域组对应的局部滤波器相连接；最后设置与各个局部滤波器相连接的主滤波器；所述故障检测方法包括如下步骤：

步骤001.初始化k＝0，并预设第k时刻航空发动机各个指定气路部件的工作效率变化系数集合X_全局，k、第k时刻航空发动机各个指定气路部件工作效率变化系数对应的协方差阵集合P_全局，k，以及航空发动机系统噪声协方差阵Q_全局；将上述三组预设量平均分配至各个局部滤波器中，使得各个局部滤波器分别获得其在第k时刻所获系统各个指定气路部件的工作效率变化系数集合X_i，k、其在第k时刻的局部滤波器协方差阵集合P_i，k，以及其对应的航空发动机系统噪声协方差阵Q，并进入步骤002；其中，i＝{1、…、I}，I表示局部滤波器的个数；P_i，k表示第i个局部滤波器第k时刻的局部滤波器协方差阵集合，其中各元素为第i个局部滤波器在第k时刻所获系统各个指定气路部件工作效率变化系数、分别相对于该局部滤波器自第0时刻起至第k时刻所有时刻所获对应指定气路部件工作效率变化系数的协方差；

步骤002.分别针对各个局部滤波器，首先抽取与局部滤波器相一一对应包含预设数量N个粒子的粒子集合，构成该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应的粒子集合；然后该局部滤波器根据其在第k时刻所获系统各个指定气路部件的工作效率变化系数集合X_i，k，针对该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中的各个粒子，分别定义其状态量a_i,n,k+1，由该局部滤波器在第k时刻所获系统各个指定气路部件工作效率变化系数上下预设波动范围内的一组随机值组成的集合，并进入步骤003；其中，n＝{1、…、N}；a_i,n,k+1表示第i个局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数对应第n个粒子的状态量；

步骤003.分别针对各个局部滤波器，局部滤波器根据其在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应的粒子集合，获得其在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应该粒子集合中各粒子的部分状态量a'_i,n,k+1，并进一步获得该局部滤波器在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应该粒子集合中各粒子的部分测量值y'_i,n,k+1，再进入步骤004；

步骤004.分别针对各个局部滤波器，局部滤波器获得其对应工作区域组中各指定气路部件上各传感器在第k+1时刻的检测结果y_i,k+1，并根据该局部滤波器在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应、该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的部分测量值y'_i,n,k+1，获得该局部滤波器在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应、该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的权值，作为该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的权值ω_i,n,k+1，再进入步骤005；

步骤005.分别针对各个局部滤波器，局部滤波器针对其在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的权值ω_i,n,k+1进行归一化处理，并结合该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的状态量a_i,n,k+1进行加权处理，使得该局部滤波器获得第k+1时刻系统各个指定气路部件的初级工作效率变化系数集合X'_i，k+1；接着，该局部滤波器获得其在第k+1时刻所获系统各个指定气路部件初级工作效率变化系数，分别相对于该局部滤波器自第0时刻起至第k+1时刻所有时刻所获对应指定气路部件初级工作效率变化系数的初级协方差，构成该局部滤波器第k+1时刻的局部滤波器初级协方差阵集合P'_i，k+1，并进入步骤006；

步骤006.各个局部滤波器分别将其所获X'_i，k+1和P'_i，k+1，以及其对应的航空发动机系统噪声协方差阵Q上传至主滤波器中，主滤波器针对来自各个局部滤波器的信息进行信息融合，分别获得第k+1时刻航空发动机各个指定气路部件的工作效率变化系数集合X_全局，k+1、第k+1时刻航空发动机各个指定气路部件工作效率变化系数对应的协方差阵集合P_全局，k+1，以及航空发动机系统噪声协方差阵Q_全局，并进入步骤007；

步骤007.主滤波器将X_全局，k+1、P_全局，k+1和Q_全局平均分配至各个局部滤波器中，各个局部滤波器分别获得第k+1时刻系统各个指定气路部件的工作效率变化系数集合X_i，k+1、第k+1时刻的局部滤波器协方差阵集合P_i，k+1，以及局部滤波器所对应的航空发动机系统噪声协方差阵Q；然后分别针对各个局部滤波器，比较局部滤波器所对应系统各个指定气路部件上一时刻的工作效率变化系数与当前时刻的工作效率变化系数，实现针对系统各个指定气路部件的故障检测，并进入步骤008；

步骤008.将k+1的值赋予k，并返回步骤002。

作为本发明的一种优选技术方案：所述步骤003具体包括如下内容：

分别针对各个局部滤波器，首先局部滤波器获得其在第k+1时刻所对应的测量噪声v_i,k+1；然后该局部滤波器根据其在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应的粒子集合，获得其在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应该粒子集合中各粒子的部分状态量a'_i,n,k+1，并结合该局部滤波器在第k+1时刻所对应的测量噪声v_i,k+1，以及第k+1时刻的航空发动机控制量u_k+1，通过发动机非线性数学模型，获得该局部滤波器在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应该粒子集合中各粒子的部分测量值y'_i,n,k+1，再进入步骤004。

作为本发明的一种优选技术方案：所述步骤003中，所述航空发动机控制量为所述航空发动机的主燃烧室供油量和尾喷管截面积。

作为本发明的一种优选技术方案：所述步骤004具体包括如下内容：

分别针对各个局部滤波器，局部滤波器获得其对应工作区域组中各指定气路部件上各传感器在第k+1时刻的检测结果y_i,k+1，以及其在第k+1时刻所对应的测量噪声标准差σ_i,k+1，并根据该局部滤波器在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应、该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的部分测量值y'_i,n,k+1，通过粒子滤波似然函数，获得该局部滤波器在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应、该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的权值，作为该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的权值ω_i,n,k+1，再进入步骤005。

作为本发明的一种优选技术方案：所述步骤004中，局部滤波器在第k+1时刻所对应的测量噪声标准差σ_i,k+1，其中，通过该局部滤波器在第k+1时刻，针对长度为L的观测序列进行小波变换，获得该局部滤波器所对应的测量噪声标准差σ_i,k+1。

作为本发明的一种优选技术方案：所述步骤005之后、步骤006之前还包括步骤005006，执行完步骤005之后进入步骤005006，执行完步骤005006之后再进入步骤006，其中，该步骤005006具体包括如下内容：

分别针对各个局部滤波器的初级工作效率变化系数集合X'_i，k+1和局部滤波器初级协方差阵集合P'_i，k+1，进行不等式约束，分别更新各个局部滤波器的初级工作效率变化系数集合X'_i，k+1为加入约束的初级工作效率变化系数集合，以及分别更新各个局部滤波器的局部滤波器初级协方差阵集合P'_i，k+1为加入约束的局部滤波器初级协方差阵集合，并进入步骤006。

作为本发明的一种优选技术方案：所述步骤005006中，分别针对各个局部滤波器的初级工作效率变化系数集合X'_i，k+1和局部滤波器初级协方差阵集合P'_i，k+1，采用概念密度截算法进行不等式约束。

作为本发明的一种优选技术方案：所述步骤006中，主滤波器针对来自各个局部滤波器的信息，分别通过如下公式进行信息融合，

分别获得第k+1时刻航空发动机各个指定气路部件的工作效率变化系数集合X_全局，k+1、第k+1时刻航空发动机各个指定气路部件工作效率变化系数对应的协方差阵集合P_全局，k+1，以及航空发动机系统噪声协方差阵Q_全局。

本发明所述基于自适应粒子滤波的航空发动机气路部件故障检测方法采用以上技术方案与现有技术相比，具有以下技术效果：本发明设计的航空发动机气路部件故障检测方法，基于非线性滤波算法和非线性部件级模型的气路健康诊断，相比于线性滤波和线性模型方法，解决了发动机过渡态下部件性能发生故障的诊断问题，能够充分的挖掘发动机的非线性特性，提高诊断的精度与可靠性；并且解决了标准粒子滤波算法采用集中式结构进行气路部件故障诊断存在局限性的问题；不仅如此，本发明以融合滤波结构为基础，通过实时估计噪声标准差和加入不等式约束两步，可以有效的避免标准粒子滤波存在的中央处理器计算负担大，忽略有效先验信息，对于测量噪声鲁棒性差等缺点，从而提高滤波精度，保证了气路健康诊断的准确性。

附图说明

图1是涡扇发动机气路工作截面标识图；

图2是本发明设计基于自适应粒子滤波的航空发动机气路部件故障检测方法的诊断结构图；

图3是本发明设计基于自适应粒子滤波的航空发动机气路部件故障检测方法的流程示意图；

图4a是实施例航空发动机燃烧室供油变化示意图；

图4b是实施例航空发动机尾喷管面积变化示意图；

图4c是实施例航空发动机噪声标准差变化示意图；

图5a是风扇突变故障模式下应用集中式粒子滤波算法的仿真结果示意图；

图5b是风扇突变故障模式下应用分布式粒子滤波算法的仿真结果示意图；

图5c是风扇突变故障模式下应用加不等式约束的分布式粒子滤波算法的仿真结果示意图；

图5d是风扇突变故障模式下应用本发明所设计检测方法的仿真结果示意图；

图6是应用本发明设计基于小波变换的测量噪声标准差实时估计图。

具体实施方式

下面结合说明书附图针对本发明的具体实施方式作进一步详细的说明。

对于航空发动机气路故障诊断方法来说，设计采用融合滤波结构，每个传感器都有自己的处理器，形成单个节点，各传感器测量信息会预先在各自的节点中进行一些预处理，得到局部状态估计，最后将处理过的数据集中到中央处理器中进行信息融合。这种分散化的数据处理方法不仅减少了集中式数据处理的计算负担、节省了计算时间，而且提高了系统的鲁棒性。

粒子滤波实现状态估计时，粒子的权值由似然函数确定，而似然函数与观测噪声的概率密度分布函数密切相关，即似然函数应与测量噪声保持一致，但是在系统的观测模型不准确，测量噪声的统计特性未知等情况下，粒子滤波的性能无法得到保证。因此有必要对测量噪声的标准差进行实时估计。应用粒子滤波器估计发动机气路健康参数时，需要尽可能多的利用发动机系统中的有用信息以提高估计精度，如状态变量的可行域范围，即一定热力循环周期后发动机的状态量的变化范围。发动机在服役期间，各气路健康参数是在一定的范围内进行变化的；将不等式一类约束条件引入至粒子滤波器中，并将其应用于发动机一类的强非线性系统健康状态估计中具有显著的现实意义。

本发明所涉及实施例所应用的涡扇发动机气路的工作截面如图1所示，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、混合室、加力燃烧室和尾喷管等，如图2和图3所示，本发明所设计基于自适应粒子滤波的航空发动机气路部件故障检测方法在实际应用过程当中，首先针对航空发动机各个指定气路部件(风扇、压气机、高压涡轮、低压涡轮)，分别设置用于指定参数测量的各个传感器，这里我们所设计的传感器分别用于风扇转速、压气机转速、风扇出口温度、风扇出口压力、压气机出口温度、压气机出口压力、高压涡轮出口温度、混合室出口温度；然后将各个指定气路部件按其所在工作区域进行划分获得各个工作区域组，即这里的冷端工作区域组，包括T22、P22、T3、P3各个传感器；热端工作区域组，包括T43、T6各个传感器；高压端工作区域组，包括T3、P3、T43各个传感器；低压端工作区域组，包括T22、P22、T6各个传感器；接着设置分别与各个工作区域组相一一对应的局部滤波器，各个工作区域组中各指定气路部件上设置的各个传感器分别与所在工作区域组对应的局部滤波器相连接；最后设置与各个局部滤波器相连接的主滤波器；所述故障检测方法包括如下步骤：

步骤001.初始化k＝0，并预设第k时刻航空发动机各个指定气路部件的工作效率变化系数集合X_全局，k、第k时刻航空发动机各个指定气路部件工作效率变化系数对应的协方差阵集合P_全局，k，以及航空发动机系统噪声协方差阵Q_全局；这里航空发动机各个指定气路部件的工作效率变化系数集合X_全局，k＝[SE₁、SE₂、SE₃、SE₄]，SE₁、SE₂、SE₃、SE₄分别为风扇、压气机、高压涡轮、低压涡轮的工作效率变化系数；再通过如下公式：

将上述三组预设量平均分配至各个局部滤波器中，使得各个局部滤波器分别获得其在第k时刻所获系统各个指定气路部件的工作效率变化系数集合X_i，k、其在第k时刻的局部滤波器协方差阵集合P_i，k，以及其对应的航空发动机系统噪声协方差阵Q，并进入步骤002；其中，i＝{1、…、I}，I表示局部滤波器的个数；P_i，k表示第i个局部滤波器第k时刻的局部滤波器协方差阵集合，其中各元素为第i个局部滤波器在第k时刻所获系统各个指定气路部件工作效率变化系数、分别相对于该局部滤波器自第0时刻起至第k时刻所有时刻所获对应指定气路部件工作效率变化系数的协方差。

步骤002.分别针对各个局部滤波器，首先抽取与局部滤波器相一一对应包含预设数量30个粒子的粒子集合，构成该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应的粒子集合；然后该局部滤波器根据其在第k时刻所获系统各个指定气路部件的工作效率变化系数集合X_i，k，针对该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中的各个粒子，分别定义其状态量a_i,n,k+1，由该局部滤波器在第k时刻所获系统各个指定气路部件工作效率变化系数上下预设波动范围内的一组随机值组成的集合，并进入步骤003；其中，n＝{1、…、N}；a_i,n,k+1表示第i个局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数对应第n个粒子的状态量。

步骤003.分别针对各个局部滤波器，首先局部滤波器获得其在第k+1时刻所对应的测量噪声v_i,k+1；然后该局部滤波器根据其在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应的粒子集合，获得其在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应该粒子集合中各粒子的部分状态量a'_i,n,k+1，并结合该局部滤波器在第k+1时刻所对应的测量噪声v_i,k+1，以及第k+1时刻的航空发动机控制量u_k+1，通过如下发动机非线性数学模型：

y'_i,n,k+1＝g(a'_i,n,k+1，u_k+1)+v_i,k+1

获得该局部滤波器在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应该粒子集合中各粒子的部分测量值y'_i,n,k+1，再进入步骤004，这里，航空发动机控制量u＝[W_f,A₈]，分别为主燃烧室供油量和尾喷管截面积。

所述步骤004中，局部滤波器在第k+1时刻所对应的测量噪声标准差σ_i,k+1，其中，通过该局部滤波器在第k+1时刻，针对长度为L的观测序列进行小波变换，获得该局部滤波器所对应的测量噪声标准差σ_i,k+1

步骤004.分别针对各个局部滤波器，局部滤波器获得其对应工作区域组中各指定气路部件上各传感器在第k+1时刻的检测结果y_i,k+1，这里，

y_i，k＝[N_L、N_H、T₂₂、P₂₂、T₃、P₃、T₄₃、T₆]，依次为风扇转速、压气机转速、风扇出口温度、风扇出口压力、压气机出口温度、压气机出口压力、高压涡轮出口温度、混合室出口温度；并且如图6所示，这里采用小波变换算法来降低不确定测量噪声对粒子滤波的影响，该局部滤波器在第k+1时刻，针对长度L＝50的观测序列进行小波变换，获得该局部滤波器所对应的测量噪声标准差σ_i,k+1，并根据该局部滤波器在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应、该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的部分测量值y'_i,n,k+1，通过如下粒子滤波似然函数：

获得该局部滤波器在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应、该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的权值，作为该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的权值ω_i,n,k+1，再进入步骤005。

粒子滤波似然函数中σ_i,k+1应与测量噪声的方差保持一致。当系统的观测模型不准确，测量噪声的统计特性未知时，预先给定的σ_i,k+1值可能会偏离真实的测量噪声v_i,k+1，从而引起估计精度的下降，甚至导致估计结果严重偏离真值。利用小波变换算法，在每个采样时刻k+1，针对长度L＝50的观测序列进行小波变换，计算出测量噪声标准差的实时估计值：

式中，尺度s为0.5，t_h为τ在最细节尺度的离散表示，0≤h≤K/2，为{m_ω(j)|j＝0,1,…,J}的J/2小波系数，Med表示序列的中间值。根据上式估计出噪声的标准差，再根据上文给出的似然函数解析表达式，即可更新各子滤波器似然函数，从而提高了粒子滤波的估计精度。

步骤005.分别针对各个局部滤波器，局部滤波器针对其在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的权值ω_i,n,k+1进行归一化处理，并结合该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的状态量a_i,n,k+1进行加权处理，使得该局部滤波器获得第k+1时刻系统各个指定气路部件的初级工作效率变化系数集合X'_i，k+1；接着，该局部滤波器获得其在第k+1时刻所获系统各个指定气路部件初级工作效率变化系数，分别相对于该局部滤波器自第0时刻起至第k+1时刻所有时刻所获对应指定气路部件初级工作效率变化系数的初级协方差，构成该局部滤波器第k+1时刻的局部滤波器初级协方差阵集合P'_i，k+1，并进入步骤005006。

步骤005006.分别针对各个局部滤波器的初级工作效率变化系数集合X'_i，k+1和局部滤波器初级协方差阵集合P'_i，k+1，采用概念密度截算法进行不等式约束，分别更新各个局部滤波器的初级工作效率变化系数集合X'_i，k+1为加入约束的初级工作效率变化系数集合，以及分别更新各个局部滤波器的局部滤波器初级协方差阵集合P'_i，k+1为加入约束的局部滤波器初级协方差阵集合，并进入步骤006。这里我们针对各个局部滤波器的初级工作效率变化系数集合中，所包含的四个指定气路部件的初级工作效率变化系数设定的约束上限为[1.005,1.005,1.005,1.005]，约束下限为[0.97,0.90,0.96,0.98]。

步骤006.各个局部滤波器分别将其所获X'_i，k+1和P'_i，k+1，以及其对应的航空发动机系统噪声协方差阵Q上传至主滤波器中，主滤波器针对来自各个局部滤波器的信息分别通过如下公式进行信息融合：

分别获得第k+1时刻航空发动机各个指定气路部件的工作效率变化系数集合X_全局，k+1、第k+1时刻航空发动机各个指定气路部件工作效率变化系数对应的协方差阵集合P_全局，k+1，以及航空发动机系统噪声协方差阵Q_全局，并进入步骤007；

步骤007.主滤波器将X_全局，k+1、P_全局，k+1和Q_全局，通过如下公式：

平均分配至各个局部滤波器中，各个局部滤波器分别获得第k+1时刻系统各个指定气路部件的工作效率变化系数集合X_i，k+1、第k+1时刻的局部滤波器协方差阵集合P_i，k+1，以及局部滤波器所对应的航空发动机系统噪声协方差阵Q；然后分别针对各个局部滤波器，比较局部滤波器所对应系统各个指定气路部件上一时刻的工作效率变化系数与当前时刻的工作效率变化系数，实现针对系统各个指定气路部件的故障检测，并进入步骤008。

步骤008.将k+1的值赋予k，并返回步骤002。

为了验证设计本发明所设计基于自适应粒子滤波的航空发动机气路部件故障检测方法的有效性，在MATLAB环境下进行气路健康诊断的数字仿真。

在发动机地面工作点H＝0m,Ma＝0，模拟发动机过渡态过程中的气路部件发生突变故障，其中，航空发动机燃烧室供油，尾喷管面积变化及噪声标准差变化如图4a-图4c所示。发动机气路故障模式为风扇效率、压气机效率、高压涡轮效率和低压涡轮效率分别在第2秒突变下降1％。为验证本发明设计的诊断方法的诊断能力，如图5a-图5d所示，针对风扇效率下降1％的故障模式，依次应用集中式粒子滤波算法(Filter1)、分布式粒子滤波算法(Filter2)、加不等式约束的分布式粒子滤波算法(Filter3)，以及本发明所设计检测方法(Filter4)进行仿真比较；四种算法的性能对比如下表1所示，其中均方根误差计算公式为状态估计值标准差公式为S为仿真步数。

表1

结合图5a-图5d和表1的诊断结果可以看出，分布式粒子滤波算法(Filter2)由于采取加权形式的信息融合策略，能够有效的利用所有传感器测量信息，因此计算精度高于集中式粒子滤波算法(Filter1)。利用概率密度截断法加入不等式约束的分布式粒子滤波算法(Filter3)由于有效利用了健康参数的先验信息，因此具有更高的估计精度。而本发明设计的融合自适应粒子滤波算法(Filter4)在加入不等式约束的基础上又利用小波变换算法实时估计测量噪声的标准差，自适应调整粒子滤波似然函数，降低了不确定测量噪声对粒子滤波的影响。如图6应用本发明设计基于小波变换的测量噪声标准差实时估计图，从图中可以看出小波变换算法能实时跟踪噪声的变化，准确地估计出噪声的标准差。因此，在四种算法中，本发明设计的融合自适应粒子滤波算法对健康参数的估计精度最高。

本发明所设计基于自适应粒子滤波的航空发动机气路部件故障检测方法中，具有融合结构的粒子滤波器组是根据传感器分组情况设计相应的局部滤波器，各局部滤波器独立地进行时间更新和测量更新，主滤波器进行信息融合获得全局状态估计；不等式约束算法是通过矩阵变换将多维约束变换为独立的一维约束，然后求取约束内的概率，并将约束内的概率单位化，解出变换后正态分布的期望值和方差；噪声标准差估计是利用小波变换算法实时估计测量噪声的特性，通过调整似然分布的形状，更新各局部滤波器似然函数，从而避免了测量噪声的改变对粒子滤波的影响。本发明可实现发动机过渡态气路部件故障诊断，对于保证发动机安全可靠运行、降低维护费用有着积极促进作用。

上面结合说明书附图针对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (8)

1.基于自适应粒子滤波的航空发动机气路部件故障检测方法，其特征在于：首先针对航空发动机各个指定气路部件，分别设置用于指定参数测量的各个传感器；然后将各个指定气路部件按其所在工作区域进行划分获得各个工作区域组，接着设置分别与各个工作区域组相一一对应的局部滤波器，各个工作区域组中各指定气路部件上设置的各个传感器分别与所在工作区域组对应的局部滤波器相连接；最后设置与各个局部滤波器相连接的主滤波器；所述故障检测方法包括如下步骤：

步骤001.初始化k＝0，并预设第k时刻航空发动机各个指定气路部件的工作效率变化系数集合X_全局，k、第k时刻航空发动机各个指定气路部件工作效率变化系数对应的协方差阵集合P_全局，k，以及航空发动机系统噪声协方差阵Q_全局；将上述三组预设量平均分配至各个局部滤波器中，使得各个局部滤波器分别获得其在第k时刻所获系统各个指定气路部件的工作效率变化系数集合X_i，k、其在第k时刻的局部滤波器协方差阵集合P_i，k，以及其对应的航空发动机系统噪声协方差阵Q，并进入步骤002；其中，i＝{1、…、I}，I表示局部滤波器的个数；P_i，k表示第i个局部滤波器第k时刻的局部滤波器协方差阵集合，其中各元素为第i个局部滤波器在第k时刻所获系统各个指定气路部件工作效率变化系数、分别相对于该局部滤波器自第0时刻起至第k时刻所有时刻所获对应指定气路部件工作效率变化系数的协方差；

步骤002.分别针对各个局部滤波器，首先抽取与局部滤波器相一一对应包含预设数量N个粒子的粒子集合，构成该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应的粒子集合；然后该局部滤波器根据其在第k时刻所获系统各个指定气路部件的工作效率变化系数集合X_i，k，针对该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中的各个粒子，分别定义其状态量a_i,n,k+1，由该局部滤波器在第k时刻所获系统各个指定气路部件工作效率变化系数上下预设波动范围内的一组随机值组成的集合，并进入步骤003；其中，n＝{1、…、N}；a_i,n,k+1表示第i个局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数对应第n个粒子的状态量；

步骤003.分别针对各个局部滤波器，局部滤波器根据其在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应的粒子集合，获得其在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应该粒子集合中各粒子的部分状态量a'_i,n,k+1，并进一步获得该局部滤波器在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应该粒子集合中各粒子的部分测量值y'_i,n,k+1，再进入步骤004；

步骤004.分别针对各个局部滤波器，局部滤波器获得其对应工作区域组中各指定气路部件上各传感器在第k+1时刻的检测结果y_i,k+1，并根据该局部滤波器在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应、该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的部分测量值y'_i,n,k+1，获得该局部滤波器在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应、该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的权值，作为该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的权值ω_i,n,k+1，再进入步骤005；

步骤005.分别针对各个局部滤波器，局部滤波器针对其在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的权值ω_i,n,k+1进行归一化处理，并结合该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的状态量a_i,n,k+1进行加权处理，使得该局部滤波器获得第k+1时刻系统各个指定气路部件的初级工作效率变化系数集合X'_i，k+1；接着，该局部滤波器获得其在第k+1时刻所获系统各个指定气路部件初级工作效率变化系数，分别相对于该局部滤波器自第0时刻起至第k+1时刻所有时刻所获对应指定气路部件初级工作效率变化系数的初级协方差，构成该局部滤波器第k+1时刻的局部滤波器初级协方差阵集合P'_i，k+1，并进入步骤006；

步骤006.各个局部滤波器分别将其所获X'_i，k+1和P'_i，k+1，以及其对应的航空发动机系统噪声协方差阵Q上传至主滤波器中，主滤波器针对来自各个局部滤波器的信息进行信息融合，分别获得第k+1时刻航空发动机各个指定气路部件的工作效率变化系数集合X_全局，k+1、第k+1时刻航空发动机各个指定气路部件工作效率变化系数对应的协方差阵集合P_全局，k+1，以及航空发动机系统噪声协方差阵Q_全局，并进入步骤007；

步骤007.主滤波器将X_全局，k+1、P_全局，k+1和Q_全局平均分配至各个局部滤波器中，各个局部滤波器分别获得第k+1时刻系统各个指定气路部件的工作效率变化系数集合X_i，k+1、第k+1时刻的局部滤波器协方差阵集合P_i，k+1，以及局部滤波器所对应的航空发动机系统噪声协方差阵Q；然后分别针对各个局部滤波器，比较局部滤波器所对应系统各个指定气路部件上一时刻的工作效率变化系数与当前时刻的工作效率变化系数，实现针对系统各个指定气路部件的故障检测，并进入步骤008；

步骤008.将k+1的值赋予k，并返回步骤002。

2.根据权利要求1所述基于自适应粒子滤波的航空发动机气路部件故障检测方法，其特征在于，所述步骤003具体包括如下内容：

分别针对各个局部滤波器，首先局部滤波器获得其在第k+1时刻所对应的测量噪声v_i,k+1；然后该局部滤波器根据其在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应的粒子集合，获得其在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应该粒子集合中各粒子的部分状态量a'_i,n,k+1，并结合该局部滤波器在第k+1时刻所对应的测量噪声v_i,k+1，以及第k+1时刻的航空发动机控制量u_k+1，通过发动机非线性数学模型，获得该局部滤波器在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应该粒子集合中各粒子的部分测量值y'_i,n,k+1，再进入步骤004。

3.根据权利要求2所述基于自适应粒子滤波的航空发动机气路部件故障检测方法，其特征在于：所述步骤003中，所述航空发动机控制量为所述航空发动机的主燃烧室供油量和尾喷管截面积。

4.根据权利要求1所述基于自适应粒子滤波的航空发动机气路部件故障检测方法，其特征在于，所述步骤004具体包括如下内容：

分别针对各个局部滤波器，局部滤波器获得其对应工作区域组中各指定气路部件上各传感器在第k+1时刻的检测结果y_i,k+1，以及其在第k+1时刻所对应的测量噪声标准差σ_i,k+1，并根据该局部滤波器在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应、该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的部分测量值y'_i,n,k+1，通过粒子滤波似然函数，获得该局部滤波器在第k+1时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所对应、该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的权值，作为该局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数所对应粒子集合中各粒子的权值ω_i,n,k+1，再进入步骤005。

5.根据权利要求4所述基于自适应粒子滤波的航空发动机气路部件故障检测方法，其特征在于：所述步骤004中，局部滤波器在第k+1时刻所对应的测量噪声标准差σ_i,k+1，其中，通过该局部滤波器在第k+1时刻，针对长度为L的观测序列进行小波变换，获得该局部滤波器所对应的测量噪声标准差σ_i,k+1。

6.根据权利要求1所述基于自适应粒子滤波的航空发动机气路部件故障检测方法，其特征在于，所述步骤005之后、步骤006之前还包括步骤005006，执行完步骤005之后进入步骤005006，执行完步骤005006之后再进入步骤006，其中，该步骤005006具体包括如下内容：

分别针对各个局部滤波器的初级工作效率变化系数集合X'_i，k+1和局部滤波器初级协方差阵集合P'_i，k+1，进行不等式约束，分别更新各个局部滤波器的初级工作效率变化系数集合X'_i，k+1为加入约束的初级工作效率变化系数集合，以及分别更新各个局部滤波器的局部滤波器初级协方差阵集合P_i'_，k+1为加入约束的局部滤波器初级协方差阵集合，并进入步骤006。

7.根据权利要求6所述基于自适应粒子滤波的航空发动机气路部件故障检测方法，其特征在于：所述步骤005006中，分别针对各个局部滤波器的初级工作效率变化系数集合X'_i，k+1和局部滤波器初级协方差阵集合P'_i，k+1，采用概念密度截算法进行不等式约束。

8.根据权利要求1所述基于自适应粒子滤波的航空发动机气路部件故障检测方法，其特征在于：所述步骤006中，主滤波器针对来自各个局部滤波器的信息，分别通过如下公式进行信息融合，

分别获得第k+1时刻航空发动机各个指定气路部件的工作效率变化系数集合X_全局，k+1、第k+1时刻航空发动机各个指定气路部件工作效率变化系数对应的协方差阵集合P_全局，k+1，以及航空发动机系统噪声协方差阵Q_全局。