CN111077778B - 一种基于扩展卡尔曼滤波的船用燃气轮机参数估计及性能寻优方法 - Google Patents

一种基于扩展卡尔曼滤波的船用燃气轮机参数估计及性能寻优方法 Download PDF

Info

Publication number
CN111077778B
CN111077778B CN201911308485.XA CN201911308485A CN111077778B CN 111077778 B CN111077778 B CN 111077778B CN 201911308485 A CN201911308485 A CN 201911308485A CN 111077778 B CN111077778 B CN 111077778B
Authority
CN
China
Prior art keywords
gas turbine
state
pressure
solving
turbine
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.)
Active
Application number
CN201911308485.XA
Other languages
English (en)
Other versions
CN111077778A (zh
Inventor
王志涛
张君鑫
李健
高楚铭
李铁磊
戚万领
于海超
刘硕硕
刘瑞
李淑英
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN201911308485.XA priority Critical patent/CN111077778B/zh
Publication of CN111077778A publication Critical patent/CN111077778A/zh
Application granted granted Critical
Publication of CN111077778B publication Critical patent/CN111077778B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明的目的在于提供一种基于扩展卡尔曼滤波的船用燃气轮机参数估计及性能寻优方法，包括以下步骤：建立三轴燃气轮机数学模型；采用扩展卡尔曼滤波方法，利用在运行过程中发生气路故障的船用三轴燃气轮机可观测数据的输出，对其气路状态进行估计；采用Newton‑Raphson迭代法求解变工况下三轴燃气轮机的各部件压比、流量与效率特性，Runge‑Kutta方法求解三轴燃气轮机变工况动态过程；采用序列二次规划算法，建立性能寻优模型，求解使船用燃气轮机输出功率保持稳定的最佳稳态工作点。本发明可以在船用三轴燃气轮机发生气路故障时，对气路健康状态进行准确估计，并进行参数寻优。该求解非线性动态系统的方法应用范围较广，在其他系统应用于卡尔曼滤波时同样具有参考意义。

Description

一种基于扩展卡尔曼滤波的船用燃气轮机参数估计及性能寻 优方法
技术领域
本发明涉及的是一种船用燃气轮机控制方法，具体地说是船用燃气轮机性能寻优方法。
背景技术
船用燃气轮机在船舶动力领域得到了广泛的应用和发展，其安全和高效运行越来越重要。船用燃气轮机在使用过程中，受到来自海洋的海水飞溅和蒸发的腐蚀，含有大量氯化钠的空气进入发动机会使压气机表面积盐，使机组性能指标下降，同时还将对机组产生腐蚀，缩短发动机寿命。为保证船用燃气轮机安全和高效运行，降低生命周期成本，跟踪部件的性能参数和运行状况对于其自我诊断和故障分析至关重要。三轴燃气轮机是常见的船用燃气轮机。
卡尔曼滤波作为一种实时递推最优估计方法，可通过系统输入输出观测数据，在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。由于它便于计算机编程实现，并能够对现场采集的数据进行实时的更新和处理，Kalman滤波是目前应用最为广泛的滤波方法已广泛应用于发动机状态监测和气路性能分析。基于非线性模型的燃气轮机气路故障诊断方法相比线性模型方法的诊断结果精度高。燃气轮机为弱非线性系统，研究选择基于扩展卡尔曼滤波进行。
发明内容
本发明的目的在于提供可以在船用三轴燃气轮机发生气路故障时，对气路健康状态进行准确估计，并进行参数寻优的一种基于扩展卡尔曼滤波的船用燃气轮机参数估计及性能寻优方法。
本发明的目的是这样实现的：
本发明一种基于扩展卡尔曼滤波的船用燃气轮机参数估计及性能寻优方法，其特征是：
(1)建立船用三轴燃气轮机数学模型，引入表征气路健康状态的流量、效率参数：
三轴燃气轮机非线性模型中引入表征各部件流量、效率健康状态的健康参数h，采用变比热方法计算三轴燃气轮机此工作点低压压气机、高压压气机、燃烧室、高压涡轮、低压涡轮与动力涡轮的工作参数及性能参数：
Figure BDA0002323844010000021
yk＝g(xk,hk,uk)+vk
x为状态参数，u为输入参数，y为可测参数，w、v为系统噪声，k为离散的时间间隔；
(2)求解船用三轴燃气轮机非线性模型:
使用Matlab/Simulink中的S-function模块，调用三轴燃气轮机模型M文件，选择燃气轮机燃油量、压气机可转导叶角度作为输入量，流量不平衡量作为输出量，使用Newton-Raphson迭代法求解下式，
Figure BDA0002323844010000022
得到稳态工作点各部件特性，求解结果作为求解变工况动态过程的基础；
使用S-function模块，调用三轴燃气轮机模型M文件，选择燃气轮机稳态工作点各部件特性、燃油量、可转导叶角度作为输入量，功率的导数作为输出量，使用四阶Runge-Kutta方法求解下式，求解变工况动态过程：
Figure BDA0002323844010000023
β为建立数学模型时引入的求解各部件特性参数的自变量，e为流量不平衡方程的残差，n为高压轴与低压轴的转速向量，h为迭代步长，K为不同步长下高压轴与低压轴转速的导数向量；
(3)建立船用三轴燃气轮机气路状态估计模型：
将三轴燃气轮机发生故障时带有测量噪声的可测参数测量值输入到扩展卡尔曼滤波器，故障状态下已知可测参数与基准模型参数的偏差量估计出动态系统状态参数变化过程：
Figure BDA0002323844010000031
P是状态预测误差的协方差阵，K是滤波增益阵，Q是过程噪声w的协方差矩阵，R是过程噪声v的协方差矩阵，系统矩阵A和测量方程C通过Jacobian计算方法来获得：
Figure BDA0002323844010000032
(4)故障状态下三轴燃气轮机的性能寻优方法：
利用序列二次规划算法对故障状态下的船用三轴燃气轮机进行性能寻优，扩展卡尔曼滤波器将对状态参数的估计结果输入到优化算法程序，即在已知三轴燃气轮机气路故障状态下，以燃油量、低压压气机可转导叶角度、高压压气机可转导叶角度为被控参数，寻求使三轴燃气轮机输出功率回复到故障之前状态的稳态工作点，保证燃机输出；优化过程中建立非线性不等式约束条件：nL≤nL,max＝1.02nL,D，nH≤nH,max＝1.02nH,D，
Figure BDA0002323844010000033
Figure BDA0002323844010000034
nL,max是低压转子最大转速，nH,max是高压转子最大转速，nL,D是低压转子故障前转速，nH,D是高压转子故障前转速，
Figure BDA0002323844010000035
是高压涡轮进口最大温度，
Figure BDA0002323844010000036
是高压涡轮故障前温度，
Figure BDA0002323844010000037
是动力涡轮出口最大温度，
Figure BDA0002323844010000038
是高压涡轮故障前温度。
本发明的优势在于：本发明可以在船用三轴燃气轮机发生气路故障时，对气路健康状态进行准确估计，并进行参数寻优。从而保持船用燃气轮机输出功率稳定，降低涡轮进出口温度，提高发动机寿命。有效地防止了由于气路故障引起的过度燃烧问题，保证船用燃气轮机安全稳定运行。该求解非线性动态系统的方法应用范围较广，在其他系统应用于卡尔曼滤波时同样具有参考意义。
附图说明
图1为本发明船用三轴燃气轮机结构简图；
图2为进行参数估计及性能寻优流程图的。
具体实施方式
下面结合附图举例对本发明做更详细地描述：
结合图1-2，本发明的目的通过以下方案实现：
(1)根据船用三轴燃气轮机数学模型，采用变比热方法计算出三轴燃气轮机给定工作点下低压压气机、高压压气机、燃烧室、高压涡轮、低压涡轮与动力涡轮的工作参数及性能参数；
(2)根据对三轴燃气轮机在气路故障变化过程中可测参数的观测，测量方差已知的情况下，从一系列存在测量噪声的数据中，估计出动态系统的状态参数变化过程；
(3)根据经典的Newton-Raphson迭代法求解稳态工作点各部件的压比、流量与效率特性；四阶Runge-Kutta方法求解转子动力学非线性常微分方程，迭代求解气路故障状态下三轴燃气轮机变工况动态过程；
(4)利用序列二次规划算法对故障状态下的船用三轴燃气轮机进行性能寻优，以三轴燃气轮机输出功率稳定输出为目标，控制被控参数使船用三轴燃气轮机达到非线性不等式约束条件下的目标性能。
具体为：
(1)引入健康参数
三轴燃气轮机非线性模型中引入表征各部件流量、效率健康状态的健康参数h，采用变比热方法计算三轴燃气轮机此工作点低压压气机、高压压气机、燃烧室、高压涡轮、低压涡轮与动力涡轮的工作参数及性能参数：
Figure BDA0002323844010000041
x为状态参数，u为输入参数，y为可测参数，w、v为系统噪声，k为离散的时间间隔。
(2)船用三轴燃气轮机非线性模型求解方法
使用Matlab/Simulink中的S-function模块，调用三轴燃气轮机模型M文件，选择燃气轮机燃油量、压气机可转导叶角度作为输入量，流量不平衡量作为输出量，使用经典的Newton-Raphson迭代法求解(2)，可得到稳态工作点各部件特性，求解结果作为求解变工况动态过程的基础；使用S-function模块，调用三轴燃气轮机模型M文件，选择燃气轮机稳态工作点各部件特性、燃油量、可转导叶角度作为输入量，功率的导数作为输出量，使用四阶Runge-Kutta方法求解(3)，求解变工况动态过程。
Figure BDA0002323844010000051
Figure BDA0002323844010000052
β为建立数学模型时引入的求解各部件特性参数的自变量，e为流量不平衡方程的残差，n为高压轴与低压轴的转速向量，h为迭代步长，K为不同步长下高压轴与低压轴转速的导数向量。
(3)在Matlab/Simulink中建立船用三轴燃气轮机气路状态估计模型
将三轴燃气轮机发生故障时带有测量噪声的可测参数测量值输入到扩展卡尔曼滤波器，故障状态下已知可测参数与基准模型参数的偏差量估计出动态系统状态参数变化过程。
Figure BDA0002323844010000053
P是状态预测误差的协方差阵，K是滤波增益阵，Q是过程噪声w的协方差矩阵，R是过程噪声v的协方差矩阵。系统矩阵A和测量方程C通过Jacobian计算方法来获得：
Figure BDA0002323844010000061
(4)故障状态下三轴燃气轮机的性能寻优方法
利用序列二次规划算法对故障状态下的船用三轴燃气轮机进行性能寻优。扩展卡尔曼滤波器将对状态参数的估计结果输入到优化算法程序，即在已知三轴燃气轮机气路故障状态下，以燃油量、低压压气机可转导叶角度、高压压气机可转导叶角度为被控参数，寻求使三轴燃气轮机输出功率回复到故障之前状态的稳态工作点，保证燃机输出。优化过程中建立非线性不等式约束条件：nL≤nL,max＝1.02nL,D，nH≤nH,max＝1.02nH,D，
Figure BDA0002323844010000062
Figure BDA0002323844010000063
nL,max是低压转子最大转速，nH,max是高压转子最大转速，nL,D是低压转子故障前转速，nH,D是高压转子故障前转速，
Figure BDA0002323844010000064
是高压涡轮进口最大温度，
Figure BDA0002323844010000065
是高压涡轮故障前温度，
Figure BDA0002323844010000066
是动力涡轮出口最大温度，
Figure BDA0002323844010000067
是高压涡轮故障前温度。

Claims (1)

1.一种基于扩展卡尔曼滤波的船用燃气轮机参数估计及性能寻优方法，其特征是：
(1)建立船用三轴燃气轮机数学模型，引入表征气路健康状态的流量、效率健康状态的健康参数：
三轴燃气轮机非线性模型中引入表征各部件流量、效率健康状态的健康参数h，采用变比热方法计算三轴燃气轮机此工作点低压压气机、高压压气机、燃烧室、高压涡轮、低压涡轮与动力涡轮的工作参数及性能参数：
Figure FDA0003761956450000011
yk＝g(xk，hk，uk)+vk
x为状态参数，u为输入参数，y为可测参数，w、v为系统噪声，k为离散的时间间隔；
(2)求解船用三轴燃气轮机非线性模型:
使用Matlab/Simulink中的S-function模块，调用三轴燃气轮机模型M文件，选择燃气轮机燃油量、压气机可转导叶角度作为输入量，流量不平衡量作为输出量，使用Newton-Raphson迭代法求解下式，
Figure FDA0003761956450000012
得到稳态工作点各部件特性，求解结果作为求解变工况动态过程的基础；
使用S-function模块，调用三轴燃气轮机模型M文件，选择燃气轮机稳态工作点各部件特性、燃油量、可转导叶角度作为输入量，功率的导数作为输出量，使用四阶Runge-Kutta方法求解下式，求解变工况动态过程：
Figure FDA0003761956450000021
β为建立数学模型时引入的求解各部件特性参数的自变量，e为流量不平衡方程的残差，n为高压轴与低压轴的转速向量，h′为迭代步长，K为不同步长下高压轴与低压轴转速的导数向量；
(3)建立船用三轴燃气轮机气路状态估计模型：
将三轴燃气轮机发生故障时带有测量噪声的可测参数测量值输入到扩展卡尔曼滤波器，故障状态下已知可测参数与基准模型参数的偏差量估计出动态系统状态参数变化过程：
Figure FDA0003761956450000022
P是状态预测误差的协方差阵，K是滤波增益阵，Q是系统噪声w的协方差矩阵，R是系统噪声v的协方差矩阵，系统矩阵A和测量方程C通过Jacobian计算方法来获得：
Figure FDA0003761956450000023
(4)故障状态下三轴燃气轮机的性能寻优方法：
利用序列二次规划算法对故障状态下的船用三轴燃气轮机进行性能寻优，扩展卡尔曼滤波器将对状态参数的估计结果输入到优化算法程序，即在已知三轴燃气轮机气路故障状态下，以燃油量、低压压气机可转导叶角度、高压压气机可转导叶角度为被控参数，寻求使三轴燃气轮机输出功率回复到故障之前状态的稳态工作点，保证燃机输出；优化过程中建立非线性不等式约束条件：nL≤nL，max＝1.02nL，D，nH≤nH，max＝1.02nH，D，
Figure FDA0003761956450000031
nL，max是低压转子最大转速，nH，max是高压转子最大转速，nL，D是低压转子故障前转速，nH，D是高压转子故障前转速，
Figure FDA0003761956450000032
是高压涡轮进口最大温度，
Figure FDA0003761956450000033
是高压涡轮故障前温度，
Figure FDA0003761956450000034
是动力涡轮出口最大温度，
Figure FDA0003761956450000035
是动力涡轮故障前温度。
CN201911308485.XA 2019-12-18 2019-12-18 一种基于扩展卡尔曼滤波的船用燃气轮机参数估计及性能寻优方法 Active CN111077778B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911308485.XA CN111077778B (zh) 2019-12-18 2019-12-18 一种基于扩展卡尔曼滤波的船用燃气轮机参数估计及性能寻优方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911308485.XA CN111077778B (zh) 2019-12-18 2019-12-18 一种基于扩展卡尔曼滤波的船用燃气轮机参数估计及性能寻优方法

Publications (2)

Publication Number Publication Date
CN111077778A CN111077778A (zh) 2020-04-28
CN111077778B true CN111077778B (zh) 2022-09-09

Family

ID=70315419

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911308485.XA Active CN111077778B (zh) 2019-12-18 2019-12-18 一种基于扩展卡尔曼滤波的船用燃气轮机参数估计及性能寻优方法

Country Status (1)

Country Link
CN (1) CN111077778B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221486B (zh) * 2021-06-21 2023-09-05 中国航发沈阳发动机研究所 一种基于sqp法的某间冷燃机稳态性能计算精度提升方法
CN113465930B (zh) * 2021-06-29 2022-08-05 哈尔滨工业大学 基于混合方法的燃气轮机多传感器故障检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101230803A (zh) * 2007-01-26 2008-07-30 通用电气公司 使用卡尔曼滤波器来初始化动态模型状态的系统和方法
CN105912878A (zh) * 2016-05-26 2016-08-31 哈尔滨工程大学 基于热力模型与粒子群优化算法相结合的燃气轮机自适应气路部件性能诊断方法
CN109543279A (zh) * 2018-11-16 2019-03-29 上海交通大学 一种基于动态模型的燃气轮机气路故障诊断方法
CN110118128A (zh) * 2019-05-28 2019-08-13 南京航空航天大学 微型燃气轮机传感器故障诊断和容错控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7742904B2 (en) * 2005-09-27 2010-06-22 General Electric Company Method and system for gas turbine engine simulation using adaptive Kalman filter
US8010320B2 (en) * 2006-11-17 2011-08-30 United Technologies Corporation Reducing gas turbine performance tracking estimation non-repeatability

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101230803A (zh) * 2007-01-26 2008-07-30 通用电气公司 使用卡尔曼滤波器来初始化动态模型状态的系统和方法
CN105912878A (zh) * 2016-05-26 2016-08-31 哈尔滨工程大学 基于热力模型与粒子群优化算法相结合的燃气轮机自适应气路部件性能诊断方法
CN109543279A (zh) * 2018-11-16 2019-03-29 上海交通大学 一种基于动态模型的燃气轮机气路故障诊断方法
CN110118128A (zh) * 2019-05-28 2019-08-13 南京航空航天大学 微型燃气轮机传感器故障诊断和容错控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Ensemble Kalman Filters for State Estimation and Prediction of Two-Time Scale Nonlinear Systems With Application to Gas Turbine Engines;Najmeh Daroogheh.etc;<IEEE Transactions on Control Systems Technology >;20191130;第27卷(第6期);第2565-2573页 *
基于扩展卡尔曼滤波的燃气轮机性能参数;康维国等;《热能动力工程》;20150930;第30卷(第5期);第702-821页 *
船用分轴燃气轮机的模块化建模与动态仿真;杨涛等;《汽轮机技术》;20080831;第50卷(第4期);第267-269页 *

Also Published As

Publication number Publication date
CN111077778A (zh) 2020-04-28

Similar Documents

Publication Publication Date Title
US8050843B2 (en) Estimating health parameters or symptoms of a degrading system
CN111077778B (zh) 一种基于扩展卡尔曼滤波的船用燃气轮机参数估计及性能寻优方法
CN108829928B (zh) 一种涡轴发动机自适应部件级仿真模型构建方法
US8280647B2 (en) Method and system for monitoring process states of an internal combustion engine
CN109684597B (zh) 一种用于压气机全工况特性拓展的方法
CN108062428B (zh) 一种涡扇发动机在线部件故障诊断方法及系统
CN108804850B (zh) 基于空间重构的航空发动机过渡态加速过程参数预测方法
CN110647052B (zh) 一种变循环发动机模式切换自适应身份证模型构建方法
US11149654B2 (en) Systems, program products, and methods for adjusting operating limit (OL) threshold for compressors of gas turbine systems based on mass flow loss
CN112378670B (zh) 一种基于改进粒子滤波的火箭发动机故障检测方法
CN107203364B (zh) 一种用于压气机全工况特性的预测和辨识方法
RU2554544C2 (ru) Цифровая электронная система управления с встроенной полной термогазодинамической математической моделью газотурбинного двигателя и авиационный газотурбинный двигатель
CN108681614B (zh) 基于改进高斯粒子滤波的涡扇发动机突变故障诊断方法
Qiu et al. Performance prediction for high pressure-ratio radial inflow turbines
Salar et al. A hybrid EKF-fuzzy approach to fault detection and isolation of industrial gas turbines
Yonghong A new method of predicting the performance of gas turbine engines
CN113221486B (zh) 一种基于sqp法的某间冷燃机稳态性能计算精度提升方法
Cicciotti et al. Online performance monitoring of industrial compressors using meanline modelling
CN115144186A (zh) 一种燃气涡轮发动机气路故障连续高精度诊断方法
Salar et al. Improving model-based gas turbine fault diagnosis using multi-operating point method
Plis et al. Mathematical modeling of an axial compressor in a gas turbine cycle
CN111611743A (zh) 轴流式压气机特性线自适应方法
Visser et al. Experience with gsp as a gas path analysis tool
CN111156831A (zh) 冷端优化方法、数据处理系统及计算机存储介质
Kim et al. Suitability of performance adaptation methods for updating the thermodynamic cycle model of a turboprop engine

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant