商用渦扇發(fā)動機(jī)氣路故障診斷技術(shù)是提高飛行安全、降低航線運營成本的重要途徑。本文以某型商用大涵道比渦輪風(fēng)扇發(fā)動機(jī)為研討對象,研究基于卡爾曼濾波算法的商用渦扇發(fā)動機(jī)氣路故障診斷技術(shù)。由于渦扇發(fā)動機(jī)非線性特性強(qiáng),現(xiàn)有建模方法得到的發(fā)動機(jī)線性狀態(tài)變量模型僅在建模區(qū)域附近的小范圍內(nèi)精度較高,無法在全壽命期限內(nèi)保持精度要求,使得健康參數(shù)的估計誤差隨著飛行循環(huán)數(shù)的增加而增加,因此為了提高線性模型在各種性能退化情況下的精度,提出自適應(yīng)擬合的方法建立包含健康參數(shù)的狀態(tài)變量模型,并設(shè)計卡爾曼濾波器進(jìn)行健康參數(shù)估計。該方法通過由上一個采樣周期內(nèi)健康參數(shù)的估計值自適應(yīng)調(diào)整模型系數(shù)矩陣提高模型在全壽命期限內(nèi)的精度。在設(shè)計巡航點采用該方法建立線性變參數(shù)模型,然后通過相似換算在4個飛行狀態(tài)點進(jìn)行數(shù)字仿真性能緩慢退化過程。經(jīng)仿真驗證,在4個飛行點下選取除低壓渦輪流量和效率以外的8個健康參數(shù)進(jìn)行估計,相比改進(jìn)擬合建模方法,基于該建模方法的卡爾曼濾波器對于風(fēng)扇換算轉(zhuǎn)速在95%以下的飛行狀態(tài)點,健康參數(shù)均方根誤差總和平均減少26.4%,對于轉(zhuǎn)速在95%以上的點,誤差總和平均減少45.8%,同時在數(shù)字仿真時間60s下的計算時...

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景
    1.2 渦扇發(fā)動機(jī)故障診斷技術(shù)的國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 卡爾曼濾波算法在氣路故障診斷中的應(yīng)用現(xiàn)狀
    1.4 本文的內(nèi)容安排
第二章 基于線性卡爾曼濾波算法的商用渦扇發(fā)動機(jī)氣路健康參數(shù)估計
    2.1 含健康參數(shù)的商用渦扇發(fā)動機(jī)模型
        2.1.1 發(fā)動機(jī)部件級模型
        2.1.2 發(fā)動機(jī)性能退化分析
        2.1.3 發(fā)動機(jī)狀態(tài)變量模型
        2.1.4 發(fā)動機(jī)性能基線模型
    2.2 基于線性卡爾曼濾波算法的氣路健康參數(shù)估計
        2.2.1 卡爾曼濾波算法
        2.2.2 基于線性卡爾曼濾波算法的氣路健康參數(shù)估計中存在的問題
        2.2.3 基于自適應(yīng)擬合法的商用渦扇發(fā)動機(jī)線性狀態(tài)變量模型
        2.2.4 設(shè)計點數(shù)字仿真驗證
        2.2.5 飛行區(qū)塊數(shù)字仿真及結(jié)果分析
    2.3 本章小結(jié)
第三章 基于神經(jīng)網(wǎng)絡(luò)改進(jìn)卡爾曼濾波的商用渦扇發(fā)動機(jī)氣路健康參數(shù)估計
    3.1 非線性卡爾曼濾波算法
        3.1.1 擴(kuò)展卡爾曼濾波算法
        3.1.2 無跡卡爾曼濾波算法
    3.2 基于神經(jīng)網(wǎng)絡(luò)-軟約束-擴(kuò)展卡爾曼濾波算法的氣路健康參數(shù)估計
        3.2.1 神經(jīng)網(wǎng)絡(luò)-軟約束-卡爾曼濾波算法
        3.2.2 神經(jīng)網(wǎng)絡(luò)的設(shè)計與訓(xùn)練
        3.2.3 設(shè)計點數(shù)字仿真驗證
        3.2.4 飛行區(qū)塊數(shù)字仿真及結(jié)果分析
    3.3 基于神經(jīng)網(wǎng)絡(luò)-粒子濾波-卡爾曼濾波算法的氣路健康參數(shù)估計
        3.3.1 神經(jīng)網(wǎng)絡(luò)-粒子濾波-卡爾曼濾波算法
        3.3.2 設(shè)計點數(shù)字仿真驗證
        3.3.3 飛行區(qū)塊數(shù)字仿真及結(jié)果分析
    3.4 本章小結(jié)
第四章 基于Simulink仿真平臺的氣路故障診斷框架
    4.1 氣路故障診斷框架
    4.2 Simulink仿真平臺氣路故障診斷框架
        4.2.1 部件級模型模塊
        4.2.2 氣路故障診斷主模塊
        4.2.3 實時模型計算模塊
        4.2.4 神經(jīng)網(wǎng)絡(luò)模塊
    4.3 Simulink仿真平臺顯示界面
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文的主要工作總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文



本文編號：3737291