故障诊断丨西工大：基于多模型的航空发动机传感器混合故障诊断方法
在现代航空工业中，由于对安全关键系统的可靠运行和可维护性的需求和要求越来越高，航空发动机的故障诊断，即故障检测和隔离引起了广泛关注。航空发动机故障诊断技术可以避免因停机或中断而造成的重大经济损失，以及不及时和不必要地更换部件和零件相关的成本，与传统的基于时间的维护相比，航空发动机的故障诊断能够为实现视情维修的决策提供技术支持。故障诊断方法主要分为三类：基于模型、基于数据驱动和基于混合的方法。基于模型的方法主要依赖系统的数学模型，在实时状态监测方面具有很大的应用前景，但是由于系统中存在不确定性，未建模动态和干扰等因素，并且随着系统复杂性的增加，建立精确的数学模型往往比较困难。数据驱动的方法则需要大量的历史数据或实时数据，不需要系统的详细数学模型。尽管人工智能系统对于解决基于模型方法中的实际计算问题很重要，但每一个系统都面临某些特定的局限性。因此，使用混合架构将不同方法进行适当组合非常适合故障诊断。 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，利用贝叶斯定律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。针对某型涡扇发动机传感器发生典型故障情形进行仿真验证，并对比了不同传感器之间的检测与隔离精度。结果表明采用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。 本文提出了一种混合智能故障诊断方案，基于多模型架构对混合卡尔曼滤波与长短期记忆神经网络进行融合，利用LSTM方法逼近发动机不确定性项，采用贝叶斯理论计算条件概率克服故障诊断阈值难以选取的问题，提高了故障诊断结果的置信度。建立了带控制器和不确定性的涡扇发动机模型、机载非线性模型和多模型方法的集成架构，通过LSTM网络对不同情况的退化进行离线训练，实现了混合智能故障诊断模型的建立。在加入高压涡轮5%的退化之后，对传感器常见的偏置故障、漂移故障和间歇性故障进行仿真表明，采用本文提出的方法可以实现更高水平退化下不同故障类型的检测和隔离。在后续的研究中，将提出的方法应用于航空发动机气路故障诊断中，并搭建硬件在环仿真平台对提出的方法进行实时试验验证，确保算法的工程实用性和鲁棒性。 赵万里, 郭迎清, 徐柯杰, 等. 基于多模型的航空发动机传感器混合故障诊断方法[J]. 推进技术, 2023, 44(3): 2208021. 本论文属于西北工业大学动力与能源学院“发动机先进控制与健康管理”团队，团队负责人为郭迎清教授，团队近年来在航空发动机及其控制系统建模仿真、航空发动机状态监视与健康管理、航空发动机分布式控制与智能发动机等方面有深入研究和技术积累，建设有航空发动机分布式控制试验设备和开发平台、航空发动机故障诊断与健康管理系统硬件回环试验验证平台等，先后开展了航空发动机智能寿命延长控制、航空发动机多变量控制、航空发动机分布式控制和发动机健康管理研究等。团队负责人曾主持完成了二十多项国防研究项目并部分已应用于型号，在国内外公开发表论文200多篇，其中80多篇被SCI、EI收录。 
[1]Zhao, Wanli, Yingqing Guo, and Hao Sun. Research on an Adaptive Threshold Setting Method for Aero-Engine Fault Detection Based on KDE-EWMA[J]. Journal of Aerospace Engineering, 2022, 35(6): 04022087. [2]Kun Wang, Yingqing Guo, Wanli Zhao, Qifan Zhou, Pengfei Guo, Gas path fault detection and isolation for aero-engine based on LSTM-DAE approach under multiple-model architecture[J]. Measurement, 2022, 202: 111875. [3]YANG Jing, Guo Yingqing, Zhao Wanli. Long Short-term Memory Neural Network Based Fault Detection and Isolation for Electro-mechanical Actuators[J]. Neurocomputing, 2019(360): 85-96 [4]YANG Jing, Guo Yingqing, Zhao Wanli. An Intelligent Fault Diagnosis Method for An Electromechanical Actuator Based on Sparse Feature and Long Short-term Network[J]. Measurement Science and Technology, 2021, 32(9). [5]SUN Hao, GUO Yingqing, ZHAO Wanli. Fault Detection for Aircraft Turbofan Engine Using a Modified Moving Window KPCA[J]. IEEE Access, 2020, vol.8: 166541-166552. [6]Yifeng Chen, Yingqing Guo, Xinghui Yan, Haotian Mao. Multiple Delay-Dependent Guaranteed Cost Control for Distributed Engine Control Systems with Aging and Deterioration[J]. Aerospace. 2022, 9(2): 88. [7]赵万里, 郭迎清, 徐柯杰, 王灿森, 应豪杰, 陶欣昕. 航空发动机多电分布式控制系统故障诊断与容错关键技术综述[J/OL]. 航空学报: 1-21 [2022-12-31]. [8]丁佳伟, 郭迎清, 来晨阳. 民用涡扇发动机燃油系统健康指标选取[J]. 航空发动机, 2022, 48(04): 98-104. [9]王昆, 郭迎清, 赵万里, 周启凡, 郭鹏飞. 基于SSAE和相似性匹配的航空发动机剩余寿命预测[J/OL]. 北京航空航天大学学报: 1-13 [2022-12-31]. [10]董海滨, 商国军, 郭迎清. 射流预冷对涡扇发动机控制计划的影响及验证[J]. 航空动力学报, 2022, 37(02): 404-408. [11]余志伟, 郭迎清. 涡轴发动机分布式控制系统传感器故障诊断技术[J]. 推进技术, 2022, 43(04): 318-325. [12]赵万里, 郭迎清, 杨菁, 孙浩. 基于ARMA的航空发动机传感器故障诊断及实时验证[J]. 航空计算技术, 2022, 52(01): 16-20. 著作权归作者所有，欢迎分享，未经许可，不得转载
首次发布时间：2023-07-10
最近编辑：1年前
