为利用民航发动机工作状态参数对其部件衰退情况进行在线诊断,提出一种发动机稳态建模和无迹卡尔曼滤波(unscented Kalman flter,UKF)相结合的部件性能衰退诊断方法.用多元非线性函数分别表达各个部件的通用特性曲线,采用机器学习方法对实测发动机工作状态参数进行学习以确定各函数系数,进而获得发动机稳态工作模型;在对各部件的性能衰退特点及影响性分析的基础上,定义出具有代表性的部件性能衰退因子;对无迹卡尔曼滤波器进行改造,采用所获得的发动机稳态工作模型和工况参数替换传统的滤波观测方程,并以新提出的滑动窗口采样策略克服低可观测性问题;对发动机实测运行数据进行滤波,得出各部件的性能衰退因子变化趋势.经发动机实际运营监控数据验证,该方法能够在航段数据返回数据中心后快速诊断出发动机各部件性能状态,诊断结果与发动机部件损伤目视检查信息吻合良好.该方法能够有效克服发动机性能诊断过程中的非线性强、观测性低、数据噪声显著的问题,具有较高的实用价值.
类型: 期刊论文
作者: 谭治学,钟诗胜,林琳
关键词: 航空发动机,性能诊断,发动机稳态建模,发动机部件,无迹卡尔曼滤波
来源: 哈尔滨工业大学学报 2019年01期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 航空航天科学与工程
单位: 哈尔滨工业大学机电学院
基金: 国家自然科学基金重点项目(U1533202),民航科技项目重大专项(MHRD20150104),山东省自主创新及成果转化专项(2014CGZH1101)
分类号: V263.6
页码: 22-28
总页数: 7
文件大小: 2545K
下载量: 207
本文来源: https://www.lunwen90.cn/article/286d5851d988452a3f7747c5.html