基于融合EKF的航空发动机气路性能健康预测

作者： 陶金伟   黄一桓   鲁峰   黄金泉   来源： 测控技术 年份： 2018 文献类型 ： 期刊 关键词： 航空发动机   融合滤波估计   性能健康预测   扩展卡尔曼滤波器   气路部件  

描述： 针对集中式滤波算法存在计算效率不高、容错性差,引入融合滤波的思想,提出采用非线性融合的联邦式扩展卡尔曼滤波器进行发动机气路健康性能预测。子滤波器根据量测参数完成发动机部分健康性能的局部估计,主滤波根据子滤波器估计参数完成融合滤波估计,并将状态估计值和协方差反馈至子滤波器用于下一步健康预测。通过某型涡扇发动机仿真表明:融合EKF滤波器能准确地预测发动机的健康状态,估计稳定收敛时间短、计算时间短、效率高。

航空发动机传感器故障隔离与气路健康估计方法

作者： 陶金伟   鲁峰   黄金泉   来源： 自动化应用 年份： 2018 文献类型 ： 期刊 关键词： 航空发动机   健康估计   扩展卡尔曼滤波器   传感器故障隔离  

描述： 介绍民用大涵道比涡扇发动机气路健康估计原理,阐述基于联邦式EKF的传感器故障隔离逻辑,并对民用涡扇发动机气路性能健康估计进行仿真。

航空发动机气路故障诊断的SANNWA-PF算法

作者： 许梦阳   黄金泉   鲁峰   来源： 航空动力学报 年份： 2018 文献类型 ： 期刊 关键词： 航空发动机   故障诊断   自适应   粒子滤波   神经网络   非高斯噪声  

描述： 算法具有良好的非高斯性能,相对粒子滤波一维非线性追踪模型估计精度提高约21%,航空发动机气路故障诊断在高斯噪声和非高斯噪声下分别提高约30%和26%,诊断速度分别提高约7倍和10倍。

航空发动机传感器信号重构的K-ELM方法

作者： 尤成新   鲁峰   黄金泉   来源： 航空动力学报 年份： 2017 文献类型 ： 期刊 关键词： 传感器信号重构   留一交叉验证方法   航空发动机   核参数   核极限学习机  

描述： 针对航空发动机传感器信号重构,提出了评价核极限学习机(K-ELM)模型性能的一种快速留一交叉验证方法.结果表明:该方法可以避免原始的留一验证方法 N次模型的显式训练,将计算复杂度降低为原来的1/N(N为样本数目).该算法可以快速准确评价核极限学习机的性能,为核极限学习机确定最优的核参数.

基于多模式加速及反步滑模的航空发动机压气机压力模拟方法

作者： 林忠麟     王海涛     刘文超     甘锦裕     张天宏     黄峰   来源： 兵工学报 年份： 2024 文献类型 ： 期刊 关键词： 开关阀   压力模拟   硬件在环仿真   压气机   反步滑模控制  

描述： 反步滑模控制方法提高控制精度并证明了控制系统的稳定性。研究结果表明：在稳态压力测试中最大平均超调量为1.25%,最大平均稳态误差为0.016 MPa;在随机阶跃响应试验与正弦跟踪试验中仅有低于0.02

民用航空发动机故障诊断与健康管理现状、挑战与机遇Ⅰ：气路、机械和FADEC系统故障诊断与预测

作者： 曹明   黄金泉   周健   陈雪峰   鲁峰   魏芳   来源： 航空学报 年份： 2022 文献类型 ： 期刊 关键词： FADEC诊断与预测   发动机健康管理系统   发动机机械故障诊断与预测   涡扇发动机   气路故障诊断与预测  

描述： 最近这一二十年相关工程技术的发展，给民用航空发动机故障诊断与健康管理（EHM）系统研发提出了新的挑战和机遇。本文综述围绕EHM偏上游功能的民用发动机气路性能退化诊断和预测、发动机机械系统故障和发动机FADEC系统故障诊断与3个模块的设计验证技术的需求、必要性及现状进行了讨论，并指出了未来的主要研发方向。全文的讨论围绕以下关键技术发展趋势展开：基于非线性无迹卡尔曼滤波器（UKF）和深度学习神经网络的发动机气路故障诊断算法己经显示出提高气路诊断精度的潜力；复合材料叶片在涡扇发动机里己经得到广泛使用；增材制造技术正被越来越多地应用于复杂发动机零部件的制造；金属屑末传感器的精度已获得大幅提高，其技术成熟度己达到发动机使用要求，为与振动信号的融合诊断铺平了道路；电气化、智能化的发动机全权限数字控制系统（FADEC）发展趋势对现有的基于传统构型控制部件和集中式控制架构的故障诊断算法也提出了新的挑战。

民用航空发动机故障诊断与健康管理现状、挑战与机遇Ⅰ：气路、机械和FADEC系统故障诊断与预测

作者： 曹明   黄金泉   周健   陈雪峰   鲁峰   魏芳   来源： 航空学报 年份： 2022 文献类型 ： 期刊 关键词： FADEC诊断与预测   发动机健康管理系统   发动机机械故障诊断与预测   涡扇发动机   气路故障诊断与预测  

描述： 最近这一二十年相关工程技术的发展，给民用航空发动机故障诊断与健康管理（EHM）系统研发提出了新的挑战和机遇。本文综述围绕EHM偏上游功能的民用发动机气路性能退化诊断和预测、发动机机械系统故障和发动机FADEC系统故障诊断与3个模块的设计验证技术的需求、必要性及现状进行了讨论，并指出了未来的主要研发方向。全文的讨论围绕以下关键技术发展趋势展开：基于非线性无迹卡尔曼滤波器（UKF）和深度学习神经网络的发动机气路故障诊断算法己经显示出提高气路诊断精度的潜力；复合材料叶片在涡扇发动机里己经得到广泛使用；增材制造技术正被越来越多地应用于复杂发动机零部件的制造；金属屑末传感器的精度已获得大幅提高，其技术成熟度己达到发动机使用要求，为与振动信号的融合诊断铺平了道路；电气化、智能化的发动机全权限数字控制系统（FADEC）发展趋势对现有的基于传统构型控制部件和集中式控制架构的故障诊断算法也提出了新的挑战。