[发明专利]一种涡扇发动机在线部件故障诊断方法及系统

说明书

本发明公开了一种涡扇发动机在线部件故障诊断方法及系统，该方法包括：采用Broyden迭代方法建立诊断模型；建立LM优化器；求取健康参数；确定突变故障模式；估计推力及裕度；将以上诊断结果保存并输出诊断报告。本发明解决了现有的涡扇发动机在线故障诊断过程中在只有发动机部件级模型而缺乏故障样本数据且过程噪声为非高斯噪声时的诊断问题，能够估计得到不可测的流量和效率，能够监视推力，风扇裕度和压气机裕度性能参数，为后续可能的容错控制措施提供诊断依据，并且计算量较小，满足涡扇发动机机载实时需求。

技术领域

本发明涉及航空发动机部件故障诊断领域，尤其涉及一种涡扇发动机在线部件故障诊断方法及系统。

背景技术

航空发动机的运行环境极其恶劣，包括极端高温，强振动，广泛的负载范围等情况。在涡扇发动机的工作寿命中，由于压气机积垢，叶尖缝隙增加，以及不可避免的磨损和腐蚀，涡扇发动机性能会渐渐的蜕化。不仅如此，外物损伤也会导致发动机性能的急剧下降。为了保证航空发动机的可靠性在其飞行寿命内得到必须的保障，发动机性能监测和故障诊断方法被广泛应用于提高发动机的可靠性和安全性。为了减少维护成本，性能监测系统集成了维修计划功能,也被用来制定视情维修计划。因此，建立涡扇发动机在线部件故障诊断系统对保障发动机可靠性和降低维修成本具有重要的理论意义和工程实用价值。

国内外用于涡扇发动机性能估计和故障诊断的方法主要包括基于数据的方法和基于模型的方法。其中，基于数据的方法在涡扇发动机故障诊断中的应用受限于无法检测出的未知故障模式；诊断精度依赖于故障样本的规模。

随着部件级模型精度的提高和硬件计算速度的上升，基于数据的方法难以满足涡扇发动机的故障诊断需求，使用发动机模型进行性能估计和故障诊断已经成了发动机健康管理方面的关键理念。主流的基于模型的方法主要包括卡尔曼滤波方法及其改进方法，如扩展卡尔曼滤波，无迹卡尔曼滤波等，和粒子滤波方法。然而，卡尔曼滤波方法及其改进方法需要系统为高斯系统的假设，不能处理非高斯系统，使得其应用范围受到限制。不需要高斯系统假设的粒子滤波方法，由于在涡扇发动机健康参数向量组成的高维空间中搜索效率较低，在保证实时性的情况下，其诊断精度难以令人满意。

综上，现有技术中缺乏一种针对非高斯系统的诊断方法和系统，不依赖于大量的故障样本，不仅能够满足实时性，还能保证诊断精度，能及时的处理涡扇发动机的渐变蜕化和突变故障。

发明内容

本发明提供一种涡扇发动机在线部件故障诊断方法及系统，能够用于解决缺乏故障样本只有发动机模型，并且含有非高斯过程噪声的涡扇发动机在线部件故障诊断问题，该方法和系统满足机载实时性要求，能处理涡扇发动渐变蜕化和突变故障。

本发明为解决上述技术问题采用以下技术方案：

一种涡扇发动机在线部件故障诊断方法，包括：

S1、采用Broyden迭代方法建立非线性部件级的诊断模型，模型输出发动机截面工作参数，将发动机截面工作参数标记为观测参数预测值；

S2、传感器采集观测参数传感器测量值，建立LM优化器，所述LM优化器以观测参数预测值和观测参数传感器测量值之间的残差作为目标函数；

S3、当所述目标函数值最小时，通过LM优化算法估计出当前时刻所述诊断模型的效率和流量，标记为真实效率和流量；

S4、根据旋转部件无故障特性图以及所述真实效率流量值，通过作辅助线求得理想效率和流量，根据健康参数定义求取健康参数；

S5、设定突变故障分类准则，根据所述健康参数与特定故障模式健康参数的欧式距离，确定当前突变故障模式；

S6、根据LM优化器估计得到的真实效率流量，代入所述诊断模型，根据裕度及推力计算公式求取裕度和推力；