[发明专利]一种涡扇发动机的气路性能改进的分布式滤波估计方法

说明书

本发明公开了一种涡扇发动机的气路性能改进的分布式滤波估计方法，首先建立涡扇发动机慢车以上状态的非线性部件级通用模型，针对传感器信号丢包的现象，设计分布式的扩展卡尔曼滤波器，改进子滤波器的局部滤波算法，提高滤波算法的稳定性和准确性；然后在主滤波器中采用方差匹配法设计自适应算法，提高对突变故障的响应速度；之后将子滤波器中的非线性计算内容整合，包括模型线性化先验估计与先验量测的计算，并将非线性计算放入主滤波器中，使子滤波器只有线性计算的内容，非线性计算全部在主滤波器中进行。解决了现有的包线内航空发动机分布式气路性能估计中，数据丢包引起的估计精度下降，以及子滤波器计算能力不足、无法满足实时性的问题。

技术领域

本发明涉及航空发动机气路部件性能估计技术领域，尤其涉及一种涡扇发动机的气路性能改进的分布式滤波估计方法。

背景技术

航空发动机作为飞机的心脏，其结构复杂且工作环境恶劣。发动机故障诊断技术是保证发动机性能与可靠性，降低使用维护成本的重要手段。在航空发动机服役过程中，部件性能会不可避免地发生蜕化。气路部件故障影响着航空发动机的性能与可靠性，有必要对其进行准确估计。随着计算机技术的发展以及非线性滤波理论的完善，基于卡尔曼滤波的性能估计算法已成为本领域的研究热点，已有较多非线性滤波方法应用于发动机性能估计上，包括扩展卡尔曼滤波、无迹卡尔曼滤波、容积卡尔曼滤波等。其中，扩展卡尔曼滤波作为一种线性卡尔曼滤波算法向非线性系统的推广，实质就是对非线性系统进行一阶近似，将非线性问题转化为一个近似的线性滤波问题，从而利用传统的线性卡尔曼滤波理论求解非线性滤波问题，相对于其他非线性滤波有着实现方式简单，算法能较快收敛的优点，是迄今为止应用最广泛的非线性状态估计方法。

随着航空发动机性能的提高，更多的传感器与控制机构被用于发动机的控制以及性能预测，目前所采用的集中式滤波存在处理多信号时的计算量大、扩展性差等缺点。分布式滤波结构可以很好的解决这些问题，局部的子滤波器分担了计算负担，且子滤波器的设计运行也可以独立的进行。在航空发动机实际运行过程中，由于带宽限制、飞行环境恶劣等原因，在从传感器到滤波器间的传输网络中，可能会发生量测参数的丢包，导致所获得的传感器量测结果的不完整。量测参数的不准确将会导致状态估计性能的下降，甚至是滤波发散。在分布式滤波的框架中，需要针对量测信号丢包对分布式滤波算法进行改进。在分布式滤波的框架中，子滤波器的计算能力较差，调用发动机模型进行非线性计算耗时较长，不利于滤波的实时性。

发明内容

发明目的：针对上述现有技术，提出一种能够实现非线性分离，并能适应网络量测信号丢包的一种涡扇发动机气路性能分布式滤波估计方法。

技术方案：一种涡扇发动机的气路性能改进的分布式滤波估计方法，包括以下步骤：

步骤A)，建立涡扇发动机慢车以上状态的非线性部件级动态通用模型，针对传感器信号丢包的现象，对传感器丢包过程进行建模，按照部件划分传感器组合，针对传感器信号丢包的现象，建立改进后的分布式的扩展卡尔曼滤波器；

步骤B)，在主滤波器中采用方差匹配法设计自适应算法，根据滤波的残差计算新的系统噪声的协方差矩阵，实现系统噪声协方差阵的自适应；

步骤C)，将子滤波器中的非线性计算内容整合并放入主滤波器中，包括模型线性化、先验估计与先验量测的计算，使子滤波器只进行线性计算，非线性计算全部在主滤波器中进行。

进一步的，所述步骤A)的包括如下具体步骤：

步骤A1)，根据涡扇发动机各部件特性、设计点参数建立涡扇发动机各部件的数学模型，然后建立各部件之间的共同工作方程，并使用非线性方程数值解法迭代求解各工作截面的参数，建立涡扇发动机慢车以上状态的非线性部件级动态通用模型；根据工程实际，选择需要使用的发动机模型工作截面的传感器量测参数，按照部件划分传感器组合，将模型计算所得的各截面温度压力传感器数据进行相似归一化处理；