[发明专利]基于自联想型神经网络的变循环发动机多重故障诊断器在审

专利信息
申请号: 202011600688.9 申请日: 2020-12-30
公开(公告)号: CN112818461A 公开(公告)日: 2021-05-18
发明(设计)人: 刘志丹;缑林峰;张猛;黄雪茹 申请(专利权)人: 西北工业大学
主分类号: G06F30/15 分类号: G06F30/15;G06F30/17;G06F30/27;G06F119/02
代理公司: 暂无信息 代理人: 暂无信息
地址: 710072 陕西*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 联想 神经网络 循环 发动机 多重 故障诊断
【说明书】:

发明提出一种基于自联想型神经网络的变循环发动机多重故障诊断器,包括八个自联想神经网络;发动机的传感器测量参数、对应的供油量Wf和模式选择活门MSV打开程度msv组成的n维向量m输入给八个自联想神经网络,八个自联想神经网络分别输出m1'、m2'、…、m8',并与输入m比较得到残差r1、r2、…、r8,根据残差和设定阈值的关系判断发动机的故障情况。本发明可以对变循环发动机进行有效的故障诊断与隔离,可以同时诊断并隔离出单个部件故障和多个传感器故障,可以有效的避免由于停飞等原因造成的经济损失,可以避免一些不必要的部件更换;可以有效的保证发动机具有较高的稳定性和可靠性,保证发动机安全工作,充分发挥发动机的性能,提高飞机的安全性和性能。

技术领域

本发明涉及变循环发动机控制技术领域,尤其涉及一种基于自联想型神经网络的变循环发动机多重故障诊断器。

背景技术

现代战争要求先进战斗机具备长航程亚声速巡航的能力,同时在作战时又要具备快速反应能力,未来变循环发动机将向长巡航里程、高推重比、宽工作范围三个方向不断发展。通过研究常规发动机速度特性,研究者发现超声速状态下涡喷发动机具有较高的单位推力和较低的单位燃油消耗率而亚声速状态下大涵道比涡扇发动机具有较低的单位燃油消耗率。考虑现代战争对战斗机推进系统的性能要求,涡扇发动机更加适合亚声速飞行,而涡喷发动机更适合超声速飞行。因此,便有了性能更好的变循环发动机。在发动机不同的工作状态下,通过采用调节特征部件的几何形状、物理位置或尺寸大小等不同的技术手段,将涡扇和涡喷两种不同的变循环发动机的性能优势集中一体,从而保证变循环发动机在亚声速巡航状态下以涡扇发动机类似构型工作,从而获得较高的经济性,在超声速作战状态下以涡喷发动机类似构型工作,从而获得持续可靠的高单位推力,达到了将涡扇、涡喷发动机的性能优势融为一体的目的,使变循环发动机在发动机工作全过程中均具有优良的性能。

变循环发动机由于其工作过程复杂多变且工况严峻,针对其设计控制系统则更加困难,加之现代的控制系统要求其有较高的精准度和优良的可靠性。变循环发动机作为飞机的心脏,起着至关重要的作用,安全性要求也极高,故障诊断对其可靠性的提升是必不可少的。总的来说,故障诊断既是判断故障是否出现并确定其出现的位置,并且估计故障严重程度的一系列运算过程。故障诊断与隔离(fault detection and ioslation,FDI)的目的是为了增加系统的可靠性、可用性以及安全性。

变循环发动机作为飞机组成的重要部件,控制系统的发展都需要满足其可靠性和稳定性的指标。发动机的各个部件由于长期工作在高温高压的工况下,加上外界对发动机腐蚀等原因,主要部件的性能也会随着服役年限逐渐退化。为了维持发动机较高的可靠性,在提高部件的性能之外,关键的技术就在于故障的实时诊断。

目前所提出的故障诊断方法中存在诸多问题。首先,面对一般的故障诊断方法均需要对被诊断对象进行建模,而变循环发动机由于其数学模型相当复杂而且具有高度的非线性,建模过程存在很大的困难。而单纯的基于信号的处理方式又完全避开了模型,忽略了发动机模型中的一些实际特点。因此,需要一种合适的诊断方法既可以避免模型建立的麻烦又可以从反应模型的特点。其次,故障诊断系统都需要对传感器测得的发动机数据进行数据校验。如今运用最成熟的算法就是卡尔曼滤波。但是卡尔曼滤波的算法实际上比较复杂,往往需要多步的迭代。而且发动机测量数据众多,故障诊断又需要实时进行,所以如何对多个数据同时快速的进行校验、滤去噪声是提高诊断系统性能的关键。然后,发动机的故障存在多种情况,其中就包括了部件故障与传感器故障。目前诸多故障诊断技术可以完成故障的诊断与隔离,但是都需要分两步或者多步进行。根据对诊断快速性的要求,需要诊断系统能够对故障的检测、隔离、恢复同时进行。

发明内容

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西北工业大学,未经西北工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011600688.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top