[发明专利]基于压缩感知的控制器基准电源故障诊断与校正方法

权利要求书

1.一种基于压缩感知的控制器基准电源故障诊断与校正方法，其特征是该方法包括以下步骤：

步骤1：对航空发动机控制器内部基准电源电路进行系统分析，建立相关性模型，获得相关性图示模型和数学模型D矩阵；

步骤2：根据相关性模型，建立线性化故障方程：

y＝Ax+w

其中，y为M维测量值，A∈C^M×N为故障特征矩阵，x表示故障模式，w为测量噪声；

步骤3：基于正交匹配追踪算法，由测量值y和故障特征矩阵A重构获得故障模式x，实现基准电源的故障诊断；

步骤4：通过计算测量值在不同故障子空间的投影长度l，评估所有部件偏移比例k，进而实现基准电源校正实现测量值的校正。

2.如权利要求1所述的基于压缩感知的控制器基准电源故障诊断与校正方法，其特征是：所述步骤1具体为：

1-1)通过系统分析，确定基准电源电路中所有可能出现故障的部件F_n和可用的测试点T_m，其中，n＝1,2,…,N，m＝1,2,…,M，N表示部件总数，M表示测试点总数；

1-2)分析部件和测试点之间的相关性，建立相关性图示模型；所述相关性图示模型中，采用方框表示部件F_n，圆框表示测试点T_m，箭头表示功能信息流向；

1-3)根据相关性图示模型中的功能信息流向，建立部件F_n和测试点T_m之间的D矩阵模型D_M×N，所述D矩阵模型为相关性数学模型，采用d_mn表示矩阵D_M×N中第m行n列元素，d_mn的取值为：

3.如权利要求1所述的基于压缩感知的控制器基准电源故障诊断与校正方法，其特征是：所述步骤2具体为：

2-1)测量值y由步骤1)中所有测试点T_m，m＝1,2,…,M的测量数据相对偏差组成，即

其中，t_m表示测试点T_m的测试数据，t_0m表示测试点T_m的基准值；

2-2)故障模式x表示步骤1)中部件F_n，n＝1,2,…,N是否发生故障，即

2-3)故障特征矩阵A由步骤1)中D矩阵模型D_M×N各列向量分别乘以对应故障对测量值y影响比例，再归一化后得到，即，

其中，n＝1,2,…,N，A_n和D_n分别表示A和D_M×N第n列向量，K_n为M维列向量，表示部件F_n对测量值y各个元素影响比例。

4.如权利要求1所述的基于压缩感知的控制器基准电源故障诊断与校正方法，其特征是：所述步骤3具体为：

3-1)设置初始值：残差r⁰＝y，故障模式x＝0，索引集合迭代计数器q＝0；

3-2)更新计数器：q＝q+1；

3-3)寻找索引值λ_q：解优化问题λ^q＝argmax_n＝1,…,N|A_n,r^q|，出现多解任选一个；

3-4)更新参数：Ω^q＝Ω^q-1∪{λ^q}；

3-5)更新故障模式：解优化问题

3-6)更新残差：r^q＝y-Ax^q；

3-7)当q＝Q时，结束算法，x^Q即为所求故障模式，否则重复步骤3-2)至步骤3-7)。

5.如权利要求1所述的基于压缩感知的控制器基准电源故障诊断与校正方法，其特征是：所述步骤4具体为：

4-1)计算投影长度l，记故障模式x^Q下有故障的部件对应的索引向量为f，A^Q＝A_f表示有故障的部件所对应的故障特征向量，测量值y在A的列向量对应子空间的投影长度l表达式为，

其中，l为n维列向量，无故障的部件对应子空间投影长度为0；

4-2)评估部件偏移比例，|k_n|越大表示部件F_n偏差越大，k_n通过l_n计算得到，

4-3)本步骤主要对基准电源进行校正，根据偏移比例计算测试点T_m的测量数据t_m的校正值为，

其中，c表示基准电源对应的部件索引值。