涡扇发动机气路故障的信息融合诊断方法

摘要

为了提高包线内气路部件故障诊断能力,提出一种加权D-S(Dempster-Shafer)合成理论的故障诊断方法.基于传感器测量值,分别利用扩展卡尔曼滤波算法(EKF)和受限玻尔兹曼-极限学习机(RB-ELM)对主要气路部件性能进行估计,将计算值与基准值的偏差作为基本概率赋值函数.使用飞行状态参数结合混淆矩阵求解子证据体加权系数,最后进行决策级加权融合诊断.通过某型涡扇发动机仿真验证,结果表明与单独使用基于模型和数据驱动的诊断方法相比,融合诊断方法有效地提高了部件故障诊断精度.