航空发动机智能故障诊断与容错控制的研究

摘要

针对发动机数控系统中出现的传感器、执行机构失效和发动机部件的故障，本文研究了航空发动机故障诊断和容错控制技术，内容涉及发动机状态变量模型的建立，故障诊断滤波器的设计，控制系统智能故障诊断的研究，发动机系统容错控制器的设计。 首先基于发动机部件级模型建立状态变量模型，并基于状态变量模型研究了发动机大偏差模型。在此基础上分别比较了基于扩展卡尔曼滤波器和模糊系统卡尔曼滤波器进行故障量估计的方法；针对发动机传感器系统设计了一组卡尔曼滤波器和残差加权平方和指标来进行传感器的故障检测与重构。对于发动机状态变量模型中存在的不确定性误差与故障的情况，研究了H∞故障诊断滤波器。采用与残差系统特征结构相匹配方法和LMI技术求解滤波器，使得滤波器在残差系统渐近稳定的前提下得以满足对扰动信号具有鲁棒性以及对故障信号具有灵敏性。同时讨论了神经网络的发动机部件性能故障诊断技术。 针对非线性系统中同时存在建模误差和故障的问题，结合反推技术，提出了神经网络自适应控制方案，对模型误差与故障项进行在线估计。鲁棒项用于补偿逼近模型误差，当检测出系统故障时，通过调整各步骤的虚拟控制量来补偿故障项，消除故障项对系统的影响，实现容错控制。接着针对一组发动机线性化状态模型建立了满足要求的容错策略，并进行仿真验证。对存在不确定故障的发动机控制系统设计了T-S模糊输出反馈容错控制器。T-S模糊系统用来逼近真实的发动机非线性模型。设计了动态输出反馈控制器，使得控制器在满足闭环稳定的前提下，满足H∞鲁棒性能要求。

目录

文摘

英文文摘

论文说明：图表目录、注释表

声明

第一章 绪论

第二章 建立发动机状态变量模型

第三章 基于卡尔曼滤波器的故障诊断研究

第四章 基于鲁棒滤波器的故障诊断

第五章 基于神经网络的发动机气路故障诊断

第六章 航空发动机反推自适应神经网络容错控制

第七章 T-S模糊输出反馈鲁棒容错控制

第八章 总结与展望

参考文献

致 谢

在学期间的研究成果及发表的学术论文