融合模型基残差分析与数据驱动的气路故障诊断方法研究

摘要

为了提高气路故障诊断方法的可靠性,研究聚焦传感器测量噪声、个体差异和性能衰退等不确定性因素影响,导致气路故障诊断方法虚警率过高,无法实现工程应用的问题,开展了融合模型基残差分析与数据驱动的气路故障诊断方法研究;为此,构建了基于发动机模型分析偏差与卷积神经网络建模理论融合的气路故障诊断架构,在建模过程中充分考虑了传感器测量偏差、个体差异和性能衰退等不确定性因素对气路故障诊断结果的影响,据此形成了融合模型基残差分析与数据驱动的气路故障诊断方法;随后,结合多种飞行轨迹和进气条件开展数值模拟分析验证研究,对形成的气路故障诊断方法的虚警率进行了定量验证分析;结果显示,研究提出的融合模型基残差分析与数据驱动的气路故障诊断方法可在多种不确定性因素存在时,提供满意的故障诊断精度,具有工程应用的潜力.