《航空發動機包線內氣路故障融合診斷機理及方法研究》是依託南京航空航天大學，由魯峰擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：航空發動機包線內氣路故障融合診斷機理及方法研究
- 項目類別：青年科學基金項目
- 項目負責人：魯峰
- 依託單位：南京航空航天大學
項目摘要,結題摘要,
項目摘要
先進航空發動機結構日趨複雜，發動機健康管理是保證飛行安全、降低維護使用成本的重要手段，已成為航空動力技術領域的研究熱點。作為發動機健康管理最重要組成之一的氣路分析技術，近年來正由狀態監視向健康預測與診斷、由單一算法向融合算法方向發展，如何提高包線內全狀態的氣路故障診斷精度成為亟待解決的問題之一。 本項目首次提出一種基於信息融合的航空發動機包線內全狀態氣路性能估計與診斷方法。結合基於模型與數據驅動的發動機氣路分析方法特點，探索包線內全狀態的氣路故障診斷融合機制，揭示包括基於非線性自適應模型的、故障特徵提取及特徵層融合的、決策層定性和定量融合的氣路故障診斷機理，設計發動機氣路故障融合診斷快速原型驗證方法，以期提高發動機氣路故障診斷精度，擴展適用範圍，為智慧型航空發動機健康管理提供相關理論依據和套用基礎。
結題摘要
針對發動機氣路健康管理研究由單一算法向融合方法方向發展背景下，提高包線內不同狀態的氣路故障診斷精度問題，探索了一種基於信息融合的航空發動機包線內氣路性能估計與診斷方法。研究粒子濾波一類的強非線性非高斯濾波估計方法，提出了提高估計精度和實時性的不確定性粒子濾波改進方法，考慮發動機包含地面、高空等不同工作狀態和工作條件特點，建立了含粒子濾波性能自適應的發動機非線性模型，揭示了基於模型的發動機包線內不同狀態氣路故障診斷精度影響因素。在基於模型的氣路故障診斷方法的基礎上引入極限學習機的數據驅動，提出了基於模型與數據驅動融合的發動機包線內氣路故障決策融合方法，分析發動機包線內氣路故障分層融合診斷機理，設計了氣路故障決策級融合的定性和定量診斷結構，通過信息配準機制實現了多方法融合診斷的同步性，利用動態主成分分析方法提取了發動機部件故障特徵，對故障特徵融合處理實現發動機包線內氣路故障的特徵融合診斷，初步建立了一套發動機包線內不同工作狀態下的氣路故障融合診斷框架和方法。完成了航空發動機氣路故障融合診斷的有效性和實時性數字仿真驗證，在NI CompactRIO平台上開發了具有數據採集、預處理、狀態監控與故障診斷功能的航空發動機氣路故障融合診斷的快速原型試驗平台，並在開發的快速原型試驗平台上進行了方法驗證，初步形成了一套航空發動機氣路故障融合診斷的快速原型試驗驗證方法。
