一种APU系统传感器与执行机构混合故障诊断方法技术方案

本发明专利技术公开一种APU系统传感器与执行机构混合故障诊断方法，包括：建立APU大范围线性动态模型；设计APU线性卡尔曼滤波器簇，滤波器簇中每个滤波器的输入依次去除其中一个执行机构和一个传感器量测值，同时在无故障时实时估计流量系数；计算各个滤波器对应的故障指示信号，通过混合故障诊断机制分析故障指示信号，诊断出没有输入任何故障执行机构和故障传感器量测值的滤波器、混合故障时段和故障元件；在没有输入任何故障量测值的滤波器上使用量测方程重构传感器故障值。本发明专利技术填补了APU系统在发生传感器与执行机构混合故障时诊断方法的空白，能在混合故障中区别开执行机构故障和传感器故障，也可以避免执行机构故障或传感器故障对流量系数估计的干扰。器故障对流量系数估计的干扰。器故障对流量系数估计的干扰。

【技术实现步骤摘要】
一种APU系统传感器与执行机构混合故障诊断方法


[0001]本专利技术涉及APU故障诊断领域，尤其涉及执行机构与传感器混合故障诊断和重构以及流量系数的正确估计。

技术介绍

[0002]辅助动力装置(APU)作为一套装载于飞机上的不依靠飞机外部能源，并且能够自成体系的小型燃气涡轮发动机，也是航空发动机体系中的一员。由于长期工作于高温高压的恶劣环境中，APU的部件和监测它们的传感器都非常容易发生故障，出于飞行的安全性和维修的经济性考虑，执行机构和传感器故障诊断也越来越引起人们的重视。
[0003]传感器是APU非常重要的元件，传感器量测值的准确性对于飞行控制系统和诊断系统而言都至关重要。提高传感器准确性和可靠性的途径一般有两种，硬件余度和解析余度。硬件余度就是使用额外的冗余机构来提供传感器余度，而解析余度则是在硬件余度发生故障时，根据研究对象的数学模型或网络模型提供一个估计参数，用估计参数作为余度值，代替故障的传感器量测值。
[0004]硬件余度虽然可靠性较高，提供的余度数值较为准确，但作为冗余机构，在飞行器的减重上并不占优势，同时，在高温高压环境下，冗余机构也有损坏的风险。解析余度的方法分为基于模型的方法和基于数据的方法。基于数据的方法一般采用人工神经网络和极限学习机的方法，通过对已有的传感器正常数据和故障数据进行训练，得到传感器的故障类型模型。而基于模型的方法主要采用卡尔曼滤波器进行估计。
[0005]执行机构的故障诊断也分为基于模型的方法和基于数据的方法，基于数据的方法一般采用执行机构的逆模型，通过训练网络使执行机构的输入量和输出量能够对应起来。基于模型的方法一般采用卡尔曼滤波器的方法进行估计。
[0006]现有技术的缺陷在于已有的方法可以实现对于传感器故障的单独诊断和执行机构故障的单独诊断，以及两种传感器发生故障时的诊断，但对于执行机构和传感器同时发生故障的情况缺乏有效的诊断方法，本专利技术的创新点就在于当执行机构和传感器发生混合故障时，可以诊断出两者各自发生故障的时段，以及同时发生故障的时段，能够得出故障元件，并且能够重构。

技术实现思路

[0007]本专利技术所要解决的技术问题是针对
技术介绍
的缺陷，提供一种能对APU系统传感器与执行机构混合故障进行诊断的方法，并能够避免因执行机构和传感器故障而对流量系数估计产生的影响。
[0008]本专利技术为解决上述技术问题采用以下技术方案：
[0009]一种APU系统传感器与执行机构混合故障诊断方法，包括以下步骤：
[0010]步骤A)，建立有若干个执行机构和若干个传感器的APU大范围线性动态模型；
[0011]步骤B)，面向传感器和执行机构设计APU线性卡尔曼滤波器簇，滤波器簇中每个滤
波器的输入依次去除其中一个执行机构和一个传感器量测值，同时在无故障时实时估计流量系数；
[0012]步骤C)，计算各个滤波器对应的故障指示信号，通过混合故障诊断机制分析故障指示信号，诊断出完全没有输入任何故障执行机构和故障传感器量测值的滤波器、混合故障时段和故障元件；
[0013]步骤D)，在完全没有输入任何故障执行机构和故障传感器量测值的滤波器上使用量测方程重构传感器故障值。
[0014]优选的，所述故障指示信号为使用滤波残差加权二乘方对滤波残差进行处理后得到的信号值。
[0015]优选的，所述混合故障诊断机制为：设定阈值；在混合故障时段，一个故障指示信号低于阈值，其余故障指示信号均超出阈值，据此判断出现了一个传感器和一个执行机构混合故障，该故障指示信号对应的滤波器同时缺少发生混合故障的执行机构和传感器的量测值，据此判断故障元件。
[0016]优选的，在发生混合故障的时段，将之前保存的未故障时的执行机构输出值作为故障执行机构的重构值，将重构后的执行机构输出值带入到量测方程控制量中，之前存储的未故障时的流量系数均值带入到量测方程状态量中，然后用量测方程重构出传感器故障量测值。
[0017]优选的，发生执行机构故障或传感器故障或是混合故障时，通过断开滤波器的方式来避免执行机构或传感器故障对于流量系数估计造成的影响。
[0018]优选的，所述卡尔曼滤波器簇采用分布式架构，所有滤波器为并行计算。
[0019]优选的，所述执行机构包括燃油流量和负载功率，所述传感器包括转速传感器、P3传感器、T3传感器、P5传感器和T5传感器。
[0020]优选的，当故障结束后，重新接回线性卡尔曼滤波器，继续更新流量系数；将之前保存的流量系数平均值与保存时的负载功率对应起来，下次运行到同样的负载功率上时，直接调用该平均值，不必花费额外的时间重新计算。
[0021]本专利技术采用以上技术方案与现有方案相比，具有以下技术效果：
[0022](1)本专利技术针对APU系统传感器故障和执行机构故障同时发生的混合故障问题，滤波器簇采用分布式架构，通过分析故障指示信号，能够做到甄别出发生故障的执行机构和传感器，并且将执行机构发生故障的时间和传感器发生故障的时间区别开来，通过量测方程重构，能够确保输出值无故障。
[0023](2)本专利技术通过断开卡尔曼滤波器，带入正常时刻估计的流量系数的方法，可以保持在整个仿真过程中流量系数的估计一直正常，不会受到执行机构故障和传感器故障的干扰，也可以据此利用量测方程对故障传感器值进行重构。
[0024](3)本专利技术测试了在偏置故障和漂移故障两种故障类型下，以及流量系数是否发生退化两种状态下的诊断效果，对于不同的故障类型和不同的APU性能状态都能够做到诊断与重构。
附图说明
[0025]图1是APU系统传感器与执行机构混合故障诊断方法系统结构图；
[0026]图2是无退化时执行机构和P3传感器双偏置故障WSSR信号仿真图，其中(a)
‑
(j)分别为WSSR1
‑
10信号；
[0027]图3是无退化时执行机构和P3传感器双偏置故障P3重构效果图；
[0028]图4是无退化时执行机构和P3传感器双偏置故障流量系数变化图；
[0029]图5是无退化时执行机构故障和P3传感器漂移故障WSSR信号仿真图；
[0030]图6是无退化时执行机构故障和P3传感器漂移故障P3重构效果图；
[0031]图7是无退化时执行机构故障和P3传感器漂移故障流量系数变化图；
[0032]图8是TW退化时执行机构和P3传感器双偏置故障WSSR信号仿真图；
[0033]图9是TW退化时执行机构和P3传感器双偏置故障P3重构效果图；
[0034]图10是TW退化时执行机构和P3传感器双偏置故障流量系数变化图；
[0035]图11是TW退化时执行机构故障和P3传感器漂移故障WSSR信号仿真图；
[0036]图12是TW退化时执行机构故障和P3传感器漂移故障P3重构效果图；
[0037]图13是TW退化时执行机构故障和P3传感器漂移故障流量系数变化图。...

【技术保护点】

【技术特征摘要】
1.一种APU系统传感器与执行机构混合故障诊断方法，其特征在于，包括以下步骤：步骤A)，建立有若干个执行机构和若干个传感器的APU大范围线性动态模型；步骤B)，面向传感器和执行机构设计APU线性卡尔曼滤波器簇，滤波器簇中每个滤波器的输入依次去除其中一个执行机构和一个传感器量测值，保留其它执行机构和传感器量测值，同时在无故障时实时估计流量系数；步骤C)，计算各个滤波器对应的故障指示信号，通过混合故障诊断机制分析故障指示信号，诊断出完全没有输入任何故障执行机构和故障传感器量测值的滤波器、混合故障时段和故障元件；步骤D)，在完全没有输入任何故障执行机构和故障传感器量测值的滤波器上使用量测方程重构传感器故障值。2.根据权利要求1所述的一种APU系统传感器与执行机构混合故障诊断方法，其特征在于，所述故障指示信号为使用滤波残差加权二乘方对滤波残差进行处理后得到的信号值。3.根据权利要求1所述的一种APU系统传感器与执行机构混合故障诊断方法，其特征在于，所述混合故障诊断机制为：设定阈值；在混合故障时段，一个故障指示信号低于阈值，其余故障指示信号均超出阈值，据此判断一个传感器和一个执行机构混合故障，该故障指示信号对应的滤波器同时缺少发生混合故障的执行机构和传感器的量测值，据此判断故障元件。4.根...

【专利技术属性】
技术研发人员：鲁峰，殷梓晗，王成玖，周鑫，黄金泉，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：