基于卡爾曼濾波器組的航空發(fā)動(dòng)機(jī)傳感器故障診斷

趙文博，葉志鋒，王繼強(qiáng)

(南京航空航天大學(xué)能源與動(dòng)力學(xué)院，江蘇南京 210016)

伴隨FADEC(全權(quán)限數(shù)字電子控制)系統(tǒng)的深入發(fā)展，大量電子元件、執(zhí)行機(jī)構(gòu)以及傳感器等在航空發(fā)動(dòng)機(jī)上的廣泛應(yīng)用對(duì)發(fā)動(dòng)機(jī)可靠性提出更高的要求，特別是發(fā)動(dòng)機(jī)傳感器大多工作在高溫、高壓、強(qiáng)振動(dòng)等惡劣的工作環(huán)境中，傳感器故障的及時(shí)診斷在業(yè)界也越來越引起廣泛重視。基于卡爾曼濾波器組的傳感器故障診斷方法是一種相對(duì)比較成熟的診斷算法，且在F100等發(fā)動(dòng)機(jī)上已經(jīng)成功驗(yàn)證。

本文以某型渦扇發(fā)動(dòng)機(jī)為例，選取高壓轉(zhuǎn)子轉(zhuǎn)速Nh，低壓轉(zhuǎn)子轉(zhuǎn)速Nl，燃燒室出口溫度P4及出口壓力T4等4個(gè)傳感器為研究對(duì)象，探討驗(yàn)證應(yīng)用卡爾曼濾波器組進(jìn)行傳感器軟故障、硬故障診斷的可行性，在前人應(yīng)用此法進(jìn)行傳感器故障診斷的基礎(chǔ)上，特別論證了在發(fā)動(dòng)機(jī)供油動(dòng)態(tài)的情形下，該方法依然能對(duì)傳感器的突變及漂移故障進(jìn)行有效檢測(cè)。

1 卡爾曼濾波器組進(jìn)行傳感器故障診斷的原理

傳感器故障診斷的原理如圖1所示，W和V表示為發(fā)動(dòng)機(jī)系統(tǒng)噪聲以及測(cè)量噪聲，用U表示發(fā)動(dòng)機(jī)的輸入供油量，Y表示發(fā)動(dòng)機(jī)的輸出量Nh，Nl，P4，T4，每一個(gè)傳感器對(duì)應(yīng)一個(gè)卡爾曼濾波器［1-2］(卡爾曼濾波器可以通過測(cè)量與被提取信號(hào)的相關(guān)量計(jì)算估計(jì)出所需要的信號(hào)，此被估計(jì)信號(hào)是由白噪聲激勵(lì)引發(fā)的)，該濾波器的輸入信息為除該傳感器外其余三個(gè)傳感器的觀測(cè)輸出信號(hào)，如對(duì)應(yīng)Nh傳感器的濾波器的輸入信息為Nl，P4，T4三個(gè)傳感器的觀測(cè)輸出信號(hào)。圖1中濾波器Filter0的輸入信息為所有傳感器的觀測(cè)輸入信號(hào)。將濾波器的輸出信息進(jìn)行處理，形成一組殘差加權(quán)二乘方的統(tǒng)計(jì)量WSSR。

式中，卡爾曼濾波器的估計(jì)值與卡爾曼濾波器輸入值之差e為殘差，第i個(gè)卡爾曼濾波器的殘差為:

其中σ是傳感器的標(biāo)準(zhǔn)偏差。

將WSSRi與WSSR0做差，得到:

這里，如果第i個(gè)傳感器產(chǎn)生故障，那么第i個(gè)卡爾曼濾波器由于沒有使用對(duì)應(yīng)的故障傳感器的觀測(cè)信息，因此它的估計(jì)結(jié)果是正確的。而其他的卡爾曼濾波器由于使用了故障傳感器的輸出信號(hào)使得估計(jì)結(jié)果都偏離了實(shí)際情況，根據(jù)式(1)(2)(3)可知，除了產(chǎn)生故障的傳感器所對(duì)應(yīng)的WSSRi值沒有受到故障影響外，其余WSSR值明顯偏大，而根據(jù)公式(4)可知，故障傳感器所對(duì)應(yīng)的LRi也明顯偏大。由此，在設(shè)定一個(gè)經(jīng)驗(yàn)閾值的情況下，低于閾值的WSSRi也就是超出相應(yīng)閾值的LRi所對(duì)應(yīng)的傳感器即為故障傳感器。閾值的選擇一般由發(fā)動(dòng)機(jī)實(shí)際的數(shù)據(jù)經(jīng)驗(yàn)及傳感器自身的噪聲特性決定［3］。該方法對(duì)單個(gè)及多個(gè)傳感器故障都能夠進(jìn)行有效診斷。

在以往的做法中，習(xí)慣將傳感器的故障區(qū)分為硬故障及軟故障［4］，硬故障通常指?jìng)鞲衅饔^測(cè)信號(hào)瞬時(shí)發(fā)生較大階躍或突變，軟故障通常指測(cè)量值產(chǎn)生緩慢變化，對(duì)傳感器軟硬故障的診斷，以往習(xí)慣采用不同的診斷邏輯，實(shí)際上軟硬故障都可通過上述方法進(jìn)行判別，只是對(duì)應(yīng)的閾值不同而已。

圖1 應(yīng)用卡爾曼濾波器組進(jìn)行傳感器故障診斷原理

2 供油動(dòng)態(tài)時(shí)傳感器的故障診斷

以上給出的是發(fā)動(dòng)機(jī)在穩(wěn)態(tài)即發(fā)動(dòng)機(jī)轉(zhuǎn)速穩(wěn)定的情況下，應(yīng)用卡爾曼濾波器組對(duì)發(fā)動(dòng)機(jī)傳感器進(jìn)行故障診斷。在供油wfb變化中，轉(zhuǎn)速發(fā)生變化，此時(shí)，傳感器也可能發(fā)生故障，因此，在供油變化過程中，確保發(fā)動(dòng)機(jī)在傳感器發(fā)生故障的情況下的正常運(yùn)行尤為重要。

根據(jù)發(fā)動(dòng)機(jī)部件級(jí)非線性模型擬合出發(fā)動(dòng)機(jī)線性模型［5-6］，預(yù)存對(duì)應(yīng)每個(gè)高壓轉(zhuǎn)速的發(fā)動(dòng)機(jī)線性模型以及卡爾曼濾波器。這樣在燃油wfb變化的過程中，發(fā)動(dòng)機(jī)傳感器的故障診斷流程如圖2所示。故障診斷核心部分仍然同上，只是根據(jù)n2變化完成診斷模式的切換。在wfb變化中，根據(jù)不斷變化的n2就近判定發(fā)動(dòng)機(jī)線性模型以及相應(yīng)的卡爾曼濾波器，進(jìn)而根據(jù)實(shí)時(shí)的濾波殘差統(tǒng)計(jì)量WSSR值來判定傳感器的故障發(fā)生情況。在本文中，高壓壓氣機(jī)相對(duì)轉(zhuǎn)速在85%100%之間時(shí)，每一個(gè)對(duì)應(yīng)相對(duì)轉(zhuǎn)速的整數(shù)點(diǎn)自動(dòng)完成一次模型切換，當(dāng)實(shí)際轉(zhuǎn)速落于兩整數(shù)轉(zhuǎn)速點(diǎn)之間時(shí)，就近選取線性模型與卡爾曼濾波器。

圖2 燃油動(dòng)態(tài)變化過程中傳感器故障診斷流程圖

3 仿真試驗(yàn)

為驗(yàn)證上述理論，進(jìn)行如下仿真試驗(yàn)。圖3給出的是在某穩(wěn)態(tài)點(diǎn)高壓轉(zhuǎn)速傳感器發(fā)生1%硬故障的診斷效果，紅虛線代表設(shè)定的閾值圖3a。由圖可知，只有WSSR1小于閾值，可以判斷是高壓轉(zhuǎn)速傳感器發(fā)生故障。圖4仿真了在某穩(wěn)態(tài)點(diǎn)上高壓轉(zhuǎn)速傳感器發(fā)生軟故障即漂移故障的診斷效果，從圖中可看出，在設(shè)定好閾值的情況下，不超出閾值的WSSR1所對(duì)應(yīng)的高壓轉(zhuǎn)速傳感器發(fā)生了故障。圖5給出了在616 s過程中，第二個(gè)傳感器Nl和第三個(gè)傳感器T4發(fā)生2%偏離的情況下，系統(tǒng)的故障診斷情況。由圖可知，在相應(yīng)故障發(fā)生的時(shí)間段內(nèi)，LR2和LR3超出閾值，可以判定此處兩個(gè)濾波器對(duì)應(yīng)的傳感器發(fā)生故障圖5b、c。

圖3 某穩(wěn)態(tài)點(diǎn)高壓轉(zhuǎn)速傳感器1%硬故障診斷效果圖

圖4 某穩(wěn)態(tài)點(diǎn)高壓轉(zhuǎn)速傳感器軟故障診斷效果圖

圖5616 s過程中Nl和T4發(fā)生2%偏離時(shí)故障診斷情況圖

對(duì)于多個(gè)傳感器同時(shí)不同步發(fā)生軟故障的情況，在612 s時(shí)，Nh發(fā)生軟故障，在1018 s時(shí)，T4發(fā)生軟故障，故障診斷情況如圖6所示。根據(jù)仿真效果可知，應(yīng)用此法進(jìn)行兩個(gè)傳感器前后發(fā)生軟故障的診斷依然是可行的。

圖6 612 s時(shí)Nh故障和1018 s時(shí)T4故障診斷情況圖

下面檢驗(yàn)燃油動(dòng)態(tài)情況下，傳感器的故障診斷情況。在t＞3 s時(shí)，對(duì)燃燒室出口溫度P4傳感器添加+3%的硬故障，在一定的供油條件下，動(dòng)態(tài)故障診斷效果如圖7所示。從仿真效果看到，在圖7左上角顯示的供油wfb動(dòng)態(tài)變化情況下，只有WSSR4小于閾值，由此判斷，P4傳感器發(fā)生故障(圖7c)。

圖7 燃油動(dòng)態(tài)情況下P4發(fā)生3%硬故障診斷效果圖

4 結(jié)論

本文在卡爾曼濾波器組處理發(fā)動(dòng)機(jī)傳感器信號(hào)的基礎(chǔ)上，應(yīng)用特定的濾波殘差處理方法進(jìn)行了傳感器故障診斷分析，在設(shè)定好經(jīng)驗(yàn)閾值的條件下，可以通過判定殘差處理結(jié)果從而有效診斷單個(gè)或多個(gè)傳感器故障發(fā)生情況。通過仿真實(shí)驗(yàn)證明，本文所采用的基于卡爾曼濾波器組的發(fā)動(dòng)機(jī)傳感器故障診斷系統(tǒng)能夠?qū)崟r(shí)準(zhǔn)確地對(duì)單個(gè)或多個(gè)發(fā)動(dòng)機(jī)傳感器的軟硬故障進(jìn)行良好診斷。特別在燃油動(dòng)態(tài)變化的過程中，該方法依然具有良好的診斷效果。

［1］A.J.Volponi，H.DePold，R.Ganguli，etal.The Use of Kalman Filter and Neural Network Methodologies in Gas Turbine Performance Diagnostics.Engineering for Gas Turbines and Power［J］.2003:917-922.

［2］Takahisa Kobayashi，Donald L Simon.Application of a Bank of Kalman Filters for Aircraft Engine Fault Diagnostics［R］.NASA TM-2003-212526，2003:25-27.

［3］WalterC.Merrill，JohnC.Delaat，WilliamM.Bruton，Advanced-Detection，Isolation，and Accommodation of Sensor Failures-Real-TimeEvaluation， NASA TechnicalPaper， USA， 1987:101-134.

［4］許秀玲，郭迎清，王鏞根，等.某型渦扇發(fā)動(dòng)機(jī)控制系統(tǒng)傳感器故障診斷研究［J］.航空動(dòng)力學(xué)報(bào)，2004，19(1):164-168.

［5］HUANG Xiang-hua.Sensor Fault Diagnosis and Reconstruction of Engine Control System Based on Autoassociative Neural Network［J］.Chinese Journal of Aeronautics.2004.4(1):23-27.

［6］魯峰，黃金泉，陳煜.航空發(fā)動(dòng)機(jī)部件性能故障融合診斷方法研究［J］.航空動(dòng)力學(xué)報(bào)，2009，24(7):1649-1653.