基于RESID方法的液體火箭發(fā)動機(jī)實(shí)時(shí)故障診斷算法設(shè)計(jì)及半實(shí)物仿真驗(yàn)證

薛 薇, 武小平, 張 箭, 鄭孟偉, 孫紀(jì)國

(北京航天動力研究所，北京 100076)

0 引言

從液體火箭發(fā)動機(jī)健康監(jiān)控技術(shù)誕生至今，世界主要航天國家都高度重視液體火箭發(fā)動機(jī)健康監(jiān)控系統(tǒng)的設(shè)計(jì)和開發(fā)。事實(shí)上，健康監(jiān)控系統(tǒng)現(xiàn)已成為改進(jìn)現(xiàn)有和研制新型液體火箭發(fā)動機(jī)不可缺少的關(guān)鍵組成部分。為了保證發(fā)動機(jī)的正常、可靠、高效的運(yùn)行。重型運(yùn)載火箭對發(fā)動機(jī)的安全性和可靠性提出了新的要求，發(fā)展發(fā)動機(jī)故障診斷系統(tǒng)，保護(hù)運(yùn)載火箭和載荷安全，避免由于發(fā)動機(jī)故障而引起的事故。目前，國內(nèi)液體火箭發(fā)動機(jī)故障診斷系統(tǒng)的應(yīng)用還處于起步階段。

美國在液體火箭發(fā)動機(jī)故障診斷、健康管理等方面進(jìn)行了投入巨大，并取得了顯著的成效。由于美國美國在故障診斷、健康管理方面研究覆蓋較為全面，具有代表性，對美國的相關(guān)故障診斷、健康管理系統(tǒng)可以按照功能分為以下4種類別：實(shí)時(shí)健康監(jiān)控系統(tǒng)、試后分析系統(tǒng)、綜合健康管理系統(tǒng)和可重復(fù)使用運(yùn)載器集成健康管理系統(tǒng)。美國航天飛機(jī)主發(fā)動機(jī)(SSME)的健康監(jiān)控系統(tǒng)代表著很高的技術(shù)水平，該系統(tǒng)可以對SSME進(jìn)行整個(gè)壽命循環(huán)過程運(yùn)行狀態(tài)的監(jiān)視與故障診斷[1-2]。早期SSME重點(diǎn)研究了“紅線閾值檢測與報(bào)警”系統(tǒng)[3]，中期開始研制“SSME試驗(yàn)后自動化檢測與診斷系統(tǒng)”[4]，最后提出了集成系統(tǒng)健康管理的概念[5]。

目前，國內(nèi)液體火箭發(fā)動機(jī)故障診斷技術(shù)的應(yīng)用還處于起步階段,隨著計(jì)算機(jī)、人工智能、微電子等信息技術(shù)的飛速發(fā)展，基于復(fù)雜系統(tǒng)可靠性、安全性、經(jīng)濟(jì)性考慮，實(shí)時(shí)故障診斷技術(shù)受到越來越多的重視和應(yīng)用，其中故障融合診斷方法是目前研究的一個(gè)熱點(diǎn)[6-7]。國內(nèi)理論研究方面進(jìn)行了大量的研究，吳建軍教授團(tuán)隊(duì)堅(jiān)持?jǐn)?shù)十年開展液體火箭發(fā)動機(jī)故障診斷研究[8-11]，先后開展過基于模型的診斷、基于數(shù)據(jù)的診斷、基于人工智能的診斷等，取得了一系列的成就。北京航天動力研究所在此方面也開展了大量的理論研究及試驗(yàn)分析，針對穩(wěn)態(tài)工作段采用了ARMA算法進(jìn)行了故障診斷，并搭載了試驗(yàn)[12-13]。

本文針對我國大推力氫氧補(bǔ)燃發(fā)動機(jī)開展實(shí)時(shí)故障診斷算法設(shè)計(jì)，該發(fā)動機(jī)是未來我國最大推力高性能氫氧發(fā)動機(jī)，將承擔(dān)我國載人登月等重大任務(wù)，開展發(fā)動機(jī)實(shí)時(shí)故障診斷技術(shù)研究，實(shí)現(xiàn)發(fā)動機(jī)全工況狀態(tài)監(jiān)測、故障診斷，發(fā)動機(jī)起動、主級、關(guān)機(jī)工況實(shí)時(shí)故障診斷等功能。目前我國在氫氧發(fā)動機(jī)故障診斷方面尚處于空白，開展液體火箭發(fā)動機(jī)故障診斷算法研究，為保證發(fā)動機(jī)在任何環(huán)境條件和任何工作狀態(tài)下都可以穩(wěn)定、可靠運(yùn)行奠定基礎(chǔ)。

1 發(fā)動機(jī)故障模型

1.1 發(fā)動機(jī)概述

本文研究的發(fā)動機(jī)是以液氫、液氧為推進(jìn)劑，采用單富氫預(yù)燃室，燃?xì)獠⒙?lián)驅(qū)動氫氧渦輪泵的補(bǔ)燃動力循環(huán)方案，如圖1所示，工作原理如下：

圖1 發(fā)動機(jī)系統(tǒng)簡圖

液氫流動過程：從液氫儲箱出來的液氫先經(jīng)氫預(yù)壓泵增壓，再經(jīng)高壓泵增壓，大部分流向預(yù)燃室燃燒；一小部分對推力室進(jìn)行冷卻，最后在推力室充分燃燒。

液氧流動過程：液氧經(jīng)氧預(yù)壓泵、氧高壓泵增壓后分為以下幾路，一路驅(qū)動預(yù)壓渦輪做功；另一路經(jīng)過增壓進(jìn)入預(yù)燃室燃燒；第三路進(jìn)入推力室與液氫混合后燃燒，由此產(chǎn)生推力。

燃?xì)饴饭べ|(zhì)流動過程：分別來自液氫副控閥和氧副控閥的推進(jìn)劑進(jìn)入預(yù)燃室混合、燃燒，產(chǎn)生高溫、高壓燃?xì)?，一部分燃?xì)怛?qū)動氫高壓渦輪做功，進(jìn)而帶動氫高壓泵轉(zhuǎn)動；另一部分燃?xì)膺M(jìn)入氧高壓渦輪做功，進(jìn)而帶動氧高壓泵轉(zhuǎn)動；兩路燃?xì)庾詈蠖歼M(jìn)入推力室進(jìn)行補(bǔ)燃。

1.2 故障模型建立

液體火箭發(fā)動機(jī)是一種在高溫、高壓、強(qiáng)腐蝕性、高密度能量釋放的極端物理?xiàng)l件下運(yùn)行的復(fù)雜動力系統(tǒng)，部件參數(shù)強(qiáng)烈耦合，實(shí)際故障樣本少、故障模式難以獲取。由于發(fā)動機(jī)工作過程的復(fù)雜性，很難建立精確的動態(tài)數(shù)學(xué)模型，且所建立的模型通常是高階的、非線性的。因此，數(shù)值模型方法作為一種重要手段在發(fā)動機(jī)設(shè)計(jì)中大量使用。本文分析了液體火箭發(fā)動機(jī)的系統(tǒng)結(jié)構(gòu)，建立了方便注入故障的液體火箭發(fā)動機(jī)。以泵壓式分級燃燒循環(huán)液氫液氧火箭發(fā)動機(jī)為研究對象，建立相關(guān)模型。故障添加一般可分為兩種[14-15]：一種是在原有的模型基礎(chǔ)上增加故障組件來滿足故障仿真需求，此方法受限于發(fā)動機(jī)組件特性及建模的軟件；另一種是發(fā)動機(jī)組件模型個(gè)數(shù)不變，在原有組件的數(shù)學(xué)表達(dá)式上增加一些系數(shù)以此來實(shí)現(xiàn)故障仿真。

本文根據(jù)液體火箭發(fā)動機(jī)中各典型部件的功能結(jié)構(gòu)、性能特性及數(shù)學(xué)表達(dá)，并基于Matlab/Simulink仿真平臺，建立了各典型部件模型。

圖2 發(fā)動機(jī)動態(tài)模型建模思路

按照上述方式構(gòu)建發(fā)動機(jī)非線性模型，該程序主要計(jì)算發(fā)動機(jī)動態(tài)特性。同時(shí)采用自主開發(fā)的非線性方程求解算法，提高了模型的實(shí)時(shí)性。該模型的故障輸入接口可以同時(shí)添加多種故障因子。

2 RESID 算法設(shè)計(jì)及仿真

2.1 RESID算法原理

基于數(shù)據(jù)的故障診斷，該類型的算法研究主要集中在使用數(shù)理統(tǒng)計(jì)原理、信號處理、信號分析等方法對測量數(shù)據(jù)進(jìn)行處理，再利用處理后結(jié)果進(jìn)行故障診斷。

遞歸結(jié)構(gòu)識別(RESID，recursive structure identification )算法是一種基于自 適應(yīng)學(xué)習(xí)網(wǎng)絡(luò)概念的非線性回歸方法。它用簡單的二元二次函數(shù)網(wǎng)絡(luò)近似模式特征之間復(fù)雜的非線性關(guān)系。它以遞歸方式建立不同特征之間的相互關(guān)系。該算法檢驗(yàn)給定特征集中所有特征的二次特征組合，并構(gòu)建一個(gè)更高階的非線性回歸方程。回歸方程作為判別函數(shù)，僅包含那些在最小二乘意義上最小化總誤分類誤差的特征。 為了構(gòu)建網(wǎng)絡(luò)，該算法提供訓(xùn)練和選擇步驟。輸入特征集分為訓(xùn)練、選擇和評估子集。在訓(xùn)練階段，為輸入變量的所有成對組合確定二次擬合的系數(shù)。在選擇過程中，拒絕在最小平方誤差標(biāo)準(zhǔn)方面表現(xiàn)不佳的元素。其余元素成為下一階段培訓(xùn)和選擇步驟的輸入。重復(fù)這些訓(xùn)練和選擇步驟，直到性能測量沒有顯示任何進(jìn)一步的改進(jìn)。最后階段即評估階段，是確定網(wǎng)絡(luò)整體性能的地方[19]。

遞歸結(jié)構(gòu)辨識方法的流程如圖3所示，其實(shí)質(zhì)是通過不斷的遞歸尋求最優(yōu)的多項(xiàng)式表達(dá)式如(1)所示，每步遞歸訓(xùn)練所得的擬合均方誤差會趨于一個(gè)最小值，當(dāng)達(dá)到這個(gè)值時(shí)，我們認(rèn)為擬合的結(jié)果比較好，用此時(shí)擬合模型得到的結(jié)果作為新的參數(shù)，作為新的特征值，加入到輸入集中，用于實(shí)現(xiàn)下一步的遞歸擬合，不斷地重復(fù)上述步驟，隨著遞歸次數(shù)的增加，擬合的多項(xiàng)式階次越高，擬合的準(zhǔn)確性越高，當(dāng)達(dá)到最大遞歸次數(shù)或者本次遞歸所有模型的均方誤差均大于上一次遞歸結(jié)果模型的最小均方誤差，則完成遞歸，認(rèn)為這次的擬合是對數(shù)據(jù)最好的擬合結(jié)果。

圖3 RESID 模型構(gòu)建過程

y=a0+a1x1+a2x2+a3x12+a4x22+a5x1x2

(1)

其中：將二次項(xiàng)當(dāng)作新的特征，上述的多項(xiàng)式擬合可以看作是線性回歸的過程，可以用線性回歸的方法求出最優(yōu)的系數(shù)向量，求解過程如下：

設(shè)訓(xùn)練樣本的集合為：

X={x1,x2,···,xn}

每一個(gè)樣本xi有m個(gè)特性指標(biāo)，即xi可由如下m維特性指標(biāo)向量表示：

xi=(xi1,xi2,···,xim)，i=1,2,···,n

其中:xij表示第i個(gè)樣本的第j個(gè)特征指標(biāo)，則n個(gè)樣本的所有特性指標(biāo)構(gòu)成一個(gè)矩陣，記作

為了方便應(yīng)用矩陣計(jì)算，將多元線性回歸的截距擴(kuò)充為特征值全為1的一個(gè)新的特征，記新的特征矩陣為Xb，系數(shù)向量θ，為則多元線性回歸問題可以用以下矩陣公式描述：

(3)

其中：

目標(biāo)函數(shù)為實(shí)際值與預(yù)測值的平方和，記作J，公式表示如下：

(4)

將上述公式表示為矩陣形式如下：

J=(y-Xbθ)T(y-Xbθ)

(5)

對θ求導(dǎo)可以推導(dǎo)出最優(yōu)的系數(shù)向量θ的公式如下：

(6)

2.2 RESID算法在故障診斷上的應(yīng)用

與傳統(tǒng)的回歸分析類似，RESID算法利用系統(tǒng)內(nèi)的傳感器到傳感器的關(guān)系來建立輸入-輸出方程，以預(yù)測系統(tǒng)運(yùn)行期間的傳感器輸出。然而，RESID方法與傳統(tǒng)技術(shù)的不同之處在于，所開發(fā)的輸入-輸出模型的結(jié)構(gòu)不是先驗(yàn)確定的。相反，該算法使用小的固定形式的構(gòu)建塊，這些構(gòu)建塊以遞歸的方式添加并連接到模型中，基于模型在預(yù)測輸出參數(shù)方面的性能。這個(gè)模型訓(xùn)練過程需要數(shù)據(jù)來表示系統(tǒng)的名義行為。它的結(jié)果是一個(gè)單一的方程，該方程將RESID算法選擇的輸入?yún)?shù)與預(yù)測的輸出參數(shù)聯(lián)系起來。一旦方程建立，可以應(yīng)用新的數(shù)據(jù)來估計(jì)輸出參數(shù)。然后對誤差進(jìn)行閾值處理，進(jìn)行故障檢測。

RESID算法較好的適用于發(fā)動機(jī)起動、關(guān)機(jī)故障檢測過程中模型的不準(zhǔn)確、非線性問題和各種干擾等眾多不確定性的影響。能夠通過物理參數(shù)間的非線性函數(shù)關(guān)系揭示被檢參數(shù)間的解析冗余，表征發(fā)動機(jī)正常啟動狀態(tài)下各參數(shù)間的變化關(guān)系。

RESID算法將啟動過程中的各檢測參數(shù)之間的關(guān)系回歸成非線性函數(shù)，利用參數(shù)之間的協(xié)調(diào)性來檢測系統(tǒng)故障。診斷流程如圖4所示，其具體的診斷步驟如下：

圖4 基于RESID模型的診斷流程

第一步，選擇參數(shù)，選取相關(guān)度高的一組測量參數(shù)，這里推力室室壓作為被預(yù)測對象。

第二步，數(shù)據(jù)預(yù)處理，建立RESID模型，輸入為選定的一組個(gè)測量數(shù)據(jù)，輸出為推力室室壓。

第三步，根據(jù)預(yù)測均方估計(jì)誤差最小原則，得到REID的模型，并由此計(jì)算出下一級迭代用的推力室室壓。

第四步，將被測數(shù)據(jù)帶入建好的RESID模型中，預(yù)測推力室室壓。將預(yù)測值與實(shí)際測量數(shù)據(jù)相比較，得到殘差數(shù)據(jù)。

第五步，將殘差與門限值進(jìn)行比較，判斷是否發(fā)生故障。

3 半實(shí)物仿真平臺測試

3.1 平臺組成及工作方式

半實(shí)物仿真系統(tǒng)主要由實(shí)物產(chǎn)品、模擬系統(tǒng)和故障注入模塊三部分構(gòu)成，半實(shí)物仿真平臺架構(gòu)如圖5所示。其中實(shí)物產(chǎn)品主要由故障診斷器、發(fā)動機(jī)控制器、執(zhí)行機(jī)構(gòu)、電點(diǎn)火系統(tǒng)、各類傳感器的變送器等構(gòu)成。箭體控制器仿真機(jī)、發(fā)動機(jī)仿真機(jī)、各類信號模擬器(壓力、溫度、轉(zhuǎn)速和振動信號)和配套電源模塊是半實(shí)物仿真平臺的模擬部分，故障注入設(shè)備用于產(chǎn)生422串口通訊故障、1553總線通訊故障、AD/DA轉(zhuǎn)換故障、開關(guān)量DIO故障等故障模式。

圖5 半實(shí)物仿真平臺架構(gòu)

這里重點(diǎn)介紹一個(gè)發(fā)動機(jī)仿真機(jī)的架構(gòu)情況，發(fā)動機(jī)仿真機(jī)采用C/S架構(gòu)，由HiGale實(shí)時(shí)仿真軟件、機(jī)箱、功能板卡、工作站等組成。實(shí)時(shí)運(yùn)行發(fā)動機(jī)控制器模型，通過IO信號可將外部設(shè)備加入到實(shí)時(shí)仿真閉環(huán)，或進(jìn)行設(shè)備的接口測試。上位機(jī)運(yùn)行Windows操作系統(tǒng)，下位機(jī)(即實(shí)時(shí)仿真機(jī))運(yùn)行實(shí)時(shí)操作系統(tǒng)。上位機(jī)軟件部分具有MATLAB/Simulink軟件，提供控制器模型開發(fā)環(huán)境，且與HiGale軟件無縫連接，具有一鍵自動化代碼生成/下載和友好的試驗(yàn)/調(diào)試軟件環(huán)境，具備仿真實(shí)驗(yàn)項(xiàng)目的管理等功能。

平臺的工作原理：首先，在主工作站中建立故障診斷仿真模型，通過主工作站仿真軟件下載到實(shí)時(shí)仿真機(jī)。其次，發(fā)動機(jī)仿真機(jī)計(jì)算出發(fā)動機(jī)工作過程的各項(xiàng)參數(shù)，經(jīng)變送器轉(zhuǎn)換后產(chǎn)生相應(yīng)輸出信號，并反饋至故障診斷器。最后，故障診斷器接收到信號后進(jìn)行發(fā)動機(jī)故障診斷，并發(fā)出故障報(bào)警信號，同時(shí)通知箭體控制器。

通過開展發(fā)動機(jī)實(shí)時(shí)故障診斷系統(tǒng)半實(shí)物仿真試驗(yàn)，對實(shí)時(shí)故障診系統(tǒng)進(jìn)行了綜合試驗(yàn)驗(yàn)證?？己肆斯收显\斷系統(tǒng)在實(shí)際工作中的診斷算法運(yùn)算能力、采集速度、通訊等性能，故障診斷算法診斷性能，以及整個(gè)實(shí)時(shí)故障診斷系統(tǒng)的有效性。構(gòu)建的發(fā)動機(jī)實(shí)時(shí)故障診斷系統(tǒng)半實(shí)物仿真試驗(yàn)實(shí)物如圖6所示。

圖6 發(fā)動機(jī)實(shí)時(shí)故障診斷系統(tǒng)半實(shí)物仿真試驗(yàn)實(shí)物圖

3.2 仿真分析

對RESID故障診斷算法進(jìn)行了試驗(yàn)。試驗(yàn)過程為：由發(fā)動機(jī)仿真機(jī)運(yùn)行大推力氫氧補(bǔ)燃火箭發(fā)動機(jī)故障模型，計(jì)算出發(fā)動機(jī)工作過程的各項(xiàng)參數(shù)，模擬真實(shí)發(fā)動機(jī)工作狀態(tài)，輸出發(fā)動機(jī)在不同穩(wěn)態(tài)工況下的觀測數(shù)據(jù)并進(jìn)行故障模擬，故障診斷器接收到測量數(shù)據(jù)后進(jìn)行發(fā)動狀態(tài)判斷、故障診斷及預(yù)測等，并將計(jì)算結(jié)果通過422和1553B通訊方式分別與控制器和箭體控制器仿真機(jī)通訊，告知二者發(fā)動機(jī)當(dāng)前狀況。

試驗(yàn)結(jié)果：

1)當(dāng)發(fā)動機(jī)模型無故障時(shí)，輸出正常穩(wěn)態(tài)工作數(shù)據(jù)，診斷結(jié)果如圖7所示，診斷結(jié)果為全0的直線，并且輸出的故障數(shù)量為0，符合測試要求。

圖7 無故障模式下故障診斷算法診斷結(jié)果

2)更改發(fā)動機(jī)模型參數(shù)，設(shè)定發(fā)動機(jī)閥門開度系數(shù)在4 s時(shí)由1衰減為0.8，添加閥門開度異常故障。故障診斷結(jié)果如圖8所示。

圖8 閥門開度單次異常故障模式下故障診斷算法診斷結(jié)果

由圖8可知，RESID故障診斷算法在4.005 s診斷出故障，診斷算法均能快速、準(zhǔn)確的檢測出故障，滿足設(shè)計(jì)要求。隨后，設(shè)定閥門開度多次故障，對診斷算法進(jìn)行測試。

3)發(fā)動機(jī)閥門開度系數(shù)變化分別在4 s和6 s出發(fā)生兩次異常，開度系數(shù)由1變?yōu)?.8，第一次異常在5 s處恢復(fù)。算法診斷結(jié)果如圖9所示。其中RESID故障診斷算法分別在4.011 s和6.015 s處診斷出故障，通過以上試驗(yàn)測試，故障檢測響應(yīng)時(shí)間小于0.5秒，故障檢測率100%，故障診斷速率快，準(zhǔn)確度高，滿足設(shè)計(jì)需求。

圖9 閥門開度多次異常故障模式下故障診斷算法診斷結(jié)果

4 結(jié)束語

本項(xiàng)目針對大推力氫氧補(bǔ)燃發(fā)動機(jī)不僅完成了故障診斷算法設(shè)計(jì)、完成了故障診斷用模型的建立，而且通過半實(shí)物仿真平臺試驗(yàn)驗(yàn)證，進(jìn)行了全面的考核，能夠方便快捷的驗(yàn)證故障診斷系統(tǒng)。該項(xiàng)研究過程中建立起一套適用于各型發(fā)動機(jī)故障診斷系統(tǒng)設(shè)計(jì)與驗(yàn)證的體系。最后，通過對大推力氫氧補(bǔ)燃發(fā)動機(jī)故障診斷系統(tǒng)的設(shè)計(jì)及試驗(yàn)驗(yàn)證，表明故障診斷系統(tǒng)故障診斷性能快速、準(zhǔn)確，各組件設(shè)計(jì)均已達(dá)到預(yù)期指標(biāo)，標(biāo)志著氫氧發(fā)動機(jī)故障診斷系統(tǒng)設(shè)計(jì)關(guān)鍵技術(shù)攻關(guān)取得階段性成果。