文档介绍：中图分类号: 论文编号:1028702 12-S023
学科分类号:082502

硕士学位论文

基于机载模型的航空发动机
解析余度研究

研究生姓名段姝婧
学科、专业航空宇航推进理论与工程
研究方向航空发动机故障诊断
指导教师李秋红副教授

南京航空航天大学
研究生院能源与动力学院
二О一二年三月
Nanjing University of Aeronautics and Astronautics
The Graduate School
College of Energy and Power Engineering

Research on Analytical Redundancy for
Aero-engine Based on Onboard Model

A Thesis in
Aerospace Propulsion Theory and Engineering

by
Duan Shujing
Advised by
Associate Professor Li Qiuhong

Submitted in Partial Fulfillment

of the Requirements

for the Degree of

Master of Engineering

March, 2012
承诺书

本人声明所呈交的硕士学位论文是本人在导师指导下进
行的研究工作及取得的研究成果。除了文中特别加以标注和
致谢的地方外,论文中不包含其他人已经发表或撰写过的研
究成果,也不包含为获得南京航空航天大学或其他教育机构
的学位或证书而使用过的材料。
本人授权南京航空航天大学可以将学位论文的全部或部
分内容编入有关数据库进行检索,可以采用影印、缩印或扫
描等复制手段保存、汇编学位论文。
(保密的学位论文在解密后适用本承诺书)

作者签名:
日期:
南京航空航天大学硕士学位论文
摘要
作为测量元件,传感器在航空发动机控制系统中具有举足轻重的作用,传感器信号的准确
与否,直接影响到航空发动机控制系统的安全稳定工作。因而,很有必要建立航空发动机控制
系统传感器故障检测、隔离与重构系统,以提高发动机控制系统的可靠性。
本文针对航空发动机控制系统的传感器故障诊断和信号重构,结合机器学习中具有统计学
基础和优良泛化能力的支持向量回归机技术,开展了一系列系统而深入的研究。
首先,重点研究了迭代约简最小二乘支持向量回归机(RR-LSSVR),并将其应用到航空发动
机传感器故障诊断和信号重构中,进行了单传感器故障和双传感器故障的数字仿真验证,取得
了一定的效果。
其次,研究了在发动机发生蜕化情况的传感器故障诊断和信号重构技术,由于RR-LSSVR是
一种离线学习算法,只能基于离线数据进行诊断和重构,不能考虑到发动机性能蜕化的因素。
笔者利用相似原理设计了一种基于推进系统矩阵(PSM)的简化模型,用于求取发动机性能蜕化
时的信号偏差值,用此偏差值来补偿RR-LSSVR的信号估计值。如此,实现了发动机多部件蜕化
状态下的传感器故障诊断和信号重构。
第三,考虑到上述方案的复杂性,笔者又研究了一种新的学习算法——在线滑动稀疏最小
二乘支持向量回归机,并在VC环境中实现,以具算法的工程应用性。在线滑动稀疏最小二乘支
持向量回归机是一种在线学习算法,可以根据当前发动机状态信息实时更新支持向量,包含了
发动机性能蜕化的因素,克服了离线学习算法训练样本固定且有限、无法自适应更新模型的缺
陷。
最后,笔者基于在线滑动稀疏最小二乘支持向量回归机设计了发动机传感器故障诊断和信
号重构系统,利用离当前时刻最近的或最有效的信息来更新预测模型,而后准确估计发动机的
动态输出,很好地实现了单传感器故障和双传感器故障的诊断及信号重构。
关键词:航空发动机,支持向量回归机,传感器,故障诊断,推进系统矩阵
I
基于机载模型的航空发动机解析余度研究
ABSTRACT
As a measuring element, sensor plays an important role in aero-engine control system. The
accuracy of sensor’s sign directly influences the safety an