模型基涡轴发动机传感器故障诊断研究

刘梦妮，王曦，2，杨超

（1.北京航空航天大学能源与动力工程学院，北京100191；2.先进航空发动机协同创新中心，北京100191；3.中航空天发动机研究院有限公司，北京101304）

模型基涡轴发动机传感器故障诊断研究

刘梦妮1，王曦1，2，杨超3

（1.北京航空航天大学能源与动力工程学院，北京100191；2.先进航空发动机协同创新中心，北京100191；3.中航空天发动机研究院有限公司，北京101304）

基于干扰解耦思想，针对涡轴发动机工作中传感器瞬时断路硬故障模式，提出一种基于模型的涡轴发动机未知输入观测器传感器硬故障诊断方法。通过对地面、高空工作的涡轴发动机不同传感器故障的模拟，验证了该故障诊断方法的有效性。结果表明，基于模型设计的未知输入观测器（UIO），能够对系统输入中的测量干扰未知输入信号进行有效解耦，同时传感器故障信息通过UIO计算获得的输出估计具有鲁棒残差性能。

航空发动机；未知输入观测器；传感器；故障诊断；干扰解耦；残差加权平方和；仿真

1　引言

涡轴发动机控制系统通过传感器反馈发动机的重要工作参数，并计算出燃油指令，再由执行机构操纵供油装置实现对发动机工作状态的控制。涡轴发动机控制系统结构复杂，传感器数目多且工作在高温及强振动恶劣环境中，是系统中最不可靠的控制元件之一。因此，在发动机工作过程中，需要及时准确地诊断出传感器的错误，并重构故障传感器正确的信号。

早在上世纪70年代，国外就已开始研发用于发动机控制系统的解析余度技术。80年代中期，美国围绕传感器故障的检测、隔离和重构（DIA）开展了一系列研究，其中较成功的有NASA刘易斯研究中心的ADIA计划。该计划全面总结了当时各种适用于航空发动机的传感器故障检测、隔离、重构算法，计划取得的成果已在F100等发动机上得到成功验证。NASA还主持了改进发动机控制可靠性的解析余度设计（ARTERI）计划，该计划的设计技术也已用于GE23A发动机。其采用的发动机部件跟踪滤波器能随时修正机载的发动机实时模型，使之与实际发动机相匹配而具有一定的鲁棒性［1-2］。

在上述诸多基于解析余度的发动机故障诊断研究中，Kalman滤波器被广泛使用，研究结果也证明了Kalman滤波器对处理发动机故障诊断问题的有效性［3-5］。但Kalman滤波过程中要求动态系统的噪声符合高斯正态分布，而发动机模型偏差、非结构性模型不确定性和外界飞行环境变化等因素，可能会造成系统模型不满足白噪声干扰假设，因此Kalman滤波器的应用受到一定制约。近年来，基于动态系统模型的未知输入观测器（UIO）诊断理论研究发展很快［6］。虽然UIO在航空发动机故障诊断方面的应用刚刚开始［7-8］，但其具有的故障信息和测量干扰噪声能够解耦的重要特点，突破了Kalman滤波器受噪声敏感而影响故障诊断效果的难点，在航空发动机故障诊断领域具有潜在的应用价值。

本文针对涡轴发动机控制系统传感器硬故障，参考上述文献中解析余度的思想，利用一类先进的、具有更好性能的滤波器——未知输入观测器，提出一种模型基传感器故障诊断方法，并通过不同传感器的故障模拟对该方法的有效性进行仿真验证。

2　未知输入观测器设计

基于UIO的故障诊断方法是一种基于模型的故障诊断技术。在系统工作条件以及建模误差变化等因素影响下，系统输入存在不确定性。作为被诊断线性系统模型中的加性未知输入，若能获得这些未知输入的分布矩阵，UIO则可将这一未知输入信号从被估计系统状态中解耦出来，由此生成的输出估计残差向量仅包含故障信息，这种残差定义为鲁棒残差。

易知，发动机在稳态工作点附近的工作状态模型可以用一个线性模型来表示，而考虑传感器故障的发动机线性模型可表示为：

根据上述系统，未知输入观测器可设计为：

为保证动态系统能设计出如式（2）所示的全阶未知输入观测器，UIO的存在定理如引理1所述［6-7］。

引理1式（2）所示观测器是式（1）所示线性系统的UIO的充分必要条件是：

要使UIO观测出的系统状态和被诊断系统（式（1））中状态向量的残差与系统干扰项解耦，则该残差动态应与E无关，且残差动态方程自治渐进稳定。由此，UIO（式（2））有解条件为下述方程组有解，且系统矩阵F的特征值稳定。

上式表明，若构造的UIO有解，则输出的估计残差向量与未知输入干扰向量无关。当未知输入被定义为发动机不同工况下系统状态与标称线性模型（即式（1）中均为0）情况间的差异时，可得到不同的干扰分布矩阵。依据不同的干扰分布矩阵设计出的不同UIO参数，可根据表征发动机工作状态的变量（本文选取燃气发生器换算转速）进行调度，使得用于故障诊断的观测器残差具有很强的鲁棒性，即状态估计性能不会随发动机工作状态的变化而变差。因此，无论是在地面还是高空工作状态下，当系统未发生传感器故障时，输出估计残差向量的范数值都很小；反之，则输出估计残差向量的范数值将很大。根据这一特性，建立传感器故障检测判据。

定义传感器故障检测信号为：

2.吃杂 在饮食上，不管自己是否喜欢，各种各类食物都适当吃一些，只有如此，才不致于偏食，才能真正做到科学合理的多品种配餐，使各种营养物质达到平衡协调。根据中医学理论，五味（酸、甜、甘、咸、辛）的偏嗜，会破坏人体的协调统一，导致疾病。什么都吃，也就是吃杂，对身体健康是有益的。

式中：ε为故障报警阈值。

因此，对传感器故障时的诊断问题可归结为未知输入观测器的设计问题，当满足引理1 UIO有解的充分必要条件时，可按下述步骤设计出UIO。

步骤2：计算H、T及A1。， T=1-HC，A1=TA。

步骤4：能观标准型分解，构造变换矩阵P。从W0（W0为的能观矩阵）中选择个不相关的独立行向量，与其他n-n1个行向量构成非奇异值矩阵：。

步骤7：选择n1个期望的特征值，用极点配置方法将其分配给。

步骤9：计算矩阵F与K。F=A1-K1C，K=K1+K2=K1+FH。

步骤10：结束。

3　基于UIO的涡轴发动机传感器故障诊断

带有传感器故障诊断功能（FDIA）的涡轴发动机控制系统结构如图1所示。涡轴发动机传感器故障诊断结构如图2所示，包括最优未知输入观测器组（m个）、故障检测单元及故障隔离和重构单元。每个被检测传感器的观测器的输入，包含控制器的输出信号和除去该路被检测传感器外的其他所有传感器测量信号。将观测器组获得的输出估计残差加权平方和（WSSR）作为故障指示信号，故障检测模块根据WSSR的结果获得故障信息。对于传感器断路硬故障，以传感器测量值偏离正常值65%时状态估计的WSSR作为故障检测的设计阈值，文中定义WSSR=‖r（t）‖2。

图1　涡轴发动机控制系统传感器故障诊断结构Fig.1 Structure of sensor fault diagnosis for turboshaft engine control system

图2　基于UIO传感器故障诊断系统结构Fig.2 Structure of UIO-based sensor fault diagnosis system

若传感器无故障发生，控制系统采用传感器的测量值控制发动机正常运行。当单路传感器发生硬故障时，故障检测模块的WSSR将超出阈值，再根据传感器故障检测逻辑决策表定位故障传感器，并进行隔离和重构，由重构信号代替故障传感器信号反馈给控制系统，以保证控制系统在传感器故障状态下仍能正常工作，使发动机安全可靠运行。

4　涡轴发动机传感器故障诊断仿真验证

涡轴发动机状态变量、输入变量与输出变量分别为：

式中：NG为燃气发生器转子转速，NP为动力涡轮转子转速，p3为压气机出口总压，p41为燃气发生器涡轮入口气体总压，p45为动力涡轮入口气体总压，Wf为发动机供油量，XPCP为直升机总距杆位置（用占最大位置角度的百分比表示），QPT为发动机输出扭矩，T45为动力涡轮入口总温，ps3为压气机出口静压。

定义故障指示信号Error signal，0代表无传感器故障，1代表QPT传感器故障，2代表NP传感器故障，3代表NG传感器故障，4代表T45传感器故障，5代表ps3传感器故障。

针对单路传感器硬故障模式，采取故障时隔离、重构，非故障时恢复的原则，采用大偏离线性变参数调度模型重构故障传感器信号。在海平面标准大气（ISA）条件下，直升机总距杆位置为95%，保持动力涡轮转速为额定转速不变，图3～图7给出了上述5路传感器在20 s时刻分别发生断路故障的仿真曲线。各图中，上子图为诊断系统的故障指示信号，下子图为故障传感器回路给控制系统的反馈信号。可见，任意一路传感器发生故障后，故障诊断系统都能及时诊断出是哪路传感器故障；经定位、隔离、重构后，控制系统能采用重构信号代替故障传感器继续正常工作。

图3　标准大气条件下发动机输出扭矩传感器故障诊断仿真Fig.3 Simulation ofQPTsensor fault diagnosis on ISA

图4　标准大气条件下动力涡轮转子转速传感器故障诊断仿真Fig.4 Simulation ofNPsensor fault diagnosis on ISA

图5　标准大气条件下燃气发生器转子转速传感器故障诊断仿真Fig.5 Simulation ofNGsensor fault diagnosis on ISA

图6　标准大气条件下动力涡轮入口总温传感器故障诊断仿真Fig.6 Simulation ofT45sensor fault diagnosis on ISA

图7　标准大气条件下压气机出口静压传感器故障诊断仿真验证Fig.7 Simulation ofps3sensor fault diagnosis on ISA

在非标准大气、飞行高度6 km条件下，直升机总距杆位置为80%，保持动力涡轮转速为额定转速不变，图8～图12给出了上述5路传感器在20 s时刻分别发生断路故障的仿真曲线。此时，用表征发动机工作状态的燃气发生器换算转速得到该工况下的干扰分布矩阵，从而计算得到合适的UIO参数。从图中可知，任意一路传感器在高空发生故障后，故障诊断系统也都能及时诊断出是哪路传感器故障；经定位、隔离、重构后，控制系统也能采用重构信号代替故障传感器继续正常工作。

图8　高空6 km条件下发动机输出扭矩传感器故障诊断仿真Fig.8 Simulation ofQPTsensor fault diagnosis on 6 km

图9　高空6 km条件下动力涡轮转子转速传感器故障诊断仿真Fig.9 Simulation ofNPsensor fault diagnosis on 6 km

图10　高空6 km条件下燃气发生器转子转速传感器故障诊断仿真Fig.10 Simulation ofNGsensor fault diagnosis on 6 km

图11　高空6 km条件下动力涡轮入口总温传感器故障诊断仿真Fig.11 Simulation ofT45sensor fault diagnosis on 6 km

图12　高空6 km条件下压气机出口静压传感器故障诊断仿真Fig.12 Simulation ofps3sensor fault diagnosis on 6 km

5　结论

本文针对涡轴发动机工作过程中传感器瞬时断路硬故障，利用解析余度的思想，提出一种基于模型的未知输入观测器的传感器故障诊断的设计方法，并通过地面、高空工作的涡轴发动机不同传感器故障模拟，仿真验证了该方法能有效诊断传感器的瞬时断路故障，诊断结果具有一定的鲁棒性。实验结果表明，当传感器发生某路故障时，通过基于模型设计的未知输入观测器，能够对系统输入中的测量干扰未知输入信号进行有效解耦，将传感器故障信息通过UIO计算获得输出估计鲁棒残差，及时诊断传感器故障；经定位、隔离、重构后，控制系统可采用重构信号代替故障传感器继续正常工作，提高了控制系统的工作可靠性。

［1］Swan J A，Vizzini R W.Analytical redundancy design for improved engine control reliability-final review［R］.AIAA 88-3176，1988.

［2］Garg S.NASA Glenn Research in controls and diagnostics for intelligent aerospace propulsion systems［R］.AIAA 2005-6906，2005.

［3］Luppold R H，Gallops G W，Kerr L J，et al.Estimating in-flight engine performance variations using Kalman filter concepts［R］.AIAA 89-2584，1989.

［4］Caliskan F，Hajiyev C M.Aircraft sensor fault diagnosis based on Kalman filter innovation sequence［C］//.Proceedings of the 37th IEEE Conference.1998.

［5］Kobayashi T，Simon D L.Application of a bank of Kalman filters for aircraft engine fault diagnostics［R］.ASME GT2003-38550，2003.

［6］Chen J，Patton R J.Robust model-based fault diagnosis for dynamic systems［M］.USA：Kluwer Academic Publishers，1999.

［7］何皑.基于LMI的航空发动机智能容错控制技术研究［D］.北京：北京航空航天大学，2012.

［8］杨超.涡轴发动机控制系统及故障诊断研究［D］.北京：北京航空航天大学，2014.

Model-based sensor fault diagnosis for turboshaft engine

LIU Meng-ni1，WANG Xi1，2，YANG Chao3
（1.School of Energy and Power Engineering，Beijing University of Aeronautics and Astronautics，Beijing 100191，China；2.Collaborative Innovation Center for Advanced Aero-Engine，Beijing 100191，China；3.China Aviation Engine Establishment，Beijing 101304，China）

Focus on the sensor instant open circuit hard fault mode of operating states for turboshaft engine, the fault diagnosis method based on model unknown input observer（UIO）and disturbance input decoupling was proposed.Through the simulation of different sensor faults occur in ground and altitude operating conditions for turboshaft engine,the effectiveness of detection process algorithm was verified.Moreover,the results show that the designed unknown input observer based on model can be decoupling with unknown disturbance input signals into systems；in addition,the sensor fault information of the output evaluation obtained from calculation on established unknown input observer will possess robust residual performance.

aero-engine；unknown input observer；sensor；fault diagnosis；disturbance decoupling；weighted sum-squared residual；simulation

V233.7

A

1672-2620（2016）03-0025-05

2015-09-14；

2016-01-16

刘梦妮（1991-），女，湖南常德人，硕士研究生，主要从事为航空发动机控制研究。