航空發(fā)動(dòng)機(jī)控制系統(tǒng)故障診斷

目錄
叢書序
前言
第一部分航空發(fā)動(dòng)機(jī)控制與故障診斷技術(shù)
第1章航空發(fā)動(dòng)機(jī)控制系統(tǒng)故障診斷發(fā)展與需求
1.1引言003
1.2航空發(fā)動(dòng)機(jī)控制系統(tǒng)的發(fā)展003
1.2.1國(guó)外航空發(fā)動(dòng)機(jī)控制系統(tǒng)的發(fā)展003
1.2.2國(guó)內(nèi)航空發(fā)動(dòng)機(jī)控制系統(tǒng)的發(fā)展008
1.3航空發(fā)動(dòng)機(jī)控制系統(tǒng)故障診斷技術(shù)綜述009
1.3.1故障診斷技術(shù)的研究狀況009
1.3.2航空發(fā)動(dòng)機(jī)控制系統(tǒng)故障診斷技術(shù)的研究狀況012
1.4航空發(fā)動(dòng)機(jī)控制系統(tǒng)故障診斷面臨的要求和挑戰(zhàn)016
1.5本書概要017
參考文獻(xiàn)019
第2章航空發(fā)動(dòng)機(jī)控制系統(tǒng)
2.1引言023
2.2航空發(fā)動(dòng)機(jī)控制系統(tǒng)概述023
2.3航空發(fā)動(dòng)機(jī)控制系統(tǒng)的控制原則027
2.3.1航空發(fā)動(dòng)機(jī)控制系統(tǒng)狀態(tài)控制規(guī)律027
2.3.2航空發(fā)動(dòng)機(jī)過渡控制規(guī)律030
2.3.3發(fā)動(dòng)機(jī)控制系統(tǒng)的控制過程分析031
2.4航空發(fā)動(dòng)機(jī)控制系統(tǒng)的基本類型034
2.4.1機(jī)械液壓控制系統(tǒng)034
2.4.2全權(quán)限數(shù)字電子式控制系統(tǒng)036
2.5全權(quán)限數(shù)字式電子控制系統(tǒng)的原理與結(jié)構(gòu)038
2.5.1全權(quán)限數(shù)字式電子控制系統(tǒng)的組成038
2.5.2全權(quán)限數(shù)字式電子控制系統(tǒng)的功能要求040
2.5.3全權(quán)限數(shù)字式電子控制系統(tǒng)的總體結(jié)構(gòu)040
2.5.4全權(quán)限數(shù)字式電子控制系統(tǒng)的工作原理043
2.6航空發(fā)動(dòng)機(jī)控制系統(tǒng)故障診斷的目的與要求044
參考文獻(xiàn)045
第二部分故障特性分析與機(jī)理建模
第3章航空發(fā)動(dòng)機(jī)控制系統(tǒng)故障診斷基本概念與故障模型
3.1引言049
3.2航空發(fā)動(dòng)機(jī)控制系統(tǒng)故障的定義與分類049
3.3故障診斷的基本概念和過程058
3.3.1故障診斷的定義058
3.3.2故障診斷的任務(wù)與過程058
3.3.3故障診斷的方法分類059
3.3.4故障診斷技術(shù)的性能指標(biāo)063
3.4機(jī)內(nèi)自檢測(cè)設(shè)計(jì)065
3.4.1上電機(jī)內(nèi)自檢測(cè)067
3.4.2飛行前機(jī)內(nèi)自檢測(cè)068
3.4.3飛行中機(jī)內(nèi)自檢測(cè)072
3.4.4維護(hù)機(jī)內(nèi)自檢測(cè)075
3.5控制系統(tǒng)的故障模型分析075
3.5.1控制系統(tǒng)的故障模型075
3.5.2故障可檢測(cè)性分析078
3.5.3故障可隔離性分析081
3.5.4算例分析083
參考文獻(xiàn)090
第4章航空發(fā)動(dòng)機(jī)組態(tài)化建模
4.1引言092
4.2航空發(fā)動(dòng)機(jī)組態(tài)化穩(wěn)態(tài)模型092
4.2.1組態(tài)化建模原理093
4.2.2核心機(jī)通用模塊095
4.2.3進(jìn)、排氣系統(tǒng)模塊103
4.2.4穩(wěn)態(tài)仿真原理111
4.2.5仿真算例115
4.3航空發(fā)動(dòng)機(jī)組態(tài)化動(dòng)態(tài)模型118
4.3.1發(fā)動(dòng)機(jī)動(dòng)力學(xué)分析118
4.3.2動(dòng)態(tài)共同工作方程119
4.3.3動(dòng)態(tài)仿真模型搭建120
4.3.4動(dòng)態(tài)求解器121
4.3.5動(dòng)態(tài)計(jì)算流程121
4.3.6算例分析122
4.4發(fā)動(dòng)機(jī)模型線性化方法研究123
4.4.1模型線性化原理123
4.4.2發(fā)動(dòng)機(jī)解析線性化方法124
4.4.3線性化算法127
4.4.4線性模型的歸一化處理131
4.4.5算例分析133
參考文獻(xiàn)140
第5章航空發(fā)動(dòng)機(jī)全壽命大包線數(shù)學(xué)模型
5.1引言141
5.2航空發(fā)動(dòng)機(jī)自適應(yīng)模型建立142
5.2.1發(fā)動(dòng)機(jī)性能健康退化參數(shù)142
5.2.2基于IHKF的發(fā)動(dòng)機(jī)機(jī)載自適應(yīng)模型142
5.2.3機(jī)載自適應(yīng)模型的求解145
5.2.4算例分析147
5.3航空發(fā)動(dòng)機(jī)LPV模型建立150
5.3.1雅可比線性化方法151
5.3.2多項(xiàng)式依賴模型153
5.3.3仿射參數(shù)依賴模型154
5.3.4多胞形155
5.3.5發(fā)動(dòng)機(jī)多胞LPV建模及算例分析156
5.4模型不確定性分析160
5.4.1模型不確定性的成因160
5.4.2模型不確定性的數(shù)學(xué)描述161
5.4.3模型不確定性轉(zhuǎn)化為未知輸入163
5.4.4干擾分布矩陣的確定165
5.4.5模型不確定性對(duì)故障診斷的影響分析與解決辦法167
參考文獻(xiàn)172
第三部分基于模型的控制系統(tǒng)故障診斷
第6章基于卡爾曼濾波器的航空發(fā)動(dòng)機(jī)控制系統(tǒng)故障診斷
6.1引言175
6.2基于模型的故障診斷概述176
6.2.1基于模型故障診斷的基本原理176
6.2.2基于模型故障診斷的魯棒性問題178
6.2.3基于模型故障診斷的故障重構(gòu)179
6.3發(fā)動(dòng)機(jī)離散模型的卡爾曼濾波器原理180
6.3.1離散卡爾曼濾波器原理180
6.3.2發(fā)動(dòng)機(jī)離散模型的卡爾曼濾波器182
6.4基于故障匹配卡爾曼濾波器的故障診斷方法183
6.4.1故障匹配卡爾曼濾波器組設(shè)計(jì)183
6.4.2殘差平方加權(quán)和法處理故障信息186
6.4.3多重故障的診斷邏輯原理187
6.4.4仿真驗(yàn)證187
6.5基于卡爾曼濾波器的機(jī)載自適應(yīng)模型的故障診斷190
6.5.1發(fā)動(dòng)機(jī)部件性能退化對(duì)故障診斷的影響190
6.5.2基于機(jī)載自適應(yīng)模型的故障診斷192
6.5.3結(jié)構(gòu)機(jī)理與公式推導(dǎo)193
6.5.4仿真驗(yàn)證195
6.6面向航空發(fā)動(dòng)機(jī)的自適應(yīng)*優(yōu)閾值設(shè)計(jì)197
6.6.1參數(shù)攝動(dòng)“軟邊界”的航空發(fā)動(dòng)機(jī)線性概率模型197
6.6.2基于滿意濾波的自適應(yīng)閾值設(shè)計(jì)198
6.6.3基于LMI的問題求解202
6.6.4算例分析202
參考文獻(xiàn)204
第7章基于滑模觀測(cè)器的航空發(fā)動(dòng)機(jī)控制系統(tǒng)故障診斷
7.1引言206
7.2執(zhí)行機(jī)構(gòu)故障特性估計(jì)206
7.2.1數(shù)學(xué)描述206
7.2.2滑模觀測(cè)器和H∞設(shè)計(jì)208
7.2.3執(zhí)行機(jī)構(gòu)故障特性估計(jì)方法211
7.2.4仿真驗(yàn)證212
7.3傳感器故障特性估計(jì)214
7.3.1數(shù)學(xué)描述214
7.3.2滑模觀測(cè)器和H∞設(shè)計(jì)216
7.3.3傳感器故障特性估計(jì)方法217
7.3.4仿真驗(yàn)證217
7.4基于滑模觀測(cè)器的故障檢測(cè)與隔離220
7.4.1控制函數(shù)選取220
7.4.2多重故障檢測(cè)與隔離221
7.4.3仿真算例225
7.5基于等效輸出注入的故障特性估計(jì)234
7.5.1問題描述234
7.5.2觀測(cè)器設(shè)計(jì)235
7.5.3故障特性估計(jì)239
7.5.4仿真算例240
參考文獻(xiàn)243
第四部分基于數(shù)據(jù)驅(qū)動(dòng)的控制系統(tǒng)故障診斷
第8章基于云/霧智能計(jì)算的航空發(fā)動(dòng)機(jī)控制系統(tǒng)故障診斷方法
8.1引言247
8.2基于云/霧混合模式的航空發(fā)動(dòng)機(jī)監(jiān)控與計(jì)算平臺(tái)247
8.2.1云/霧混合計(jì)算模型247
8.2.2多模態(tài)信息感知與信息安全通信方案250
8.2.3系統(tǒng)資源需求預(yù)測(cè)及調(diào)度優(yōu)化方案251
8.3面向航空發(fā)動(dòng)機(jī)的智能故障診斷方案253
8.3.1基于物理模型的故障診斷方案253
8.3.2基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法255
8.3.3基于混合的故障診斷方案272
8.4基于混合機(jī)器學(xué)習(xí)模型的故障預(yù)測(cè)與健康管理方案273
8.4.1剩余使用壽命預(yù)測(cè)的基本概念273
8.4.2健康指數(shù)計(jì)算方案274
8.4.3基于混合機(jī)器學(xué)習(xí)模型的剩余使用壽命預(yù)測(cè)方案275
8.4.4預(yù)測(cè)結(jié)果性能評(píng)估指標(biāo)278
8.5算例分析279
8.5.1數(shù)據(jù)描述279
8.5.2預(yù)測(cè)結(jié)果及對(duì)比分析279
參考文獻(xiàn)284
第9章基于子空間辨識(shí)輔助的航空發(fā)動(dòng)機(jī)控制系統(tǒng)故障診斷方法
9.1引言287
9.2子空間辨識(shí)方法287
9.2.1預(yù)備知識(shí)288
9.2.2確定系統(tǒng)子空間辨識(shí)295
9.2.3典型子空間辨識(shí)算法298
9.3基于等價(jià)空間辨識(shí)的故障診斷方法301
9.3.1基于系統(tǒng)等價(jià)空間的殘差生成器301
9.3.2數(shù)據(jù)驅(qū)動(dòng)的等價(jià)空間辨識(shí)方法303
9.3.3基于等價(jià)空間辨識(shí)的故障診斷系統(tǒng)設(shè)計(jì)方法307
9.4基于Markov參數(shù)辨識(shí)的故障診斷方法312
9.4.1Markov參數(shù)及其性質(zhì)312
9.4.2Markov參數(shù)的辨識(shí)方法314
9.4.3基于Markov參數(shù)的故障診斷系統(tǒng)設(shè)計(jì)方法316
9.5航空發(fā)動(dòng)機(jī)控制系統(tǒng)故障診斷設(shè)計(jì)與仿真321
9.5.1基于等價(jià)空間辨識(shí)的航空發(fā)動(dòng)機(jī)故障診斷系統(tǒng)322
9.5.2基于Markov參數(shù)辨識(shí)的航空發(fā)動(dòng)機(jī)故障診斷系統(tǒng)327
參考文獻(xiàn)332
第10章基于人工智能的航空發(fā)動(dòng)機(jī)控制系統(tǒng)傳感器故障診斷
10.1引言334
10.2基于人工智能的傳感器故障診斷概述334
10.3自聯(lián)想型神經(jīng)網(wǎng)絡(luò)與診斷對(duì)象335
10.3.1神經(jīng)網(wǎng)絡(luò)與故障診斷335
10.3.2自聯(lián)想型網(wǎng)絡(luò)的結(jié)構(gòu)和算法336
10.3.3發(fā)動(dòng)機(jī)故障診斷參數(shù)的選擇339
10.4基于自聯(lián)想型神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)校驗(yàn)341
10.4.1數(shù)據(jù)校驗(yàn)的必要性341
10.4.2診斷網(wǎng)絡(luò)構(gòu)建原理341
10.4.3故障診斷自聯(lián)想型神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)與訓(xùn)練342
10.4.4故障診斷神經(jīng)網(wǎng)絡(luò)性能仿真344
10.5基于自聯(lián)想型神經(jīng)網(wǎng)絡(luò)的傳感器故障診斷與仿真351
10.5.1AANN傳感器故障診斷原理351
10.5.2傳感器故障診斷仿真352
10.6基于免疫融合卡爾曼濾波器的發(fā)動(dòng)機(jī)控制系統(tǒng)傳感器故障診斷358
10.6.1人工免疫系統(tǒng)358
10.6.2基于卡爾曼濾波器族的控制系統(tǒng)故障診斷系統(tǒng)360
10.6.3抗體庫的初始化及訓(xùn)練361
10.6.4基于免疫融合卡爾曼濾波器的故障診斷原理364
10.6.5基于人工免疫卡爾曼濾波的故障診斷仿真367
參考文獻(xiàn)375
常用符號(hào)表377