[发明专利]基于四级RBF神经网络的飞机环控系统控制组件故障诊断方法

说明书

技术领域

本发明属于飞机环控系统的故障诊断技术领域，具体涉及一种基于四级RBF神经网络的飞机环控系统控制组件故障诊断方法。 

背景技术

飞机环境控制系统的安全问题近年来已经受到人们越来越多的关注。一个良好的机舱环境不仅对飞行员的舒适感及人身安全十分重要，并且是不同飞行状态下多种机载电子设备正常运行的重要保证。控制组件是飞机环控系统的重要组成部分，且对飞机环控系统的可靠运行起着至关重要的作用。控制组件的任何故障都可能直接影响到电子设备舱温度的稳定调节，进而导致如资源浪费、设备寿命缩减等问题，更严重的将会给机载人员的生命安全带来威胁。因此，开展飞机环控系统控制组件的故障诊断研究具有十分重要的意义。 

现有的关于飞机环控系统的研究主要集中在系统的设计、控制及系统优化，对于飞机环控系统故障诊断的研究较少，有关控制组件的故障诊断研究则更少。日益复杂的飞机环控系统及快速发展的故障诊断技术使得开发一套有效、系统的飞机环控系统控制组件故障诊断方法越发必要与可能。有研究人员提出了一种基于观测器的飞机温度控制系统故障诊断模型，然而他们并没有为故障检测设定一个合适的阈值，并且基于单一的残差信号进行故障诊断可靠性不高。 

通常，故障诊断方法可以概括为基于模型的方法、基于数据驱动的方法和基于知识的方法。基于模型的故障诊断方法依赖于准确的数学模型，然而由于控制组件固有的非线性特征，精确的数学模型往往难以获取。基于统计的故障诊断方法依赖于大量的实验数据，而对于飞机环控系统控制组件，实验数据难以在实际中获得。作为一种基于知识的故障诊断方法，神经网络易于实现非线性及鲁棒性的故障诊断。和其他前馈网络相比，RBF神经网络有更好的逼近能力、更快的学习能力、更好的鲁棒性且没有局部最小值，可以用于精确跟踪控制系统模型的改变，并且自适应地改变自身神经网络参数，从而实现飞机环控系统控制组件的故障 诊断。 

同时，在故障诊断中，阈值会直接影响故障检测与诊断的效果。阈值过大可能检测不到故障，过小则可能引发虚警。由于受到随机干扰、工况扰动、系统输入和当前系统状态等因素的影响，传统的基于固定阈值的故障检测已无法满足实际应用需求。考虑到神经网络（NN）的学习能力和良好的鲁棒性，近年来一些使用基于神经网络的自适应阈值对控制组件进行故障检测的仿真研究已经得以实现。 

虽然有一些基于神经网络的故障检测与隔离方法已经被成功地应用于工业生产，然而很少有关于飞机环控系统控制组件的故障诊断研究，更缺乏一套完整的飞机环控系统控制组件故障检测与隔离方法，包括残差产生、自适应阈值检测、在线故障跟踪及故障隔离。 

发明内容

本发明的目的是为了解决在飞机环控系统故障诊断领域，尚缺少一套完整的飞机环控系统控制组件故障检测与隔离方法，现有故障检测方法实时性差、虚警率高，故障隔离方法不够可靠的实际工程应用问题，根据RBF神经网络进行故障诊断所具备的优势，提出了基于四级RBF神经网络的飞机环控系统控制组件故障诊断方法，实现飞机环控系统控制组件实时故障检测与隔离。 

本发明基于四级RBF神经网络的飞机环控系统控制组件故障诊断方法，具体包括以下步骤： 

步骤一、建立并训练一级RBF神经网络观测器。 

采集控制组件系统各种正常状态下的输入输出数据训练RBF观测器。其训练输入向量为控制组件输入温度信号及系统延迟输出温度信号，其中系统延迟输出温度信号是由系统实际输出通过一个模拟真实控制组件输出滞后功能的迟滞环节得到。RBF观测器训练输出向量为系统实际输出温度信号。 

步骤二、建立并训练二级RBF自适应阈值产生器。 

首先将系统各种正常状态下的系统输入及系统延迟输出送入训练好的一级RBF神经网络观测器，得到观测器估计输出。通过比较观测器估计输出与系统实际输出得到系统正常状态下的残差，将此残差定义为基准残差sta_threshold。再将系统输入信号与观测器估计输出信号作为输入向量训练二级RBF自适应阈值产生器。其输出向量为系统正常状态下得到的 基准残差sta_threshold加上修正因子β。其中，β是考虑到未知的系统干扰及建模误差，通过仿真得到的。 

步骤三、建立三级RBF故障跟随器，提取其网络结构参数。