[发明专利]基于粒子滤波的航空发动机气路部件健康诊断方法

权利要求书

1.一种基于粒子滤波的航空发动机气路部件健康诊断方法，包括以下步骤：

步骤A、建立发动机非线性数学模型；

步骤B、设计基于神经网络重要性权值调整的粒子滤波算法；

步骤C、采用设计的算法实现基于发动机非线性模型的气路部件健康诊断。

2.如权利要求1所述基于粒子滤波的航空发动机气路部件健康诊断方法，其特征在于：所述步骤A包括以下步骤：

根据发动机气动热力学特性和典型的部件特性数据建立发动机各个部件的模型；

根据流量连续、功率平衡和转子动力学原理建立各个部件之间的共同工作方程组；

采用牛顿拉夫森迭代算法求解非线性方程组，获得发动机各截面工作参数。

3.如权利要求1所述基于粒子滤波的航空发动机气路部件健康诊断方法，其特征在于：所述步骤B中，基于神经网络重要性权值调整的粒子滤波算法步骤具体如下：

(1)初始化

在k=0时刻，从重要密度函数采样N个粒子，采样得到的粒子用

表示，1/N表示初始时刻粒子的权值，重要密度函数取转移先验概率密度函数：

xki~q(xki|xk-1i,zk)=p(xki|xk-1i)]]>

式中z_k表示k时刻的测量值。

(2)计算重要性权值

在时刻k，利用下式计算粒子的权值，将粒子按权值大小降序排列：

wki=wk-1ip(zk|xki)p(xk|xk-1i)q(xki|xk-1i,zk)]]>

(3)权值分裂

根据步骤(2)中排好序的粒子，考虑粒子总数目N，权值最大的r个粒子保留不变，这样最好粒子得以保留，同时适当选取p个权值次大的粒子分裂为两个小的权值减半的粒子，为了保持粒子数固定不变，将权值最小的p个粒子舍掉。

(4)粒子调整

取经过权值分裂后权值最小的q个粒子，利用BP神经网络调整粒子的状态，误差能力定义如下：

ϵ=12Σk=1q(zk-yk)2=12Σk=1qek2]]>

式中z_k是目标值，即系统在任意时刻的测量值，y_k是神经网络的输出，将权值最小的q个粒子作为神经网络的输入，样本的学习函数为系统的测量方程，学习完毕后将BP神经网络的权值输出，即作为调整后粒子的状态，利用重要性权值公式计算调整后粒子的权值，用调整后的粒子及其权值代替原来的q个粒子。

(5)重要性权值归一化及状态估计

wki=wkiΣj=1Nwkj]]>

x^k=Σi=1Nwkixki]]>

(6)重采样

计算有效粒子数Neff=1Σi=1N(wki)2,]]>判断是否进行重采样，当N_eff＜N_th，则进行重采样，否则不进行重采样，N_th为阈值，返回至步骤(2)。

4.如权利要求1所述基于粒子滤波的航空发动机气路部件健康诊断方法，其特征在于：所述步骤C中包括以下步骤：

在发动机非线性模型中引入一组表示发动机部件健康状况的指标参数为健康参数，通常选取为旋转部件的效率变化程度系数SE_i和流量变化程度系数SW_i；

通过发动机的输出值与非线性模型预测值之间的残差结合设计的粒子滤波算法对部件健康参数变化进行估计，实现发动机气路部件的健康诊断。