[发明专利]一种应用于发动机气路分析的气路测量参数选择方法

说明书

本发明公开了一种应用于发动机气路分析的气路测量参数选择方法。所述应用于发动机气路分析的气路测量参数选择方法包括：根据发动机工作状态，确定气路测量参数及健康参数；获取气路测量参数以及健康参数的第一敏感性影响系数矩阵H；并生成第二敏感性影响系数矩阵S；获取每个所述气路测量参数所对应的各个健康参数的敏感度；获得各个气路测量参数之间的模糊贴近度并形成测量参数的模糊贴近度矩阵R；计算总体相关性系数β；形成多组类组数据；并形成健康参数模糊贴近度矩阵E；计算总体冗余度系数ψ；筛选出最优类组数据；重复上述步骤，从而得到发动机在各个工作状态下的最优类组数据。通过该方法，可以快速地确定气路测量参数优化选取方案。

技术领域

本发明涉及发动机气路分析技术领域，特别是涉及一种应用于发动机气路分析的气路测量参数选择方法。

背景技术

现有技术中，航空发动机气路分析的气路测量参数优化选择技术已在航空发动机和燃气轮机领域取得了一定范围的应用，例如应用于克莱菲尔德大学的PYTHIA气路分析软件(备注：大致于2009-2010年取得英国专利，但未检索到专利号)以及GE90、Trent-800、Trent-900等发动机上。

目前存在的方法主要分为以下几个方面：基于影响系数的分析方法、基于启发式/人工智能算法的优化方法和状态能观度分析方法。以上三种方法均存在各自的缺点和不足：

(1)基于传统的影响系数矩阵的分析方法：

基于影响系数矩阵的方法首先由L.A.Urban提出，在此基础上，A.Stamatis和K.Mathioudakis分别提出了基于影响系数矩阵奇异值分解和条件数分析的方法。M.S.Jasmani、Yiguang Li以及唐海龙、陈敏等分别提出了基于敏感性分析和相关性分析的方法。克莱菲尔德大学的专利就属于该类方法。

该类方法科学可靠，便于理解和操作，但存在以下两点不足：首先，在参数选取过程中，需要将经验对计算出的参数选择结果相结合，无法实现智能优化，导致所选择的气路测量参数组合很可能并不是最优解；其次，该类方法并没有考虑测量不确定性的影响。因此，以上两方面均在一定程度上影响了此种方法的效率和精度。

(2)基于启发式/人工智能算法的优化方法：

此种方法通过启发式算法或人工智能方法对测量参数进行智能选择，姜荣俊等利用模糊数学方法对气路测量参数的选择方法进行了改进；Sowers等利用遗传算法实现了航空发动机的气路测量参数进行优化选择。

此类方法存在过程复杂、计算量大的缺点。

(3)状态能观度分析方法：

Provost和Borguet分别根据故障诊断系统的影响系数矩阵提出了状态能观度分析方法,并应用该方法进行气路测量参数优化选择。在此基础上，Yim、Ham和蒲星星等人对此展开了深入研究。该类方法大都只对稳态的能观度进行分析，参数选择结果不一定适用于发动机的所有工作状态，有时可能存在不准确现象，无法实现测量参数的动态选择。

综上所述，之前的气路测量参数选择方法往往存在如下的局限性：

(1)之前的此类方法，只基于某一方面或某几方面考虑(比如敏感性分析)，没有综合考虑气路分析的各方面需求，无法实现基于数学算法的多目标寻优，导致实际工程应用中出现结果失真、精确较低等现象；

(2)之前的此类方法由于没有实现测量参数的自动的动态智能选择，导致很难融合于气路分析系统软件、健康管理系统等设计体系中；

(3)传统的方法往往只局限于发动机稳态下的气路测量参数选取，参数选择结果不一定适用于发动机的所有工作状态。因此，往往造成较大的误差，同时也不利于测量参数的动态智能优化选择；