[发明专利]航空发动机健康参数估计方法及航空发动机自适应模型

说明书

本发明公开了一种航空发动机健康参数估计方法，基于航空发动机状态空间模型与真实发动机的可测状态参数，利用增量式动态逆估计方法，实现对航空发动机健康参数的实时在线估计。本发明还公开一种航空发动机自适应模型。本发明根据真实发动机的可测状态参数与发动机状态空间模型的状态量，采用增量式动态逆实时估计航空发动机的健康参数，从而实现了对常规测量方法无法得到的健康参数的准确估计；本发明进一步基于在线实时估计的健康参数构建航空发动机自适应模型，可实现对非额定工况下发动机动态响应的实时跟踪，具有良好的变状态鲁棒适应性。

技术领域

本发明涉及一种航空发动机自适应模型，属于航空宇航推进理论与工程中的系统控制与仿真技术领域。

背景技术

航空发动机自适应模型可以实时反映发动机之间的个体差异以及服役期内部件蜕化对发动机性能的影响，能跟踪真实发动机的非额定工况，是发动机性能参数估计、容错控制、性能寻优控制以及在线故障诊断等先进控制技术的基础[Estimating in flightperformance variations using Kalman filter concepts[R]]。

自1960年卡尔曼(Kalman)估计方法提出以来，Kalman理论得到了快速的发展。20世纪80年代以来，鉴于Kalman滤波器的优良品质，以Kalman滤波估计器为核心，根据发动机实测状态量的变化估计发动机性能退化的自适应建模方法应运而生，出现了很多相关的应用成果。鲁峰提出了一种基于容积跟踪滤波器的涡轴发动机自适应部件级仿真模型构建方法[一种涡轴发动机自适应部件级仿真模型构建方法[P]]，根据容积跟踪滤波器估算气路部件不可测性能参数，自动修正各部件的流量和效率特性图，以进行部件气动热力参数计算。为弥补常规卡尔曼估计方法只能用于小范围的缺陷，Samer S采用拓展卡尔曼滤波的方法，通过在线拟合发动机的状态变量模型，实时求解卡尔曼增益矩阵，拓宽了卡尔曼估计技术的适用范围[Kalman Filter for a Class of Nonlinear Systems[J]]。显然这种处理给控制系统设计、计算都带来大的复杂度。此外，肖玲斐提出一种基于滑模理论的航空发动机气路故障诊断方法，结合滑模控制理论，设计滑模控制器，提出基于误差反馈滑模控制的航空发动机自适应线性动态模型设计方法[一种基于滑模理论的航空发动机气路故障诊断方法[P]]，但滑膜控制量的切换幅度越大，抖动越明显，在精确度要求极高的航空航天领域，这种抖动是绝对不能容许的。

动态逆是一种具有动态逆和模型预测控制的多变量控制结构，可对被控对象的控制变量在全过程进行动态特性处理，以达到期望的特性，能够对复杂的耦合非线性问题进行解耦，使其看起来类似一组独立的虚拟作动器。由于其物理概念清晰、适用面宽、应用简单，在工程以及很多学科的实际应用中发挥着日益显著的作用，如Sheng-Wen Chen针对加入旋翼挥舞运动的UH-60直升机非线性模型分别进行了逆动态飞行控制律的研究[ModelPredictive Control Architecture for Rotorcraft Inverse Simulation[J]]。然而，航空发动机的强耦合、强非线性特性，使得获取能准确表达发动机工作特性的数学解析式成为一个难点问题，因此，动态逆目前尚未在航空发动机自适模型中得到应用。

发明内容

本发明所要解决的技术问题在于克服现有技术不足，提供一种航空发动机健康参数估计方法，基于增量式动态逆实现对航空发动机健康参数的实时在线估计；并基于该方法构建一种航空发动机自适应模型，可实现对非额定工况下发动机动态响应的实时跟踪，具有良好的变状态鲁棒适应性。

一种航空发动机健康参数估计方法，基于航空发动机状态空间模型与真实发动机的可测状态参数，利用以下的增量式动态逆估计方法，实现对航空发动机健康参数的实时在线估计：

Δu(k)＝B^-1·(μ-(Δx(k)-Δx(k-1)))+Δu(k-1)

μ＝K_p·(Δx_real(k)-Δx(k))