[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

摘要

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。

主权项

1.一种应用于发动机气路分析的气路测量参数选择方法，其特征在于，包括如下步骤：步骤1：根据发动机工作状态，确定发动机在该状态下的待选的气路测量参数，并确定健康参数；步骤2：获取上述的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；通过公式以及第一敏感性影响系数矩阵H，生成第二敏感性影响系数矩阵S，其中，第一敏感性影响系数矩阵H根据如下公式获得：第二敏感性影响系数矩阵S根据如下公式获得h_i,j为第一敏感性影响系数矩阵中的第i行、第j列元素，z_i为第i个测量参数变量，x_j为第j个健康参数变量，ε_i为第i个测量参数对应的传感器测量精度，s_i,j为第二敏感性影响系数矩阵中第i行、第j列对应的敏感性系数；步骤3：通过所述第二敏感性影响系数矩阵S以及公式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，其中，用于获得每个所述气路测量参数所对应的各个健康参数的敏感度所采用的公式如下：s_i为测量参数z_i对应的总体敏感性，n为健康参数的个数；步骤4：通过公式以及所述第二敏感性影响系数矩阵S，获得各个气路测量参数之间的模糊贴近度，从而形成测量参数的模糊贴近度矩阵R，其中，各个气路测量参数之间的模糊贴近度采用如下公式获得：为第二敏感性影响系数矩阵S中与测量参数z_i对应的行向量，为第二敏感性影响系数矩阵S中与测量参数z_j对应的行向量；步骤5：通过公式以及所述测量参数的模糊贴近度矩阵R，计算总体相关性系数β，其中，计算总体相关性系数β时采用如下公式获得：其中a,b,c∈[0,1]，r_i,j为测量参数与测量参数之间的相关性系数，m为测量参数的个数；步骤6：利用模糊聚类分析方法，对测量参数的模糊贴近度矩阵R进行分析，确定最佳阈值，从而将所述气路测量参数分类，形成多组类组数据；步骤7：通过公式计算各个健康参数之间的模糊贴近度，并形成健康参数模糊贴近度矩阵E，其中，各个健康参数之间的模糊贴近度采用如下公式获得：为第二敏感性影响系数矩阵S中与健康参数x_i对应的列向量，为第二敏感性影响系数矩阵S中与健康参数x_j对应的列向量；步骤8:根据所述健康参数模糊贴近度矩阵E，通过公式计算总体冗余度系数ψ，其中，总体冗余度系数ψ采用如下公式获得：其中a,b,c∈[0,1]，e_i,j是健康参数模糊贴近度矩阵E中的第i行、第j列元素，n为健康参数的个数；步骤9：通过遗传算法创建初始种群，并通过遗传算法将所有所述步骤6中的气路测量参数的类组数据通过公式进行解算，从而筛选出最优类组数据；具体为：选取一组类组数据，以及选取的类组数据所对应的第二敏感性影响系数矩阵S中的行向量，通过函数公式创建遗传算法的解的初始种群；将其他组类组数据以及其对应的第二敏感性影响系数矩阵S中的行向量分别带入至上述的遗传算法中，从而分别求解，从而获得最优类组数据；其中，函数公式为其中，在OF_Optimal＝min{OF₁ … OF_n}时，所对应的类组数据为最优类组数据，S^C为所选参数集合对应的第二敏感性影响系数矩阵，R^C为所选参数集合对应的测量参数的模糊贴进度矩阵，E^C为所选参数集合对应的健康参数模糊贴近度矩阵，L为所选测量参数的个数；步骤10：重复变换发动机工作状态，首先确定选择发动机在该状态下的待选的气路测量参数；并重复所述步骤2至所述步骤9，从而得到发动机在各个工作状态下的最优类组数据。