式中 : 9 h( X)
Hk+1 =
X = ^X
k+1|k
9 X
为了应用 DMF算法 ,将换热器模型重新写口温度超过 250℃。换热器冷边芯体长 01 8m ,为以下形式。芯体宽 01 6m ,层数 21 ,vc =41 6 m/s ,ηc =01 9 ,系统观测方程 : 翅高 01 008 m ;换热器热边芯体长 01 6m ,芯体
1
tw (k) +[tc ,in (k)-tw (k) ] ·e -γ( k) 宽 01 8m ,层数 20 ,vh =01 4 m/s ,ηh =01 9 ,翅片
γ2 ( k)
tc ,out ( k)
+ 高 01 008 m。
γ( k)
=
3
th ,out ( k)
tw (k) +[tc ,in (k)-tw (k) ] ·e -
γ4 ( k) 系统噪声和观测噪声概率密度函数满足正态ntc ,out ( k) 分布。 nγ1～ N( 0 , 01 01) ,nγ2～ N( 0 , 01 01),nγ3～
nth ,out (k)N( 0 , 01 01) ,n
tw～ N( 0 , 01 01) ,ntc ,out～ N( 0 , 1),
式中 : ntc ,out ( k)和 nth ,out ( k)分别表示 tc ,out和 th ,out在 nth ,out～ N(0 ,1)。对于滤波模型 1 ,nγ4～ N(0 , 3),k时刻的观测噪声 ,这里假设为高斯分布。
主要跟踪稳态过程 ;对于滤波模型 2 ,nγ4～ N( 0 , 系统状态方程 : 150),主要跟踪过渡过程。γ1 ( k)
γ1 (k -1)
-1) 图 3～图 8分别为冷边出口温度、热边出口γ2 ( k)
γ2 (k -
-1) 温度、热边结垢因子 (ηαAw ) h的真值与估计值 ,γ3 ( k)
nγ3 (k -1) 以及对应的均方差 RMSE。为便于比较 ,图 3～γ4 ( k)
1)
= +
nγ4 (k -1) 图 8中同时给出 :单独采用滤波模型 1的仿真结tpc ,out ( k)
f 1 ( X(k -1))
0
果 E KF2M1、单独采用滤波模型 2的仿真结果
f 2 ( X(k -1))
0
tph ,out ( k)
E KF2M2 ,以及同时使用滤波模型 1和 2的仿真
f 3 ( X(k -1)) tw ( k) f 1 ( X(k -1)) =tw (k -1)ntw +(k -1) 结果 EKF2DM。
γ(k-1)
1 γ(k-1)
1 -e -2
[tc ,in (k)-tw (k -1)] · γ1 (k -1) γ2 (k -1)
f 2 ( X(k -1)) =tw (k -1)+
γ3 (k-1) γ(k-1)
1 -e -4
[th ,in (k)-tw (k -1)] · γ3 (k -1) γ4 (k -1)
f 3 ( X(k -1)) =tw (k -1)+
γ1 (k -1)T
[tpc ,out (k -1)-tw (k -1)]+
mw cpw
γ3 (k -1)T
[tph ,out (k -1)-tw (k -1)]
mw cpw
X(k) =[γ1 ( k) γ2 ( k) γ3 ( k) γ4 ( k) tpc ,out ( k)
tph ,out ( k) tw (k) ]T
式中 :nγ1 (k) ,nγ2 (k) ,nγ3 (k) ,nγ4 (k) ,ntw ( k)分别为 γ1 ,γ2 ,γ3 ,γ4 ,tw在 k时刻的噪声 ,这里假设为高斯分布 ;T为观测周期。
采用两个滤波模型 ,两个滤波模型中 nγ4 ( k)的方差不同。对于模型 1 ,采用方差较小的 nγ4
( k)来跟踪稳态过程 ;对于模型 2 ,采用方差较大的 nγ4 ( k)来跟踪过渡过程。
4 仿真分析
以某飞机飞行高度 2 km时 ,换热器热边突然出现故障为例 ,验证算法的有效性和实用性。仿真对象为不锈钢板翅式初级换热器 ,热边入
由仿真结果可知 :
(1)由于采用 DMF技术 ,实现了同时完成系统参数估计和状态 (温度 )滤波的功能 ,从而在技术上实现了对飞机环控系统换热器的实时在线故障预测与诊断。
αAw ) h预测值均方差 RMSE Fig1 8 RMSE of predicted values for (ηαAw ) h
(2) DMF算法与单模型滤波算法相比 ,在稳态和过渡过程中都取得了较高精度 ,这是由于采用两个模型分别匹配不同的系统状态。
(3)
针对本文的换热器系统 , DMF的故障辨识和预测能力较强。
(4)
由于滤波方法可以在线估计状态参数 ,所以对对象数学模型的准确性要求不严格。
5 结 论
提出采用基于 DMF方法的环控系统换热器动态故障诊断新方法 ,结合对象集总参数模型 ,根据测量温度在线动态估计系统模型参数 ,使得状态的在线辨识和预测能力得到较大提高 ,最终实现实时的故障预报与诊断。
仿真结果表明本文提出的基于 DMF方法的环控系统动态故障诊断方法可以实现系统动态特性估计 ,能进一步提高模型参数辨识效率 ,保证对象模型参数自适应辨识的可靠性和精度 ,从而实现了对象系统的在线故障预报与诊断。
参 考 文 献
[1] Persin S , Tovornik B. Real2time implementation of fault diagnosis to a heat exchanger [J ]. Control Engineering Practice , 2005 , 13 (8) : 106121069.
[2] Frank P M. Analytical and quantitative model2based fault diagnosis —a survey and some new results[J ]. European Journalof Control,1996,20:6228.
[3] Gordon N J , Salmond D J. Novel approach to nonlinear/ non2Gaussian Bayesian state estimation [J ]. IEEE Pro2 ceedings , 1993 , 140 (2) : 1072113.
[4] RisticB,ArulampalamS, GordonN. Beyondthe Kalman
filter2particle filter for tracking application[M]. Artech House , 2004 : 39.
[5] NordlundPJ,GustafssonF. SequentialMonteCarlofilte2
parameter optimization for heat exchanger[J ]. Journal of
environmental control system for avionics pods[J ].
Acta 法及其在航空发动机故障诊断中的应用 [J ].航空学报 ,
Aeronautica et Astronautica Sinica , 1997 , 18 (1) : 96299.
(in Chinese)
Xie Shousheng , Cai Kailong. Classification
[8] 姚洪伟 ,王浚 .method of Diverse Adaboost2SVM and its application to ring techniques applied to integrated navigation system[C] ∥ IEE Proceedings of the American Control Conference. 中国航空网 www.aero.cn 航空翻译 www.aviation.cn 本文链接地址：航空学报08大飞机专刊(89)
