基于lsqnonlin及遗传算法的涡扇发动机监测参数选择研究

吴君凤

(中国商用飞机有限责任公司上海飞机设计研究院,上海 201210)

作者简介：吴君凤(1987—)，女，工程师，硕士，主要研究方向为发动机控制，wujunfeng@comac.cc.

摘要：基于lsqnonlin非线性优化函数及遗传算法研究了涡扇发动机监测参数的选择方法。首先建立涡扇发动机模型及故障模型；然后在建立的模型基础上进行基于lsqnonlin非线性优化函数的故障诊断及隔离；最后基于遗传算法选择出最优监测参数集，并在考虑测量噪声的情况下对选出的参数集进行验证。研究表明该方法具有通用性，有一定的工程应用价值。

关键词：lsqnonlin；遗传算法；涡扇发动机；故障诊断；监测参数

中图分类号：V233.7   文献标识码：A   文章编号：2095-509X(2021)04-0077-06

发动机健康管理是航空发动机重要的组成部分，健康管理在增强飞机推进系统性能、可操作性、安全性和可靠性方面起着重要的作用^［1］。故障诊断是健康管理很重要的组成部分，用到的技术主要有传感器技术、诊断技术与数据融合技术等^［2］。传感器技术的运用是整个控制与健康管理的基础，传感器提供了一系列用于后续控制与决策的原始信息。

传感器监测参数的选择传统方法是部件研究人员与系统研究人员经反复协商后获得，且大多是定性结果，缺乏定量的结果。随着系统复杂程度增加和需求的不同，传统方法已不能满足要求。与传统方法不同，由NASA格林研究中心提出的系统化传感器选择策略（systematic sensor selection strategy，简称S4），基于系统模型、系统诊断模型、健康信息等模块，依据公认的选择标准和性能指标来定量分析传感器在系统中的价值，并综合考虑成本、质量和可靠性等因素，针对不同目的，系统化、定量地选择最优的传感器集^［3-7］。文献^［3］研究了S4方法在火箭发动机中的应用；文献^［4］概括了航天系统传统的传感器选择方法并研究了S4方法在航天系统中的应用；文献^［5］和^［6］研究了S4方法在民用涡扇发动机中的应用，并用C-MAPSS^［7］进行仿真验证；文献^［8］基于卡尔曼滤波算法用S4方法进行参数选择。

本文以民用涡扇发动机为对象，在原有7个控制参数基础上增加5个候选监测参数。针对部件故障诊断需求，利用lsqnonlin非线性优化函数及遗传算法，依据统一的诊断标准在32种方案中选择最优的参数集，并在基于GasTurb/MATLAB的航空发动机部件级模型^［9］上进行验证，结果表明该方法可以应用于国内民用涡扇发动机监测参数的选择。