简短的评论

数量:11 (7)DOI: 10.37532 / 2319 - 9822.2022.11 .225 (7)

• 查看PDF
• 下载

利用模糊推理系统,防止测量在燃气涡轮发动机故障诊断的不确定性

*通信:

丹尼尔·罗伯茨主编,《太空探索,德国,电子邮件:spaceexploration@scholarres.org

文摘

在这项研究中,一个全新的Takagi-Sugeno-Kang(啧啧)基于模糊推理系统的基于绩效的缺陷检测和识别(FDI)方法对涡扇发动机气体涡轮发动机。我们采用参数校正预处理的原始测量数据为了解决不断变化的环境条件的问题,可以减少外国直接投资系统的复杂性。此外,作为调度参数配置的功率角是降低TSK-based外商直接投资系统的规则数。一个组件级涡扇发动机模型是用于生产所需的数据设计、培训和测试阶段的FDI战略计划。的粒子群优化技术和岭回归方法用于优化的前提和重要的参数提出TSK-based外商直接投资系统。然后,通过融合的独特的模糊推理系统TSK-based外商直接投资系统,一个弹性结构对测量偏差。通过深入的仿真测试,一阶TSK-based外商直接投资系统的和有弹性的外商直接投资结构的性能评估。比较研究支持一阶TSK-based外商直接投资系统的故障隔离精度上的优势,识别和检测。成功的利率指数提高2%至8%以下,而严重的测量偏差设置,展示的结构对测量误差的高弹性。综合案例模拟演示了精度与范围广泛的偏差值和计算时间,证明建议弹性结构有利的网络性能。

介绍

先进的发动机控制系统的一个非常重要的组成部分健康管理系统是航空发动机故障检测和识别(FDI)系统。发动机的安全,维护费用和灾害的危险可能都与一个好的外国直接投资系统减少。外国直接投资系统使用气体通道的变化参数,如速度、温度、压力、流量,评估发动机性能偏离目标的条件。基于模型的方法和数据驱动方法两组属于外国直接投资方法的算法。由于它的许多好处,包括但不限于,处理传感器噪声和偏见,很小计算成本,和可接受的一个线性估计精度问题,卡尔曼滤波器(KF)是典型的和最广泛使用的基于模型的方法。它最初被有效地用于解决这一问题的评估健康航空发动机的1980年代后期,促进采用KF-based航空发动机健康管理的方法。基于修改KF,普惠公司发明了一种他们称为改进的自调优机载实时诊断系统模型(eSTORM),他们使用它与PW6000引擎。两件事KF-based方法的主要缺点是:(i)只有很小程度的非线性可以使用EKF-based处理问题的方法。非线性诊断问题估计经常扭曲和不足。(2)当测量的数量受到限制,KF-based方法的性能容易受到“涂”效应的影响,导致该算法经常把许多组件一个缺陷。近年来,机器学习技术,可以处理非线性的燃气涡轮发动机和具有较高的计算速度,已成为广泛用于燃气涡轮发动机检测问题。建筑剩余发电机和造型

发动机是一个典型的故障诊断技术。使用残差的缺点然后位于和孤立产生的剩余发电机。Shahnazari在2020年提出了一个故障隔离和检测技术,依赖于银行的剩余发电机建立利用银行的递归神经网络(RNN)。他使用RNNs银行确定和隔离单,多个并发执行机构和传感器的问题在他的研究中。2021年,Djeddi建议一个健壮的诊断技术基于自适应神经模糊推理系统(简称ANFIS)观察者。提高检测的弹性,利用可调阈值。每个组件来使用不同的简称ANFIS为了查明问题。MS5002B燃气轮机,实验证明实时能力。为了跟踪转动设备的使用,Rahmoune等人采用神经网络动态非线性自回归与外部外源输入(NARX)模拟燃气轮机。另一种常见的技术,要求发动机测量数据异常情况下基于绩效的策略。

零部件的性能通常是使用人工神经网络(ANN)模型。卷积神经网络(CNN),深层神经网络(款),和部分可判断的CNN都研究了近年来对燃气轮机绩效缺陷诊断。使用这种技术,可量化的天然气路线特征之间的映射关系和无形的组件健康指标是模仿。神经网络的隐藏层的操作是不可见的,这使得一个“黑箱”模型。之间的映射的特点和缺点缺乏可解释性。一个外国直接投资系统,是基于绩效的燃气涡轮发动机的性能必须是受测量误差较小。测量噪声可以使用上述处理算法。测量偏差,这很容易导致错误的解释组件失败,是应对挑战。此外,所有上述的调查FL-based故障诊断技术采用Mamdani FIS或零级啧啧,没有充分利用啧啧FIS的潜力。提出一个强有力的外商直接投资结构对测量偏差,由一个“偏置传感器隔离”组件和一个“故障诊断”部分。这个结构是由两部分组成:首先是一个特定的金融中间人与模糊规则的补充,第二个是一个一阶TSK-based外商直接投资银行系统。

结论

在这项研究中,一个双轴涡扇发动机燃气轮机故障检测和识别(FDI)系统对测量偏差。在设计阶段,不同环境和负载条件下也考虑在内。外国直接投资系统创建使用一阶Takagi-Sugeno-Kang(啧啧)型模糊推理系统(FIS)。通过引入误差、噪声或偏见到AGTF30引擎模型,创建设计和测试的数据。外国直接投资系统的参数优化使用的混合粒子群优化技术和岭回归。