基于卡尔曼滤波器的涡轴发动机路部件性能估计

• 作者: 佘云峰 鲁峰 黄金泉
• 来源期刊: 长春理工大学学报（自然科学版）
• 学科: 航空航天
• 关键词: 涡轴发动机 状态变量模型 性能估计 卡尔曼滤波 神经网络
• 年，卷（期）: 2010,（3）
• 页码范围: 33-36,58
• 分类号: V233.7
• 字数: 3166字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9870.2010.03.010

摘要

以某型涡轴发动机为研究对象,提出了基于卡尔曼滤波器的方法进行发动机气路部件性能诊断.结合发动机实际运行情况,讨论了参数的合理选择以及非线性模型线性化程度对卡尔曼滤波结果的影响,考虑到非线性模型与真实发动机之间存在的建模误差会导致卡尔曼滤波器诊断失效,本文采用加入神经网络模块来补偿建模误差的方法,使模型能够真实反映发动机工作状况.实验表明,此方法可以提高故障诊断系统的置信度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄金泉	南京航空航天大学能源与动力学院	131	1533	22.0	31.0
2	鲁峰	南京航空航天大学能源与动力学院	41	353	12.0	17.0
3	佘云峰	南京航空航天大学能源与动力学院	3	30	3.0	3.0