基于QPSO粒子滤波的航空发动机突变故障诊断  

QPSO Particle Filter Based Abrupt Fault Diagnostics for Gas Turbine Engine

作　　者：黄金泉[1,2] 陈煜[1] 周浩文[1] 鲁峰[1,2,3] 

机构地区：[1]南京航空航天大学江苏省航空动力系统重点实验室,南京210016 [2]先进航空发动机协同创新中心,北京100191 [3]中国航空工业集团公司航空动力控制系统研究所,无锡214063

出　　处：《南京航空航天大学学报》2014年第4期494-500,共7页Journal of Nanjing University of Aeronautics & Astronautics

基　　金：国家自然科学基金(51276087;61304133)资助项目;中央高校基本科研业务费专项基金(NP2012504;NS2013017)资助项目

摘　　要：针对标准粒子滤波算法对突变故障诊断迟缓的问题,提出了量子行为粒子群优化(Quantum-behaved particle swarm optimization,QPSO)的粒子滤波算法。该算法引入权值偏差系数的概念,当权值偏差系数超出设置的阈值时,认为系统发生故障,并结合最新的观测值,将量子行为粒子群优化算法融入到粒子的采样过程中,驱使粒子向高似然区域移动,提高粒子群对突变故障的估计性能。仿真结果表明,与标准粒子滤波算法相比,量子行为粒子群优化的粒子滤波算法显著提高了对突变故障的反应速度。For the problem of the standard particle filter with slow response to the abrupt faults,the quantum-behaved particle swarm optimization （QPSO） is applied to the standard particle filter to diagnose gas path abrupt faults for gas turbine engine.A new conception about weight variation coefficient is introduced in the novel algorithm.Abrupt fault is detected and alarmed as weight variation coefficient exceeding a preset threshold.The QPSO algorithm incorporates the newest observations into sampling process to make the particles move to the high likelihood area,leading to more accurate estimates of parameters which change abruptly.Simulation results show that the improved algorithm makes quicker response to the abrupt fault,compared with the standard particle filter.

关 键 词：航空发动机 突变故障 气路分析 粒子滤波 量子行为粒子群优化 

分 类 号：V233.7[航空宇航科学与技术—航空宇航推进理论与工程]