基于Sigma点卡尔曼滤波的燃气轮机气路故障诊断

上海交通大学学报（自然版） ›› 2016, Vol. 50 ›› Issue (04): 534-539.

基于Sigma点卡尔曼滤波的燃气轮机气路故障诊断

黄宜坤，陈梅珊，张会生，翁史烈

（上海交通大学动力机械与工程教育部重点实验室，上海 200240）

收稿日期:2015-04-04 出版日期:2016-04-28 发布日期:2016-04-28

Gas Path Diagnosis Based on Sigma Point Kalman Filter of Gas Turbine

HUANG Yikun,CHEN Meishan,ZHANG Huisheng,WENG Shilie

(Key Laboratory for Power Machinery and Engineering of the Ministry of Education, Shanghai Jiaotong University, Shanghai 200240, China)

Received:2015-04-04 Online:2016-04-28 Published:2016-04-28

摘要/Abstract

摘要： 摘要：针对燃气机复杂的机械和电子控制系统易发生故障的问题，利用Sigma点卡尔曼滤波进行了燃气轮机的在线非线性故障诊断.首先改进了燃气轮机滤波用离散非线性模型，提高了模型精度.采用单形采样构建Sigma点卡尔曼滤波器，降低了计算量.在Simulink 平台实现了气路故障诊断系统，并进行了单故障、复合故障、渐变故障、突变故障的测试验证.结果表明：设计的诊断系统具有较高的检测、跟踪精度和故障模式、燃气轮机工况适应性.

关键词: 燃气轮机, 气路故障, 卡尔曼滤波, 在线诊断

Abstract: Abstract： In this paper, the Sigma Point Kalman Filter for gas turbine was proposed to estimate health parameters and diagnose gas turbine fault. First, a discrete nonlinear mechanism model of gas turbine was established. Then, an improved Sigma Point Kalman Filter based on simplex sampling was designed and a gas path fault diagnosis system was developed on Simulink platform. The results of verification, including the single fault, compound faults, gradual faults as well as abrupt fault, show that the diagnosis system has accurate detection, stable tracking performance and good adaptability of fault mode and gas turbine operational conditions. This paper is meaningful for achieving online gas path fault diagnosis and advanced model based control.

Key words: Key words： gas turbine, gas path diagnosis, Kalman Filter, online diagnosis

中图分类号:

TK 39

黄宜坤，陈梅珊，张会生，翁史烈. 基于Sigma点卡尔曼滤波的燃气轮机气路故障诊断[J]. 上海交通大学学报（自然版）, 2016, 50(04): 534-539.

HUANG Yikun,CHEN Meishan,ZHANG Huisheng,WENG Shilie. Gas Path Diagnosis Based on Sigma Point Kalman Filter of Gas Turbine[J]. Journal of Shanghai Jiaotong University, 2016, 50(04): 534-539.

参考文献

［1］VOLPONI A J. Gasturbine engine health management: past, present, and future trends［J］. Journal of Engineering for Gas Turbines and Power, 2014, 136(5)： (051201)120. ［2］夏迪, 陈娇, 王永泓, 等. 基于热参数的燃气轮机故障诊断系统分析软件［J］. 上海交通大学学报，2009，43(2)： 283287. XIA Di, CHEN Jiao, WANG Yonghong, et al. Test rig for performance analysis based gas turbine diagnosis［J］. Journal of Shanghai Jiaotong University, 2009, 43(2): 283287 ［3］赵琳，王小旭，李亮，等. 非线性系统滤波理论［M］. 北京：国防工业出版社，2012. ［4］翁史烈. 燃气轮机性能分析［M］. 上海：上海交通大学出版社，1987. ［5］付云鹏, 黄宜坤, 张会生, 等. 一种考虑变几何特性的重型燃气轮机建模方法［J］. 动力工程学报，2014，34(3)： 200204. FU Yunpeng, HUANG Yikun, ZHANG Huisheng, et al. A modeling method for heavy gas turbines considering variable geometry characteristics［J］. Journal of Chinese Society of Power Engineering, 2014, 34(3): 200204. ［6］YU L J, CLEARY D J, CUDDIHY P E. A novel approach to aircraft engine anomaly detection and diagnostics［C］∥Aerospace Conference. Montana： IEEE，2004： 34683475. ［7］KONG C. Review on advanced health monitoring methods for aero gas turbines using model based methods and artificial intelligent methods［J］. International Journal of Aeronautical and Space Sciences, 2014, 15(2)： 123137. ［8］蒲星星. 基于模型的重型燃气轮机气路故障诊断研究［D］. 北京：清华大学机械工程学院， 2013. ［9］PINELLI M, SPINA P. Gas turbine field performance e determination: sources of uncertainties［J］. ASME Journal of Engineering for Gas Turbines and Power, 2002， 124(1)： 155160. ［10］夏迪，王永泓，翁史烈. 基于热参数的单轴燃气轮机非线性故障诊断方法［J］. 上海交通大学学报，2008，42(3)： 381384. XIA Di, WANG Yonghong, WENG Shilie. Nonlinear component fault diagnosis of one shaft gas turbine［J］. Journal of Shanghai Jiaotong University, 2008, 42(3): 381384. ［11］马怀腾. 虚拟仪器技术在燃气轮机热参数故障诊断中的应用研究［D］. 上海：上海交通大学机械与动力工程学院， 2013. ［12］MATHIOUDAKIS K, KAMBOUKOS P, STAMATIS A. Turbofan performance deterioration tracking using nonlinear models and optimization techniques［C］∥ASME Turbo Expo 2002: Power for Land, Sea, and Air. Amsterdam： American Society of Mechanical Engineers, 2002： 6573.

[1]	姜俊豪, 陈刚. 驾驶机器人转向操纵的动态模型预测控制方法[J]. 上海交通大学学报, 2022, 56(5): 594-603.
[2]	赵勇, 苏丹. 基于4种长短时记忆神经网络组合模型的畸形波预报[J]. 上海交通大学学报, 2022, 56(4): 516-522.
[3]	高红莲, 尤杰, 曹松银. 基于PF-UKF组合滤波的SINS/GPS组合导航系统空中对准方法[J]. 上海交通大学学报, 2022, 56(11): 1447-1452.
[4]	张文佳, 马辛. 深空探测器接近段自主导航的滑动窗口自适应滤波方法[J]. 上海交通大学学报, 2022, 56(11): 1461-1469.
[5]	董祥祥, 吕润妍, 蔡云泽. 基于变分贝叶斯理论的不确定厚尾噪声滤波方法[J]. 上海交通大学学报, 2020, 54(9): 881-889.
[6]	崔乃刚, 蔡李根, 荣思远. 基于有向图切换IMM-CKF高速滑翔目标跟踪算法[J]. 空天防御, 2020, 3(3): 1-8.
[7]	张记华, 韦亚利, 李智, 周小川. 弹载单基测角被动定位滤波算法研究[J]. 空天防御, 2020, 3(1): 34-40.
[8]	胡兵,杨明,郭林栋,王春香,王冰. 基于地面快速鲁棒特征的智能车全局定位方法[J]. 上海交通大学学报（自然版）, 2019, 53(2): 203-208.
[9]	刘敏，张英堂，李志宁，范红波. 基于增量稀疏核极限学习机的柴油机故障在线诊断[J]. 上海交通大学学报（自然版）, 2019, 53(2): 217-224.
[10]	殷玮, 祁文治. 基于IMM_UKF的自抗扰控制导引律研究[J]. 空天防御, 2018, 1(1): 56-62.
[11]	陈小玲，茅旭初. 基于粒子群算法和平方根平淡卡尔曼滤波的北斗导航系统定位估计算法[J]. 上海交通大学学报（自然版）, 2017, 51(5): 592-.
[12]	刘爱虢1，朱悦1，陈保东1，曾文1，翁一武2，刘凯1，王成军1. 某重型燃气轮机NOx排放性能反应动力学数值计算[J]. 上海交通大学学报（自然版）, 2017, 51(11): 1383-1390.
[13]	杨云，饶宇. 不同深度凹陷内湍流流动与传热性能的数值研究[J]. 上海交通大学学报（自然版）, 2017, 51(1): 18-.
[14]	邢建峰1，饶宇1，李博2，饶琨3. 具有微小V肋-凹陷复合结构表面湍流传热实验研究[J]. 上海交通大学学报（自然版）, 2017, 51(1): 40-.
[15]	陈金伟，陈梅珊，梅姣姣，张会生. 考虑环境温度和功率的燃气轮机进口可转导叶控制策略优化[J]. 上海交通大学学报（自然版）, 2016, 50(04): 540-544.