对应的测量噪声标准差σiik+1
[0056] 步骤004.分别针对各个局部滤波器，局部滤波器获得其对应工作区域组中各指 定气路部件上各传感器在第k+Ι时刻的检测结果ylik+1，这里，y1>k=[NpNH、T22、P22、T3、P3、 T43、T6]，依次为风扇转速、压气机转速、风扇出口温度、风扇出口压力、压气机出口温度、压 气机出口压力、高压涡轮出口温度、混合室出口温度；并且如图6所示，这里采用小波变换 算法来降低不确定测量噪声对粒子滤波的影响，该局部滤波器在第k+Ι时刻，针对长度L= 50的观测序列进行小波变换，获得该局部滤波器所对应的测量噪声标准差σlik+1，并根据该 局部滤波器在第k+Ι时刻所获其对应工作区域组中各指定气路部件工作效率变化系数所 对应、该局部滤波器在第k+Ι时刻所获系统各个指定气路部件工作效率变化系数所对应粒 子集合中各粒子的部分测量值V^k+1，通过如下粒子滤波似然函数：
[0057]
[0058] 获得该局部滤波器在第k+Ι时刻所获其对应工作区域组中各指定气路部件工作 效率变化系数所对应、该局部滤波器在第k+Ι时刻所获系统各个指定气路部件工作效率变 化系数所对应粒子集合中各粒子的权值，作为该局部滤波器在第k+Ι时刻所获系统各个指 定气路部件工作效率变化系数所对应粒子集合中各粒子的权值ωink+1，再进入步骤005。
[0059] 粒子滤波似然函数中〇lik+1应与测量噪声的方差保持一致。当系统的观测模型不 准确，测量噪声的统计特性未知时，预先给定的σik+1值可能会偏离真实的测量噪声vik+1， 从而引起估计精度的下降，甚至导致估计结果严重偏离真值。利用小波变换算法，在每个采 样时刻k+Ι，针对长度L= 50的观测序列进行小波变换，计算出测量噪声标准差的实时估计 值：
[0060]
[0061] 式中，尺度s为0.5,4为τ在最细节尺度的离散表示，〇<h<K/2，W"(s，th)为 InUj) |j= 0, 1，…，J}的J/2小波系数，Med表示序列的中间值。根据上式估计 出噪声的标准差，再根据上文给出的似然函数解析表达式，即可更新各子滤波器似然函数， 从而提尚了粒子滤波的估计精度。
[0062] 步骤005.分别针对各个局部滤波器，局部滤波器针对其在第k+Ι时刻所获系统各 个指定气路部件工作效率变化系数所对应粒子集合中各粒子的权值ω^k+1进行归一化处 理，并结合该局部滤波器在第k+Ι时刻所获系统各个指定气路部件工作效率变化系数所对 应粒子集合中各粒子的状态量a^k+1进行加权处理，使得该局部滤波器获得第k+Ι时刻系 统各个指定气路部件的初级工作效率变化系数集合X'lk+1;接着，该局部滤波器获得其在 第k+Ι时刻所获系统各个指定气路部件初级工作效率变化系数，分别相对于该局部滤波器 自第〇时刻起至第k+Ι时刻所有时刻所获对应指定气路部件初级工作效率变化系数的初级 协方差，构成该局部滤波器第k+Ι时刻的局部滤波器初级协方差阵集合P' 1>k+1，并进入步 骤005006。
[0063] 步骤005006.分别针对各个局部滤波器的初级工作效率变化系数集合t1>k+1和 局部滤波器初级协方差阵集合pk+1，采用概念密度截算法进行不等式约束，分别更新各 个局部滤波器的初级工作效率变化系数集合t1>k+1为加入约束的初级工作效率变化系数 集合，以及分别更新各个局部滤波器的局部滤波器初级协方差阵集合wLk+1为加入约束 的局部滤波器初级协方差阵集合，并进入步骤006。这里我们针对各个局部滤波器的初级工 作效率变化系数集合中，所包含的四个指定气路部件的初级工作效率变化系数设定的约束 上限为[1. 005, 1. 005,L005,L005]，约束下限为[0· 97,(λ90,(λ96,(λ98]。
[0064] 步骤006.各个局部滤波器分别将其所获"1>k+1和W1>k+1，以及其对应的航空 发动机系统噪声协方差阵Q上传至主滤波器中，主滤波器针对来自各个局部滤波器的信息 分别通过如下公式进行信息融合：
[0065]
[0066]
[0067]
[0068] 分别获得第k+Ι时刻航空发动机各个指定气路部件的工作效率变化系数集合Xt ?,k+1、第k+1时刻航空发动机各个指定气路部件工作效率变化系数对应的协方差阵集合Pt 局,k+1，以及航空发动机系统噪声协方差阵Q全局，并进入步骤007 ;
[0069] 步骤007.主滤波器将X全局,k+1、P全局,k+1和Q全局，通过如下公式：
[0070]
[0071] 平均分配至各个局部滤波器中，各个局部滤波器分别获得第k+Ι时刻系统各个 指定气路部件的工作效率变化系数集合Xi,k+1、第k+Ι时刻的局部滤波器协方差阵集合Pi, k+1，以及局部滤波器所对应的航空发动机系统噪声协方差阵Q;然后分别针对各个局部滤波 器，比较局部滤波器所对应系统各个指定气路部件上一时刻的工作效率变化系数与当前时 刻的工作效率变化系数，实现针对系统各个指定气路部件的故障检测，并进入步骤009。
[0072] 步骤009.将k+Ι的值赋予k，并返回步骤002。
[0073] 为了验证设计本发明所设计基于自适应粒子滤波的航空发动机气路部件故障检 测方法的有效性，在MATLAB环境下进行气路健康诊断的数字仿真。
[0074] 在发动机地面工作点H= 0m，Ma= 0,模拟发动机过渡态过程中的气路部件发生 突变故障，其中，航空发动机燃烧室供油，尾喷管面积变化及噪声标准差变化如图4a_图4c 所示。发动机气路故障模式为风扇效率、压气机效率、高压涡轮效率和低压涡轮效率分别在 第2秒突变下降1 %。为验证本发明设计的诊断方法的诊断能力，如图5a_图5d所示，针对 风扇效率下降1%的故障模式，依次应用集中式粒子滤波算法（Filterl)、分布式粒子滤波 算法（Filter2)、加不等式约束的分布式粒子滤波算法（Filter3)，以及本发明所设计检测 方法（Filter4)进行仿真比较；四种算法的性能对比如下表1所示，其中均方根误差计算公 式为
_.状态估计值标准差公式为 S为仿真步
Μ ?=1 数。
[0075]
[0076]表1
[0077] 结合图5a_图5d和表1的诊断结果可以看出，分布式粒子滤波算法（Filter2)由 于采取加权形式的信息融合策略，能够有效的利用所有传感器测量信息，因此计算精度高 于集中式粒子滤波算法（Filterl)。利用概率密度截断法加入不等式约束的分布式粒子滤 波算法（Filterf)由于有效利用了健康参数的先验信息，因此具有更高的估计精度。而本 发明设计的融合自适应粒子滤波算法（Filter4)在加入不等式约束的基础上又利用小波 变换算法实时估计测量噪声的标准差，自适应调整粒子滤波似然函数，降低了不确定测量 噪声对粒子滤波的影响。如图6应用本发明设计基于小波变换的测量噪声标准差实时估计 图，从图中可以看出小波变换算法能实时跟踪噪声的变化，准确地估计出噪声的标准差。因 此，在四种算法中，本发明设计的融合自适应粒子滤波算法对健康参数的估计精度最高。
[0078] 本发明所设计基于自适应粒子滤波的航空发动机气路部件故障检测方法中，具有 融合结构的粒子滤波器组是根据传感器分组情况设计相应的局部滤波器，各局部滤波器独 立地进行时间更新和测量更新，主滤波器进行信息融合获得全局状态估计；不等式约束算 法是通过矩阵变换将多维约束变换为独立的一维约束，然后求取约束内的概率，并将约束 内的概率单位化，解出变换后正态分布的期望值和方差；噪声标准差估计是利用小波变换 算法实时估计测量噪声的特性，通过调整似然分布的形状，更新各局部滤波器似然函数，从 而避免了测量噪声的改变对粒子滤波的影响。本发明可实现发动机过渡态气路部件故障诊 断，对于保证发动机安全可靠运行、降低维护费用有着积极促进作用。
[0079] 上面结合说明书附图针对本发明的实施方式作了详细说明，但是本发明并不限于 上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨 的前提下做出各种变化。
【主权项】
1.基于自适应粒子滤波的航空发动机气路部件故障检测方法，其特征在于：首先针对 航空发动机各个指定气路部件，分别设置用于指定参数测量的各个传感器；然后将各个指 定气路部件按其所在工作区域进行划分获得各个工作区域组，接着设置分别与各个工作区 域组相一一对应的局部滤波器，各个工作区域组中各指定气路部件上设置的各个传感器分 别与所在工作区域组对应的局部滤波器相连接；最后设置与各个局部滤波器相连接的主滤 波器；所述故障检测方法包括如下步骤： 步骤001.初始化k= 0,并预设第k时刻航空发动机各个指定气路部件的工作效率变 化系数集合X^5,k、第k时刻航空发动机各个指定气路部件工作效率变化系数对应的协方差 阵集合P4S,k，以及航空发动机系统噪声协方差阵;将上述三组预设量平均分配至各个 局部滤波器中，使得各个局部滤波器分别获得其在第k时刻所获系统各个指定气路部件的 工作效率变化系数集合Xi,k、其在第k时刻的局部滤波器协方差阵集合Pi, k，以及其对应的 航空发动机系统噪声协方差阵Q，并进入步骤002;其中，i= {1、···、〗}，1表示局部滤波器 的个数；P1>k表示第i个局部滤波器在第k时刻所获系统各个指定气路部件工作效率变化 系数，分别相对于该局部滤波器自第0时刻起至第k时刻所有时刻所获对应指定气路部件 工作效率变化系数的协方差，所构成第i个局部滤波器第k时刻的局部滤波器协方差阵集 合； 步骤002.分别针对各个局部滤波器，首先抽取与局部滤波器相一一对应包含预设数 量N个粒子的粒子集合，构成该局部滤波器在第k+Ι时刻所获系统各个指定气路部件工作 效率变化系数所