一种应用于发动机气路分析的气路测量参数选择方法
【技术领域】
[0001] 本发明涉及发动机气路分析技术领域，特别是涉及一种应用于发动机气路分析的 气路测量参数选择方法。
【背景技术】
[0002] 现有技术中，航空发动机气路分析的气路测量参数优化选择技术已在航空发动 机和燃气轮机领域取得了一定范围的应用，例如应用于克莱菲尔德大学的PYTHIA气路 分析软件（备注：大致于2009-2010年取得英国专利，但未检索到专利号）以及GE90、 Trent-800、Trent-900 等发动机上。
[0003] 目前存在的方法主要分为以下几个方面：基于影响系数的分析方法、基于启发式 /人工智能算法的优化方法和状态能观度分析方法。以上三种方法均存在各自的缺点和不 足：
[0004] (1)基于传统的影响系数矩阵的分析方法：
[0005] 基于影响系数矩阵的方法首先由L.A.Urban提出，在此基础上，A.Stamatis 和K.Mathi〇udakis分别提出了基于影响系数矩阵奇异值分解和条件数分析的方法。 M.S.Jasmani、YiguangLi以及唐海龙、陈敏等分别提出了基于敏感性分析和相关性分析的 方法。克莱菲尔德大学的专利就属于该类方法。
[0006] 该类方法科学可靠，便于理解和操作，但存在以下两点不足：首先，在参数选取过 程中，需要将经验对计算出的参数选择结果相结合，无法实现智能优化，导致所选择的气路 测量参数组合很可能并不是最优解；其次，该类方法并没有考虑测量不确定性的影响。因 此，以上两方面均在一定程度上影响了此种方法的效率和精度。
[0007] (2)基于启发式/人工智能算法的优化方法：
[0008] 此种方法通过启发式算法或人工智能方法对测量参数进行智能选择，姜荣俊等利 用模糊数学方法对气路测量参数的选择方法进行了改进；Sowers等利用遗传算法实现了 航空发动机的气路测量参数进行优化选择。
[0009] 此类方法存在过程复杂、计算量大的缺点。
[0010] (3)状态能观度分析方法：
[0011] Provost和Borguet分别根据故障诊断系统的影响系数矩阵提出了状态能观度分 析方法，并应用该方法进行气路测量参数优化选择。在此基础上，Yim、Ham和蒲星星等人 对此展开了深入研究。该类方法大都只对稳态的能观度进行分析，参数选择结果不一定适 用于发动机的所有工作状态，有时可能存在不准确现象，无法实现测量参数的动态选择。
[0012] 综上所述，之前的气路测量参数选择方法往往存在如下的局限性：
[0013] (1)之前的此类方法，只基于某一方面或某几方面考虑（比如敏感性分析），没有 综合考虑气路分析的各方面需求，无法实现基于数学算法的多目标寻优，导致实际工程应 用中出现结果失真、精确较低等现象；
[0014] (2)之前的此类方法由于没有实现测量参数的自动的动态智能选择，导致很难融 合于气路分析系统软件、健康管理系统等设计体系中；
[0015] (3)传统的方法往往只局限于发动机稳态下的气路测量参数选取，参数选择结果 不一定适用于发动机的所有工作状态。因此，往往造成较大的误差，同时也不利于测量参数 的动态智能优化选择；
[0016] (4)之前的此类方法，对测量参数的相关性分析和分类不够科学合理，往往依赖于 一定的人工的经验判断，没有充分利用人工智能进行优化选择，影响了气路分析的效率和 精度；
[0017] (5)之前的此类方法对测量参数选择结果对气路分析（主要是气路故障诊断）的 扩散效应（SmearingEffect)考虑不足，没有对此方面做深入的分析，导致利用所选择的测 量参数虽然满足精度要求，但气路分析结果存在较大的扩散效应；
[0018] 此外，此类方法通常需要以发动机性能仿真模型作为基础和前提，对仿真模型的 依赖程度较高，不同的仿真模型会导致结果和精度的较大差别，这给国内对该项技术的引 进和应用带来很大的困难。
[0019] 因此，希望有一种技术方案来克服或至少减轻现有技术的至少一个上述缺陷。
【发明内容】
[0020] 名词解释：
[0021] 敏感性分析，即量化分析不同的气路测量参数对于健康参数变化的敏感程度。
[0022] 相关性分析：在健康参数发生相同的变化的情况下，不同的气路测量参数变化之 间的相似程度，并对其量化分析。
[0023] 贴近度：贴近度为模糊数学中的概念，贴近度反映了两个向量之间的相似程度。
[0024] 测量冗余度：不同的健康参数偏差引起的气路测量参数变化的相似（贴近）程度。 从参数的影响系数矩阵出发，可理解为健康参数之间的总体相似性评价指标（在气路故障 诊断中，可以理解为故障的相似性系数）。在测量冗余度较大的情况下，两个不同的健康参 数变化（故障）可能引起相同或相似程度较高的测量参数变化。
[0025] 本发明的目的在于提供一种应用于发动机气路分析的气路测量参数选择方法来 克服或至少减轻现有技术的中的至少一个上述缺陷。
[0026] 为实现上述目的，本发明提供一种应用于发动机气路分析的气路测量参数选择方 法，所述应用于发动机气路分析的气路测量参数选择方法包括如下步骤：
[0027] 步骤1 :根据发动机工作状态，确定发动机在该状态下的待选的气路测量参数，并 确定健康参数；
[0028] 步骤2 :获取上述的气路测量参数以及健康参数的第一敏感性影响系数矩阵H;通 过公式以及第一敏感性影响系数矩阵H，生成第二影响系数矩阵S;
[0029] 步骤3:通过所述第二敏感性影响系数矩阵S以及公式获取每个所述气路测量参 数所对应的各个健康参数的敏感度；
[0030] 步骤4:通过公式以及所述第二敏感性影响系数矩阵S，获得各个气路测量参数之 间的模糊贴近度，从而形成测量参数贴近度矩阵R;
[0031] 步骤5:通过公式以及所述测量参数贴近度矩阵R，计算总体相关性系数0;
[0032] 步骤6:利用模糊聚类分析方法，确定最佳阈值，从而将所述气路测量参数分类， 形成多组类组数据；
[0033] 步骤7 :通过公式计算各个健康参数之间的贴近度，并形成健康参数贴近度矩阵 E;
[0034] 步骤8:根据所述健康参数贴近度矩阵E，通过公式计算总体冗余度系数W;
[0035] 步骤9 :通过遗传算法创建初始种群，并通过遗传算法将所有所述步骤6中的气路 测量参数的类组数据通过公式进行解算，从而筛选出最优类组数据；
[0036] 步骤10 :重复变换发动机工作状态，首先确定选择发动机在该状态下的待选的气 路测量参数；并重复所述步骤2至所述步骤9,从而得到发动机在各个工作状态下的最优类 组数据。
[0037] 优选地，所述步骤2中的第一敏感性影响系数矩阵H通过如下公式获得：
[0038] 优选地，所述步骤2中的第一敏感性影响系数矩阵H通过如下公式获得：
[0039] 优选地，所述用于获得每个所述气路测量参数所定影的各个健康参数的敏感度采 用如下公式
其中，s为健康参数的敏感度。