基于多模型混合卡尔曼滤波的燃气涡轮发动机传感器故障检测、隔离与辨识
系统与控制
2015-08-28 v2
摘要
本文中，提出了一种新颖的传感器故障检测、隔离与辨识（FDII）策略，采用多模型（MM）方法。该方案基于多个混合卡尔曼滤波器（HKF），其表示系统非线性数学模型与若干分段线性（PWL）模型的集成。所提出的故障检测与隔离（FDI）方案能够通过使用贝叶斯方法插值PWL模型，在系统整个运行状态下检测和隔离传感器故障。此外，提出的基于多HKF的FDI方案被扩展为利用改进的广义似然比（GLR）方法辨识传感器故障幅值，该方法依赖于系统的健康运行状态。为展示我们提出的FDII方法的能力，对非线性燃气涡轮发动机进行了广泛的仿真研究。考虑了各种单一和并发传感器故障场景，以证明我们所提出的在线分层多HKF基FDII方案在不同飞行模式下的有效性。最后，我们将提出的基于HKF的FDI方法与各种滤波方法比较，如线性、扩展、无迹和容积卡尔曼滤波器（分别为LKF、EKF、UKF和CKF），对应于交互和非交互多模型（MM）基方案。我们的比较研究证实了所提HKF方法在故障检测及时性、更低误报率以及对发动机健康参数退化的鲁棒性方面的优越性。
引用
@article{arxiv.1505.02063,
title = {Sensor Fault Detection, Isolation and Identification Using Multiple Model-based Hybrid Kalman Filter for Gas Turbine Engines},
author = {Bahareh Pourbabaee and Nader Meskin and Khashayar Khorasani},
journal= {arXiv preprint arXiv:1505.02063},
year = {2015}
}
备注
31 pages, 7 figures. This version is prepared in the single-column format with minor modifications compared to the previous version. It is submitted to IEEE Transaction On Control System Technology