本发明公开了一种针对航空发动机动态过程气路故障诊断时部分传感信号缺失的问题，利用高压涡轮出口压力虚拟传感器生成技术替代真实传感器进行气路故障诊断，该方法包括：基于机理模型的高压涡轮出口压力虚拟传感器前向信号生成与后向信号生成；基于虚拟传感器的信号选择逻辑，结合UKF的气路旋转部件故障诊断。本发明解决了在缺少热端部件高压涡轮出口压力的情况下，发动机气路故障诊断能力不强的问题，适用于发动机飞行包线内不同工作点旋转部件故障的动态过程诊断，对于发动机健康管理、降低维修成本有着积极促进的作用。
1.一种涡扇发动机热端虚拟传感器信号生成与气路故障诊断方法，其特征在于，包括以下步骤：
步骤1)利用高压涡轮生成正向高压涡轮出口压力信号与利用低压涡轮生成反向高压涡轮出口压力信号；
步骤2)基于虚拟传感器的信号选择逻辑，选择正向高压涡轮出口压力信号或反向高压涡轮出口压力信号中的一个作为虚拟传感器信号，结合无迹卡尔曼滤波器，即UKF对旋转部件进行气路故障诊断。
2.根据权利要求1所述的一种涡扇发动机热端虚拟传感器信号生成与气路故障诊断方法，其特征在于：所述步骤1)中正向生成与反向生成高压涡轮出口压力虚拟传感器信号具体步骤如下：步骤1.1)利用高压涡轮部件模型，基于容积动力学正向生成高压涡轮出口压力信号，通过牛顿迭代方法提高信号精度；
步骤1.2)利用低压涡轮部件模型，基于转子动力学计算反向高压涡轮出口压力信号，通过牛顿迭代方法提高信号精度。
3.根据权利要求2所述的一种涡扇发动机热端虚拟传感器信号生成与气路故障诊断方法，其特征在于：所述步骤1.1)中利用高压涡轮部件模型，基于容积动力学生成正向高压涡轮出口压力信号，通过牛顿迭代方法提高信号精度具体步骤如下：步骤1.1.1)利用燃烧室入口参数，计算出高压涡轮的入口温度T4和高压涡轮当前时刻的入口压力P4，代入高压涡轮部件中，利用高压涡轮当前时刻的入口压力P4和上一时刻出口压力P43计算出高压涡轮压比，根据航空发动机在不同转速下对应的高压涡轮压比与高压涡轮入口流量，高压转子效率与高压涡轮入口流量生成两种插值表，通过计算出的高压涡轮压比，根据插值表得出相应的高压涡轮入口流量W4和高压转子效率，根据容积效应中流量不平衡计算当前时刻的高压涡轮出口温度、压力计算公式为：其中，h43是高压涡轮旋转部件后掺混后的气体的焓值，W4，Wcool分别是当前时刻高压涡轮和冷却气流量，W43是上一时刻高压涡轮出口流量，R43是由油气比算出的气体常数，V是容腔的体积，T43，P43是上一时刻高压涡轮出口温度和压力，k43是由T43和油气比算出的比热系数，D43是由焓与比热系数算出的计算系数，P43(n),P43(n-1)分别为当前与上一时刻的高压涡轮出口压力，T43(n),T43(n-1)分别为当前与上一时刻的高压涡轮出口温度，step为计算步长；
步骤1.1.2)为了得到更加精确的高压涡轮出口压力，根据计算出的高压涡轮出口温度，与真实传感器测得温度的残差，对步骤1.1.1)中上一时刻的高压涡轮出口压力进行修正，具体公式为：其中，k为迭代次数，h是扰动步长，T43,r是量测的高压涡轮出口温度，迭代更新直到精度达到10-5，或者迭代次数达到设置的最大值15，输出虚拟传感器信号。
4.根据权利要求2所述的一种涡扇发动机热端虚拟传感器信号生成与气路故障诊断方法，其特征在于：步骤1.2)中所述利用低压涡轮部件模型，基于转子动力学计算反向高压涡轮出口压力信号，通过牛顿迭代方法提高信号精度具体步骤如下：步骤1.2.1)，利用低压涡轮上一时刻计算的入口压力和当前时刻量测出口压力计算出低压涡轮压比，根据航空发动机在不同转速下对应的低压涡轮压比与低压涡轮入口流量，低压转子效率与低压涡轮入口流量，生成两种插值表，通过计算出的低压涡轮压比，由插值表得出对应的低压涡轮入口流量和低压转子效率，计算当前时刻的低压涡轮出口温度：S5＝S43-lgπLPT
其中，πLPT是低压涡轮的压比，S5，h5分别是低压涡轮出口的熵值，焓值，S43表示高压涡轮出口燃气熵值，h5,i是低压涡轮出口理想焓值由油气比和熵值计算得出，ηLPT是低压涡轮效率，T5,c是低压涡轮出口温度，fh2T()是焓值对应温度的函数，fin是对应的油气比；
步骤1.2.2)根据计算出的低压涡轮出口温度，与真实传感器测得温度的残差，对低压涡轮压比进行修正，具体公式为：其中，T5,c，T5,r分别是计算出的和量测的低压涡轮出口温度，迭代更新直到精度达到10-5，或者迭代次数达到设置的最大值15，根据此时低压涡轮压比πLPT，计算出低压涡轮入口压力，输出作为反向高压涡轮压力信号。
5.根据权利要求1所述的一种涡扇发动机热端虚拟传感器信号生成与气路故障诊断方法，其特征在于：步骤2)中所述基于虚拟传感器的信号选择逻辑，选择正向高压涡轮出口压力信号或反向高压涡轮出口压力信号作为虚拟传感器信号，结合UKF对旋转部件气路故障诊断具体步骤如下：步骤2.1)，利用真实传感器数据，通过UKF计算出风扇、压气机的4个健康参数；
步骤2.2)，根据油量变化，以及基于正向假设的压力信号，通过UKF计算出健康参数，根据逻辑选择确定虚拟传感器信号；
步骤2.3)，将真实传感器数据与虚拟传感器数据结合，通过UKF计算出完整的风扇、压气机、高压涡轮、低压涡轮的8个健康参数，将其前4个健康参数用步骤2.1)中的4个健康参数替换，组合成新的健康参数代表当前时刻的发动机状态。
6.根据权利要求2所述的一种涡扇发动机热端虚拟传感器信号生成与气路故障诊断方法，其特征在于：步骤2.2)中根据油量变化，以及基于正向假设的压力信号，通过UKF计算出健康参数，根据逻辑选择确定虚拟传感器信号具体步骤如下：步骤2.2.1)，若油量变化率超过σ1，则虚拟传感器信号采用上一时刻虚拟传感器信号生成方式，直到高压涡轮效率健康参数偏离量低于σ2并且低压涡轮的流量健康参数的偏离量少于σ3；
步骤2.2.2)，若油量没有突变，是一个稳态或者油量渐变的工作状况，此时利用通过高压涡轮部件正向生成出的压力信号；通过UKF利用正向生成的压力信号计算出相应的健康参数，如果高压涡轮的流量健康参数偏离量小于θ1并且高压涡轮效率健康参数偏离量小于θ2，则表示高压涡轮当前为未故障状态，将正向生成的压力作为虚拟传感器信号；反之，通过低压涡轮部件计算反向生成的压力信号，UKF利用反向生成的压力信号计算出相应的健康参数，并且将反向生成的压力信号作为虚拟传感器信号。
7.根据权利要求3所述的一种涡扇发动机热端虚拟传感器信号生成与气路故障诊断方法，其特征在于：step取0.001，h取0.0001。
8.根据权利要求6所述的一种涡扇发动机热端虚拟传感器信号生成与气路故障诊断方法，其特征在于：σ1取0.1，σ2取0.5％，σ3取0.5％，θ1取0.5％，θ2取0.5％。
涡扇发动机热端虚拟传感器信号生成与气路故障诊断方法
技术领域
[0001] 本发明属于航空发动机气路故障诊断技术领域，尤其涉及一种缺失高压涡轮出口压力传感器的航空发动机包线内气路故障识别方法。
背景技术
[0002] 航空发动机作为飞机的心脏，其结构复杂且工作环境恶劣。发动机故障诊断技术是保证发动机性能与可靠性，降低使用维护成本的重要手段。气路部件故障影响着航空发动机的性能与可靠性，有必要对其进行诊断。
[0003] 卡尔曼滤波算法是线性最小方差估计的一种递推形式。只要有足够的传感器测量可用，那么卡尔曼滤波方法在航空发动机气路故障诊断中有着较高的精度。然而，由于复杂的发动机结构限制了传感器的安装，特别是在燃烧室和低压涡轮之间的位置，所以很难集齐气路所有的物理参数。本发明基于无迹卡尔曼滤波方法，在航空热力学理论的基础上，建立热端虚拟传感器，并提出了一种与状态估计相结合的假设检验策略来跟踪发动机部件的突然蜕化。本发明提出了前向信号生成与后向信号生成高压涡轮出口压力虚拟传感器，基于虚拟传感器的信号选择逻辑，结合无迹卡尔曼滤波器(UKF)的涡轮部件气路故障诊断，在飞行包线内不同工作点的都有满意的精度。
发明内容
[0004] 针对上述技术问题，本发明提供一种涡扇发动机热端虚拟传感器信号生成与气路故障诊断方法，利用虚拟传感器替代高压涡轮出口压力传感器，并提出了一种与状态估计相结合的假设检验策略来跟踪发动机部件的突然蜕化。针对航空发动机在包线内不同的工作状态，实现了发动机在飞行包线内不同的工作点利用虚拟传感器的气路故障诊断。
[0005] 技术方案：为实现上述目的，本发明采用的技术方案为：
[0006] 一种涡扇发动机热端虚拟传感器信号生成与气路故障诊断方法，包括以下步骤：
[0007] 步骤1)利用高压涡轮生成正向高压涡轮出口压力信号与利用低压涡轮生成反向高压涡轮出口压力信号；
[0008] 步骤2)基于虚拟传感器的信号选择逻辑，选择正向高压涡轮出口压力信号或反向高压涡轮出口压力信号中的一个作为虚拟传感器信号，结合无迹卡尔曼滤波器，即UKF对旋转部件进行气路故障诊断。
[0009] 进一步地，所述步骤1)中正向生成与反向生成高压涡轮出口压力虚拟传感器信号具体步骤如下：
[0010] 步骤1.1)利用高压涡轮部件模型，基于容积动力学正向生成高压涡轮出口压力信号，通过牛顿迭代方法提高信号精度；
[0011] 步骤1.2)利用低压涡轮部件模型，基于转子动力学计算反向高压涡轮出口压力信号，通过牛顿迭代方法提高信号精度。
[0012] 进一步地，所述步骤1.1)中利用高压涡轮部件模型，基于容积动力学生成正向高压涡轮出口压力信号，通过牛顿迭代方法提高信号精度具体步骤如下：
[0013] 步骤1.1.1)利用燃烧室入口参数，计算出高压涡轮的入口温度T4和高压涡轮当前时刻的入口压力P4，代入高压涡轮部件中，利用高压涡轮当前时刻的入口压力P4和上一时刻出口压力P43计算出高压涡轮压比，根据航空发动机在不同转速下对应的高压涡轮压比与高压涡轮入口流量，高压转子效率与高压涡轮入口流量生成两种插值表，通过计算出的高压涡轮压比，根据插值表得出相应的高压涡轮入口流量W4和高压转子效率，根据容积效应中流量不平衡计算当前时刻的高压涡轮出口温度、压力计算公式为：
[0014]
[0015]
[0016]
[0017]
[0018] 其中，h43是高压涡轮旋转部件后掺混后的气体的焓值，W4，Wcool分别是当前时刻高压涡轮和冷却气流量，W43是上一时刻高压涡轮出口流量，R43是由油气比算出的气体常数，V是容腔的体积，T43，P43是上一时刻高压涡轮出口温度和压力，k43是由T43和油气比算出的比(n) (n-1)热系数，D43是由焓与比热系数算出的计算系数，P43 ,P43 分别为当前与上一时刻的高压涡轮出口压力，T43(n),T43(n-1)分别为当前与上一时刻的高压涡轮出口温度，step为计算步长；
[0019] 步骤1.1.2)为了得到更加精确的高压涡轮出口压力，根据计算出的高压涡轮出口温度，与真实传感器测得温度的残差，对步骤1.1.1)中上一时刻的高压涡轮出口压力进行修正，具体公式为：
[0020]
[0021] 其中，k为迭代次数，h是扰动步长，T43,r是量测的高压涡轮出口温度，迭代更新直到精度达到10-5，或者迭代次数达到设置的最大值15，输出虚拟传感器信号。
[0022] 进一步地，步骤1.2)中所述利用低压涡轮部件模型，基于转子动力学计算反向高压涡轮出口压力信号，通过牛顿迭代方法提高信号精度具体步骤如下：
[0023] 步骤1.2.1)，利用低压涡轮上一时刻计算的入口压力和当前时刻量测出口压力计算出低压涡轮压比，根据航空发动机在不同转速下对应的低压涡轮压比与低压涡轮入口流量，低压转子效率与低压涡轮入口流量，生成两种插值表，通过计算出的低压涡轮压比，由插值表得出对应的低压涡轮入口流量和低压转子效率，计算当前时刻的低压涡轮出口温度：
[0024] S5＝S43-lgπLPT
[0025] h5＝h43+(h43-h5,i)ηLPT
[0026] T5,c＝fh2T(fin,h5)
[0027] 其中，πLPT是低压涡轮的压比，S5，h5分别是低压涡轮出口的熵值，焓值，S43表示高压涡轮出口燃气熵值，h5,i是低压涡轮出口理想焓值由油气比和熵值计算得出，ηLPT是低压涡轮效率，T5,c是低压涡轮出口温度，fh2T()是焓值对应温度的函数，fin是对应的油气比；
[0028] 步骤1.2.2)根据计算出的低压涡轮出口温度，与真实传感器测得温度的残差，对低压涡轮压比进行修正，具体公式为：
[0029]
[0030] 其中，T5,c，T5,r分别是计算出的和量测的低压涡轮出口温度，迭代更新直到精度达到10-5，或者迭代次数达到设置的最大值15，根据此时低压涡轮压比πLPT，计算出低压涡轮入口压力，输出作为反向高压涡轮压力信号。
[0031] 进一步地，步骤2)中所述基于虚拟传感器的信号选择逻辑，选择正向高压涡轮出口压力信号或反向高压涡轮出口压力信号作为虚拟传感器信号，结合UKF对旋转部件气路故障诊断具体步骤如下：
[0032] 步骤2.1)，利用真实传感器数据，通过UKF计算出风扇、压气机的4个健康参数；
[0033] 步骤2.2)，根据油量变化，以及基于正向假设的压力信号，通过UKF计算出健康参数，根据逻辑选择确定虚拟传感器信号；
[0034] 步骤2.3)，将真实传感器数据与虚拟传感器数据结合，通过UKF计算出完整的风扇、压气机、高压涡轮、低压涡轮的8个健康参数，将其前4个健康参数用步骤2.1)中的4个健康参数替换，组合成新的健康参数代表当前时刻的发动机状态。
[0035] 进一步地，步骤2.2)中根据油量变化，以及基于正向假设的压力信号，通过UKF计算出健康参数，根据逻辑选择确定虚拟传感器信号具体步骤如下：
[0036] 步骤2.2.1)，若油量变化率超过σ1，则虚拟传感器信号采用上一时刻虚拟传感器信号生成方式，直到高压涡轮效率健康参数偏离量低于σ2并且低压涡轮的流量健康参数的偏离量少于σ3；
[0037] 步骤2.2.2)，若油量没有突变，是一个稳态或者油量渐变的工作状况，此时利用通过高压涡轮部件正向生成出的压力信号；通过UKF利用正向生成的压力信号计算出相应的健康参数，如果高压涡轮的流量健康参数偏离量小于θ1并且高压涡轮效率健康参数偏离量小于θ2，则表示高压涡轮当前为未故障状态，将正向生成的压力作为虚拟传感器信号；反之，通过低压涡轮部件计算反向生成的压力信号，UKF利用反向生成的压力信号计算出相应的健康参数，并且将反向生成的压力信号作为虚拟传感器信号。
[0038] 进一步地，step取0.001，h取0.0001。
[0039] 进一步地，σ1取0.1，σ2取0.5％，σ3取0.5％，θ1取0.5％，θ2取0.5％。
[0040] 有益效果：本发明设计的一种涡扇发动机热端虚拟传感器信号生成与气路故障诊断方法，取消了高压涡轮出口压力传感器，在包线内不同的工作状态情况下，实现了对高压涡轮出口压力的虚拟传感器信号的生成，能够很好对飞行包线内航空发动机气路故障模式进行识别，单独计算出前四个健康参数替代整体计算的8个健康参数的前4个可以使结果更加准确。
附图说明
[0041] 图1涡扇发动机气路工作截面标识图。
[0042] 图2通过高压涡轮部件正向计算高压涡轮出口压力的流程图。
[0043] 图3结合UKF选择虚拟传感器信号的逻辑。
[0044] 图4地面油量渐变时两种假设结果与真实对比结果，图4(a)表示case1时的计算结果，图4(b)表示case2时的计算结果，图4(c)表示case3时的计算结果，图4(d)表示case4时的计算结果。
[0045] 图5地面油量突变时虚拟传感器信号与状态监测结果，图5(a)表示case1时的监测结果，图5(b)表示case2时的监测结果，图5(c)表示case3时的监测结果，图5(d)表示case4时的监测结果。
具体实施方式
[0046] 下面结合附图对本发明的具体实施方式作更进一步的说明。
[0047] 本发明说明的一种涡扇发动机热端虚拟传感器信号生成与气路故障诊断方法，具体包括以下步骤：
[0048] 步骤1)利用高压涡轮生成正向高压涡轮出口压力信号与利用低压涡轮生成反向高压涡轮出口压力信号；
[0049] 步骤1.1)利用高压涡轮部件模型，基于容积动力学正向生成高压涡轮出口压力信号，通过牛顿迭代方法提高信号精度；
[0050] 步骤1.1.1)利用燃烧室入口参数，计算出高压涡轮的入口温度T4和高压涡轮当前时刻的入口压力P4，代入高压涡轮部件中，利用高压涡轮当前时刻的入口压力P4和上一时刻出口压力P43计算出高压涡轮压比，根据航空发动机在不同转速下对应的高压涡轮压比与高压涡轮入口流量，高压转子效率与高压涡轮入口流量生成两种插值表，通过计算出的高压涡轮压比，根据插值表得出相应的高压涡轮入口流量W4和高压转子效率，根据容积效应中流量不平衡计算当前时刻的高压涡轮出口温度、压力计算公式为：
[0051]
[0052]
[0053]
[0054]
[0055] 其中，h43是高压涡轮旋转部件后掺混后的气体的焓值，W4，Wcool分别是当前时刻高压涡轮和冷却气流量，W43是上一时刻高压涡轮出口流量，R43是由油气比算出的气体常数，V是容腔的体积，T43，P43是上一时刻高压涡轮出口温度和压力，k43是由T43和油气比算出的比热系数，D43是由焓与比热系数算出的计算系数，P43(n),P43(n-1)分别为当前与上一时刻的高压(n) (n-1)涡轮出口压力，T43 ,T43 分别为当前与上一时刻的高压涡轮出口温度，step为计算步长，取0.001；
[0056] 步骤1.1.2)为了得到更加精确的高压涡轮出口压力，根据计算出的高压涡轮出口温度，与真实传感器测得温度的残差，对步骤1.1.1)中上一时刻的高压涡轮出口压力进行修正，具体公式为：
[0057]
[0058] 其中，k为迭代次数，h是扰动步长，取0.0001，T43,c,f,T43,r分别是计算和量测的高压涡轮出口温度，迭代更新直到精度达到10-5，或者迭代次数达到设置的最大值15，输出虚拟传感器信号。
[0059] 步骤1.2)利用低压涡轮部件模型，基于转子动力学计算反向高压涡轮出口压力信号，通过牛顿迭代方法提高信号精度；
[0060] 步骤1.2.1)，利用低压涡轮上一时刻计算的入口压力和当前时刻量测出口压力计算出低压涡轮压比，根据航空发动机在不同转速下对应的低压涡轮压比与低压涡轮入口流量，低压转子效率与低压涡轮入口流量，生成两种插值表，通过计算出的低压涡轮压比，由插值表得出对应的低压涡轮入口流量和低压转子效率，计算当前时刻的低压涡轮出口温度：
[0061] S5＝S43-lgπLPT
[0062] h5＝h43+(h43-h5,i)ηLPT
[0063] T5,c＝fh2T(fin,h5)
[0064] 其中，πLPT是低压涡轮的压比，S5，h5分别是低压涡轮出口的熵值，焓值，S43表示高压涡轮出口燃气熵值，h5,i是低压涡轮出口理想焓值由油气比和熵值计算得出，ηLPT是低压涡轮效率，T5,c是低压涡轮出口温度，fh2T()是焓值对应温度的函数，fin是对应的油气比；
[0065] 步骤1.2.2)根据计算出的低压涡轮出口温度，与真实传感器测得温度的残差，对低压涡轮压比进行修正，具体公式为：
[0066]
[0067] 其中，T5,c，T5,r分别是计算出的和量测的低压涡轮出口温度，迭代更新直到精度达到10-5，或者迭代次数达到设置的最大值15，根据此时低压涡轮压比πLPT，计算出低压涡轮入口压力，输出作为反向高压涡轮压力信号。
[0068] 步骤2)基于虚拟传感器的信号选择逻辑，选择正向高压涡轮出口压力信号或反向高压涡轮出口压力信号中的一个作为虚拟传感器信号，结合无迹卡尔曼滤波器，即UKF对旋转部件进行气路故障诊断。
[0069] 步骤2.1)，利用真实传感器数据，通过UKF计算出风扇、压气机的4个健康参数；
[0070] 步骤2.2)，根据油量变化，以及基于正向假设的压力信号，通过UKF计算出健康参数，根据逻辑选择确定虚拟传感器信号；
[0071] 步骤2.2.1)，若油量变化率超过σ1(取0.1)，则虚拟传感器信号采用上一时刻虚拟传感器信号生成方式，直到高压涡轮效率健康参数偏离量低于σ2并且低压涡轮的流量健康参数的偏离量少于σ3(σ2、σ3分别取0.5％，0.5％)；
[0072] 步骤2.2.2)，若油量没有突变，是一个稳态或者油量渐变的工作状况，此时利用通过高压涡轮部件正向生成出的压力信号；通过UKF利用正向生成的压力信号计算出相应的健康参数，如果高压涡轮的流量健康参数偏离量小于θ1并且高压涡轮效率健康参数偏离量小于θ2(θ1、θ2分别取0.5％，0.5％)，则表示高压涡轮当前为未故障状态，将正向生成的压力作为虚拟传感器信号；反之，通过低压涡轮部件计算反向生成的压力信号，UKF利用反向生成的压力信号计算出相应的健康参数，并且将反向生成的压力信号作为虚拟传感器信号。
[0073] 步骤2.3)，将真实传感器数据与虚拟传感器数据结合，通过UKF计算出完整的风扇、压气机、高压涡轮、低压涡轮的8个健康参数，将其前4个健康参数用步骤2.1)中的4个健康参数替换，组合成新的健康参数代表当前时刻的发动机状态。
[0074] 为了验证本发明所设计的涡扇发动机热端传感器信号生成与状态监测方法的有效性，在MATLAB环境下进行了包线内气路故障识别的数字仿真。
[0075] 首先，针对航空发动机在包线内不同工作点的故障模式识别问题，选择10种故障模式(如表1)用于验证虚拟传感器的准确性以及滤波方法能否很好的对相应故障模式进行识别。本发明涉及的实例所应用的涡扇发动机气路的工作截面如图1所示，低压涡轮入口就是高压涡轮出口压，选用的真实传感器以及标准偏差如表2。通过在包线内3个工作点，不同转速的情况(如表3)下，注入10种故障模式。
[0076] 表1涡扇发动机故障模式说明
[0077]
[0078]
[0079] 表2传感器选择与标准偏差说明
[0080]
[0081] 表3工作状态点选取
[0082]
[0083] 分别正向，反向生成高压涡轮出口压力参数，如图2所示。利用合适的逻辑关系从正向与反向假设中选择合适的压力参数作为虚拟传感器信号，同时输出该时刻的健康参数如图3所示。地面点稳态的两种假设的仿真结果如表4所示，虚拟传感器信号以及健康参数基于虚拟传感器和真实传感器的稳态，动态仿真结果如表5，表6所示。包线内不同工况的仿真结果如表7所示。如图4所示，当风扇、压气机故障时，两种假设的结果都在真实值附近波动。当高压涡轮故障时，正向计算的压力值偏离真实值，反向计算出的结果在真实值附近。油量突变时，逻辑选择能够从两种假设中选择精确的结果作为虚拟传感器信号。
[0084] 表4地面稳态点两种假设的均方根误差(RMSE)及标准差(SD)
[0085]
[0086] 表5地面点虚拟传感器信号的均方根误差(RMSE*104)随油量变化结果
[0087]
[0088] 表6地面点基于虚拟传感器与真实值健康参数总均方根误差对比(TRMSE*104)[0089]
[0090] 表7包线内不同工况点的虚拟传感器信号(P43,c)和健康参数(h)的均方根误差(RMSE*104)结果
[0091]
[0092] 由表4可以看出，正向与反向计算中总有一个与真实值误差很小，且计算结果稳定在真实值上下波动。从表5，表6，表7中可以看出，本方法提出的建立虚拟传感器信号的精度较高，其与真实值的均方根误差均小于0.1％，并且在稳态与油量渐变的情况下与基于真实传感器信号相比，健康参数的均方根误差差距不大。
[0093] 本发明设计的涡扇发动机热端虚拟传感器信号生成与气路故障诊断方法，取消了高压涡轮出口压力传感器，在包线内不同的工作状态情况下，实现了生成高压涡轮出口压力的信号，能够很好对飞行包线内航空发动机气路故障模式进行识别。
[0094] 需要指出的是，以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明的技术范围内，可轻易想到的变化和替换，都应涵盖在本发明的保护范围内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
