(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110339258.4 (22)申请日 2021.03.30 (65)同一申请的已公布的文献号 申请公布号 CN 113128570 A (43)申请公布日 2021.07.16 (73)专利权人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 (72)发明人 胡庆雷　曾杨智　郑建英　郭雷　 (51)Int.Cl. G06K 9/62(2022.01) G06F 30/27(2020.01) G06F 30/25(2020.01) (56)对比文件 CN 112378670 A,2021.02.19 CN 110119588 A,2019.08.13 CN 110082115 A,2019.08.02CN 108681614 A,2018.10.19 US 20210 65065 A1,2021.0 3.04 葛哲学等.非高斯噪声下基 于Unscented粒 子滤波器的非线性系统故障诊断方法. 《兵工学 报》 .2007,(第03期),全文. 黄金泉等.基 于QPSO 粒子滤波的航空发动 机突变故障诊断. 《南京航空航天大 学学报》 .2014,全 文. Kai Peng etc. .An Adaptive F eedback Turning SIR Particle Fi lter and Its Application on Fault Dia gnosis of Auxiliary Power Unit. 《2018 9 th Internati onal Conference o n Mechanical and Aerospace Engi neering》 .2018,全 文. 顾嘉辉等.航空发动机健康估计的神经网络 修正卡尔曼滤波算法. 《推进技 术》 .2018,全 文. 审查员 雷诗娴 (54)发明名称 基于增广粒子滤波的液体火箭发动机推力 室故障诊断方法 (57)摘要 本发明公开一种基于增广粒子滤波的液体 火箭发动机推力室故障诊断方法， 包括步骤： 根 据推力室工作原理， 考虑常见故障效应， 建立推 力室非线性热力学名义模型和故障模 型； 根据非 线性热力学名义模型设计粒子滤波器， 估计推力 室的工作状态与输出； 构造推力室的估计输出与 测量输出之间的残差， 并采用广义似然比检验 法， 实现推力室故障检测； 将故障估计向量整合 到状态估计向量中， 扩张状态估计向量维度， 建 立增广故障辨识粒子滤波器， 实现故障辨识； 根 据故障辨识结果， 设计故障分类算法， 利用分类 结果， 建立改进的增广故障辨识粒子滤波器， 提 高故障估计精度。 本发明能够在外部干扰和随机 系统噪声与观测噪声下， 实时进行快速高精度的 故障检测与诊断。 权利要求书4页 说明书11页 附图6页 CN 113128570 B 2022.12.20 CN 113128570 B 1.一种基于增广粒子滤波的液体火箭发动机推力室故障诊断方法， 其特征在于， 包括 如下步骤： S1： 根据推力室工作原 理， 考虑推力室故障效应， 建立推力室的非线性热力学名义模型 和非线性热力学故障模型； S2:根据所建立的非线性热力学名义模型设计粒子滤波器， 估计推力室的状态与输出， 获取估计 状态向量和估计输出向量； S3： 构造推力室的估计输出与测量输出之间的残差， 基于所建立的推力室的非线性热 力学故障模型， 并采用广义似然比检验法， 对推力室进行故障检测， 获取估计故障向量； S4： 将所述估计故障向量整合到所述估计状态向量中， 扩展所述估计状态向量维度， 建 立增广故障辨识粒子滤波器， 估计故障大小， 对推力室故障进行辨识； S5： 根据步骤S4中的故障辨识结果， 设计故障分类算法进行故障分类， 并利用故障分类 结果， 建立改进的增广故障辨识粒子滤波器， 提高故障估计精度； 步骤S1中， 推力室故障效应包括氧化剂喷注器泄漏、 燃料喷注器泄漏、 喷管喉部烧蚀和 喷管燃气泄漏四种故障模式， 针对推力 室的名义工作模式与所述四种故障模式， 分别建立 推力室的非线性热力学名义模型： 和非线性热力学故障模型： 其中， D＝[qo,qf,RT,qe]T， qo为氧化剂喷注器流量， qf为燃料喷注器流量， RT为燃气热 值， qe为出口燃气流量； J表示系统约束函数； G表示系统状态转移函数； H表示系统测量函 数； X＝[r,p]T， X为状态向量， r为混合比， p为推力室压力； U＝[po,pf]T， U为输入向量， po为氧 喷注器前压力， pf为燃料喷注器前压力； W为系统噪声； pe为环境大气压； 14×1表示无故障， f 为故障向量； Γ＝[Ko,Kf, ε,A]T为系统结构参 数向量， Ko为氧喷注器 流量系数， Kf为燃料喷注 器流量系数， ε为出口燃气流量系数， A为推力室喉道面积； Y＝[pm,T,Θ]T， Y为输出 向量， pm 为燃烧室测量压力， T为推力室测量温度， Θ为推力室测量推力； V为推力室体积； 步骤S4具体过程如下： S41： 初始化第k步第i个粒子的估计故障向量 并增广所有粒子状态向量 维度， 将估计故障向量 并入系统状态向量中， 即 为第k步第i个粒子的增广 状态向量； S42： 考虑实际故障效应， 实际故障向量f(j)＞1， j＝1,2,3,4， 则预测故障向量 为： 权　利　要　求　书 1/4 页 2 CN 113128570 B 2其中， 为第k+1步第i个粒子的预测故障向量； β 为可调节参量， 调节策略为： β 越大， 估计结果的动态跟踪速率越 快， 但稳态时估计噪声水平 也增大； randn(1,4)表 示4维随机向 量， 且各元素相互独立且符合标准 正态分布； S43:计算第k+1步第i个粒子的预测状态向量 预测输出向量 以及预测增广状 态向量 如下： S44： 测量得到推力 室系统第k+1步的输出向量Yk+1， 采用验后概率密度 计 算推力室系统第k+1步各粒子的权重 并计算推力室系统第k+1步的状态估计值 S45： 根据粒子权重大小， 对第 k+1步第i个粒子的预测增广状态向量 进行重采样， 得到第k+1步第i个粒子的估计增广状态向量 第k+1步第i个粒子的估计状态向量 为 前两行， 第k+1步第i个粒子的估计故障向量 为 的后四行； S46： 输出推力室系统第k+1步的增广状态向量估计值： 推力室系统第k+1步的状态估计向量 为 前两个元素； 推力室系统第k+1步的估 计故障向量 为 的最后四个元 素； S47： 如果达 到仿真中止时刻， 则结束仿真， 否则执 行步骤S48； S48： 如果达 到仿真中止时刻， 则结束仿真， 否则启动故障分类算法， 执 行步骤S5 。 2.根据权利要求1所述的方法， 其特 征在于， 步骤S2具体过程如下： S21： 对所建立的非线性热力学名义模型(1)进行离 散化处理， 得到状态转移方程： 其中， k表示仿真步数； S22： 在仿真步数k＝1时， 根据初始状态分布函数采样得到初始粒子群， 其中第i个粒子权　利　要　求　书 2/4 页 3 CN 113128570 B 3