式中 : 9 h( X)
Hk+1 =
X = ^X
k+1|k
9 X

　　為了應用 DMF算法 ,將換熱器模型重新寫口溫度超過 250℃。換熱器冷邊芯體長 01 8m ,為以下形式。芯體寬 01 6m ,層數 21 ,vc =41 6 m/s ,ηc =01 9 ,系統觀測方程 : 翅高 01 008 m ;換熱器熱邊芯體長 01 6m ,芯體
1

tw (k) +[tc ,in (k)-tw (k) ] ·e -γ( k) 寬 01 8m ,層數 20 ,vh =01 4 m/s ,ηh =01 9 ,翅片
γ2 ( k)
tc ,out ( k)

+ 高 01 008 m。
γ( k)
=
3
th ,out ( k)

tw (k) +[tc ,in (k)-tw (k) ] ·e -

γ4 ( k) 系統噪聲和觀測噪聲概率密度函數滿足正態ntc ,out ( k) 分布。 nγ1～ N( 0 , 01 01) ,nγ2～ N( 0 , 01 01),nγ3～
nth ,out (k)N( 0 , 01 01) ,n
tw～ N( 0 , 01 01) ,ntc ,out～ N( 0 , 1),
式中 : ntc ,out ( k)和 nth ,out ( k)分別表示 tc ,out和 th ,out在 nth ,out～ N(0 ,1)。對于濾波模型 1 ,nγ4～ N(0 , 3),k時刻的觀測噪聲 ,這里假設為高斯分布。
主要跟蹤穩態過程 ;對于濾波模型 2 ,nγ4～ N( 0 , 系統狀態方程 : 150),主要跟蹤過渡過程。γ1 ( k)
γ1 (k -1)

-1) 圖 3～圖 8分別為冷邊出口溫度、熱邊出口γ2 ( k)

γ2 (k -

-1) 溫度、熱邊結垢因子 (ηαAw ) h的真值與估計值 ,γ3 ( k)

nγ3 (k -1) 以及對應的均方差 RMSE。為便于比較 ,圖 3～γ4 ( k)
1)
= +

nγ4 (k -1) 圖 8中同時給出 :單獨采用濾波模型 1的仿真結tpc ,out ( k)
f 1 ( X(k -1))
0
果 E KF2M1、單獨采用濾波模型 2的仿真結果
f 2 ( X(k -1))
0
tph ,out ( k)
E KF2M2 ,以及同時使用濾波模型 1和 2的仿真
f 3 ( X(k -1)) tw ( k) f 1 ( X(k -1)) =tw (k -1)ntw +(k -1) 結果 EKF2DM。

γ(k-1)
1 γ(k-1)
1 -e -2
[tc ,in (k)-tw (k -1)] · γ1 (k -1) γ2 (k -1)
f 2 ( X(k -1)) =tw (k -1)+
γ3 (k-1) γ(k-1)
1 -e -4
[th ,in (k)-tw (k -1)] · γ3 (k -1) γ4 (k -1)
f 3 ( X(k -1)) =tw (k -1)+
γ1 (k -1)T

[tpc ,out (k -1)-tw (k -1)]+
mw cpw

γ3 (k -1)T
[tph ,out (k -1)-tw (k -1)]
mw cpw

X(k) =[γ1 ( k)　γ2 ( k)　γ3 ( k)　γ4 ( k)　tpc ,out ( k)
tph ,out ( k)　tw (k) ]T

式中 :nγ1 (k) ,nγ2 (k) ,nγ3 (k) ,nγ4 (k) ,ntw ( k)分別為 γ1 ,γ2 ,γ3 ,γ4 ,tw在 k時刻的噪聲 ,這里假設為高斯分布 ;T為觀測周期。
采用兩個濾波模型 ,兩個濾波模型中 nγ4 ( k)的方差不同。對于模型 1 ,采用方差較小的 nγ4
( k)來跟蹤穩態過程 ;對于模型 2 ,采用方差較大的 nγ4 ( k)來跟蹤過渡過程。
4　仿真分析
以某飛機飛行高度 2 km時 ,換熱器熱邊突然出現故障為例 ,驗證算法的有效性和實用性。仿真對象為不銹鋼板翅式初級換熱器 ,熱邊入

由仿真結果可知 :
(1)由于采用 DMF技術 ,實現了同時完成系統參數估計和狀態 (溫度 )濾波的功能 ,從而在技術上實現了對飛機環控系統換熱器的實時在線故障預測與診斷。
αAw ) h預測值均方差 RMSE Fig1 8　RMSE of predicted values for (ηαAw ) h
(2) DMF算法與單模型濾波算法相比 ,在穩態和過渡過程中都取得了較高精度 ,這是由于采用兩個模型分別匹配不同的系統狀態。

(3)
針對本文的換熱器系統 , DMF的故障辨識和預測能力較強。

(4)
由于濾波方法可以在線估計狀態參數 ,所以對對象數學模型的準確性要求不嚴格。

5　結　論
提出采用基于 DMF方法的環控系統換熱器動態故障診斷新方法 ,結合對象集總參數模型 ,根據測量溫度在線動態估計系統模型參數 ,使得狀態的在線辨識和預測能力得到較大提高 ,最終實現實時的故障預報與診斷。
仿真結果表明本文提出的基于 DMF方法的環控系統動態故障診斷方法可以實現系統動態特性估計 ,能進一步提高模型參數辨識效率 ,保證對象模型參數自適應辨識的可靠性和精度 ,從而實現了對象系統的在線故障預報與診斷。
參　考　文　獻
[1]　Persin S , Tovornik B. Real2time implementation of fault diagnosis to a heat exchanger [J ]. Control Engineering Practice , 2005 , 13 (8) : 106121069.

[2]　Frank P M. Analytical and quantitative model2based fault diagnosis —a survey and some new results[J ]. European Journalof Control,1996,20:6228.

[3]　Gordon N J , Salmond D J. Novel approach to nonlinear/ non2Gaussian Bayesian state estimation [J ]. IEEE Pro2 ceedings , 1993 , 140 (2) : 1072113.

[4]　RisticB,ArulampalamS, GordonN. Beyondthe Kalman

filter2particle filter for tracking application[M]. Artech House , 2004 : 39.

[5]　NordlundPJ,GustafssonF. SequentialMonteCarlofilte2

parameter optimization for heat exchanger[J ]. Journal of

environmental control system for avionics pods[J ].
Acta 法及其在航空發動機故障診斷中的應用 [J ].航空學報 ,
Aeronautica et Astronautica Sinica , 1997 , 18 (1) : 96299.
(in Chinese)

Xie Shousheng , Cai Kailong. Classification

[8]　姚洪偉 ,王浚 .method of Diverse Adaboost2SVM and its application to ring techniques applied to integrated navigation system[C] ∥ IEE Proceedings of the American Control Conference.
　
中國航空網 www.k6050.com
航空翻譯 www.aviation.cn
本文鏈接地址：航空學報08大飛機專刊(89)