航空發(fā)動(dòng)機(jī)是飛機(jī)的核心推進(jìn)系統(tǒng)，其性能、可靠性和安全性直接影響飛機(jī)的整體效率和運(yùn)行質(zhì)量。當(dāng)滿足排放、噪音和服務(wù)壽命的嚴(yán)格要求時(shí)，發(fā)動(dòng)機(jī)能夠在廣泛的條件下穩(wěn)定高效地運(yùn)行。為實(shí)現(xiàn)這些目標(biāo)，控制系統(tǒng)在航空發(fā)動(dòng)機(jī)中起著關(guān)鍵作用，而性能是確保發(fā)動(dòng)機(jī)健康運(yùn)行的決定性因素之一。現(xiàn)代航空發(fā)動(dòng)機(jī)普遍依賴于全權(quán)限數(shù)字電子控制（FADEC）系統(tǒng)，該系統(tǒng)作為集成管理和實(shí)時(shí)優(yōu)化發(fā)動(dòng)機(jī)性能的“大腦”[1]。作為控制系統(tǒng)的關(guān)鍵組成部分，傳感器主要提供監(jiān)控?cái)?shù)據(jù)，使控制器能夠生成相應(yīng)的控制指令。傳感器的精度、可靠性、響應(yīng)速度和耐用性直接決定了控制系統(tǒng)評(píng)估發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)的能力，從而影響整個(gè)控制回路的有效性和發(fā)動(dòng)機(jī)的整體性能。因此，傳感器是支持高質(zhì)量航空發(fā)動(dòng)機(jī)控制系統(tǒng)不可或缺的技術(shù)基礎(chǔ)。
然而，航空發(fā)動(dòng)機(jī)傳感器在高溫、高壓、振動(dòng)和強(qiáng)空氣動(dòng)力載荷的惡劣環(huán)境中長(zhǎng)期工作，容易發(fā)生故障，屬于高風(fēng)險(xiǎn)組件。為了提高系統(tǒng)可靠性，廣泛采用了冗余技術(shù)——主要是硬件冗余和分析冗余——來(lái)提高傳感器的容錯(cuò)能力[2]。特別是分析冗余技術(shù)，利用機(jī)械模型或人工智能方法重構(gòu)有故障傳感器的參數(shù)和信號(hào)，從而替代實(shí)際測(cè)量值[3,4]。與傳統(tǒng)硬件冗余相比，分析冗余方法避免了額外傳感器對(duì)發(fā)動(dòng)機(jī)結(jié)構(gòu)和重量的影響，因此應(yīng)用范圍廣泛。航空發(fā)動(dòng)機(jī)傳感器的分析冗余技術(shù)的發(fā)展可以追溯到20世紀(jì)70年代，早期的研究提出了提高系統(tǒng)可靠性的基礎(chǔ)性貢獻(xiàn)[5]，以及將現(xiàn)代控制理論與貝葉斯假設(shè)檢驗(yàn)相結(jié)合用于渦輪發(fā)動(dòng)機(jī)故障檢測(cè)的開(kāi)創(chuàng)性工作[6]。這些早期研究為后續(xù)的研究和工程應(yīng)用奠定了理論和方法論基礎(chǔ)。
為了重構(gòu)有故障傳感器的信號(hào)，當(dāng)前的分析冗余技術(shù)主要遵循兩種范式：基于模型的方法和數(shù)據(jù)驅(qū)動(dòng)的方法。基于模型的分析冗余依賴于發(fā)動(dòng)機(jī)的數(shù)學(xué)表示，大致可分為兩種類型：組件級(jí)模型和線性化狀態(tài)變量模型。這些方法提供的信號(hào)具有清晰的物理可解釋性和一致性[7]。像組件級(jí)模型（CLM）這樣的高保真模型雖然精度高，但需要對(duì)控制方程組進(jìn)行迭代求解，每次迭代都需要多次氣體路徑計(jì)算，導(dǎo)致機(jī)載實(shí)時(shí)部署的計(jì)算延遲較大[10,11]。另一方面，線性化狀態(tài)變量模型[10,12]提高了計(jì)算速度，但面臨一個(gè)關(guān)鍵權(quán)衡：在廣泛的飛行包線內(nèi)保持精度需要存儲(chǔ)大量的系數(shù)矩陣，增加了內(nèi)存負(fù)擔(dān)，而簡(jiǎn)化則會(huì)導(dǎo)致顯著的保真度損失[25,26]。這些固有的限制限制了基于模型的分析冗余在機(jī)載環(huán)境中的應(yīng)用。
相比之下，數(shù)據(jù)驅(qū)動(dòng)的分析冗余利用機(jī)器學(xué)習(xí)（例如神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)）從操作數(shù)據(jù)中學(xué)習(xí)傳感器參數(shù)之間的直接映射，無(wú)需顯式的物理模型[8,9,15]。這種方法不僅在信號(hào)重構(gòu)方面顯示出巨大潛力，還在各種與發(fā)動(dòng)機(jī)相關(guān)的任務(wù)中發(fā)揮作用，包括故障診斷[16,18]、控制律優(yōu)化[20]和性能預(yù)測(cè)[21,24]，因?yàn)樗軌虿蹲綇?fù)雜的非線性關(guān)系。然而，對(duì)于高保真?zhèn)鞲衅餍盘?hào)重構(gòu)這一特定任務(wù)，淺層網(wǎng)絡(luò)架構(gòu)往往無(wú)法捕捉航空發(fā)動(dòng)機(jī)內(nèi)部的復(fù)雜動(dòng)態(tài)依賴性，導(dǎo)致魯棒性和泛化能力不足。此外，數(shù)據(jù)驅(qū)動(dòng)方法的性能本質(zhì)上依賴于訓(xùn)練數(shù)據(jù)的質(zhì)量和覆蓋范圍，這對(duì)在整個(gè)飛行包線內(nèi)實(shí)現(xiàn)可靠運(yùn)行構(gòu)成了挑戰(zhàn)。
為了減輕這些缺點(diǎn)，已經(jīng)探索了結(jié)合物理原理和數(shù)據(jù)驅(qū)動(dòng)校正的混合模型[19,29]，旨在結(jié)合模型的一致性和數(shù)據(jù)的適應(yīng)性。然而，同時(shí)實(shí)現(xiàn)機(jī)載實(shí)時(shí)能力、高精度以及在整個(gè)飛行包線內(nèi)具有魯棒性能的傳感器分析冗余解決方案仍然是一個(gè)未解決的挑戰(zhàn)。這是因?yàn)樵趪?yán)格的機(jī)載約束條件下有效平衡和整合這兩種不同的范式并非易事。本文正是針對(duì)這一挑戰(zhàn)展開(kāi)的。為了解決這些問(wèn)題，本文首先設(shè)計(jì)了針對(duì)不同傳感器類型的發(fā)動(dòng)機(jī)機(jī)載快速計(jì)算模型。通過(guò)簡(jiǎn)化氣體路徑計(jì)算和降低非線性方程的維度，分析冗余模型顯著提高了實(shí)時(shí)性能，并保持了足夠的精度。其次，為了解決發(fā)動(dòng)機(jī)機(jī)載快速計(jì)算模型中特征圖內(nèi)非唯一解導(dǎo)致的速度偏差問(wèn)題，設(shè)計(jì)了一個(gè)基于Transformer自注意力機(jī)制的深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)，即軸速分析冗余深度學(xué)習(xí)網(wǎng)絡(luò)。然后，通過(guò)分析發(fā)動(dòng)機(jī)機(jī)載快速計(jì)算模型和軸速分析冗余深度學(xué)習(xí)網(wǎng)絡(luò)在不同工作條件下的精度損失分布模式，開(kāi)發(fā)了一種適用于廣泛飛行包線的融合分析冗余策略。考慮到兩種方法提供的信號(hào)的精度和穩(wěn)定性，結(jié)合了多目標(biāo)模糊融合算法以實(shí)現(xiàn)多目標(biāo)融合分析冗余。最后，對(duì)所提出的分析冗余方法進(jìn)行了仿真驗(yàn)證。
本工作的主要貢獻(xiàn)總結(jié)如下：
(1)提出了一種機(jī)載快速傳感器分析冗余建模方法，該方法從高保真組件級(jí)物理模型中推導(dǎo)出實(shí)時(shí)計(jì)算模型。該方法使用可測(cè)量參數(shù)簡(jiǎn)化氣體路徑計(jì)算，并降低非線性方程組的維度，從而顯著提高了計(jì)算速度，同時(shí)僅犧牲了有限的精度。
(2)基于Transformer架構(gòu)的多頭自注意力機(jī)制開(kāi)發(fā)了一個(gè)軸速分析冗余深度學(xué)習(xí)網(wǎng)絡(luò)。該網(wǎng)絡(luò)有效解決了組件特征圖中的非唯一解問(wèn)題，補(bǔ)償了快速物理模型的精度限制，并增強(qiáng)了系統(tǒng)的非線性表示能力。
(3)設(shè)計(jì)了一種多目標(biāo)融合分析冗余方法，將快速物理模型和深度學(xué)習(xí)網(wǎng)絡(luò)的輸出進(jìn)行整合。該策略根據(jù)不同的工作條件和傳感器特性自適應(yīng)地權(quán)衡這兩種方法，從而提高了整個(gè)飛行包線內(nèi)傳感器分析冗余的精度和穩(wěn)定性。
(4)進(jìn)行了全面的仿真實(shí)驗(yàn)來(lái)驗(yàn)證所提出的方法。結(jié)果證明了該集成框架在實(shí)時(shí)性能、估計(jì)精度和多樣性飛行條件下的魯棒性方面的有效性和優(yōu)越性。
