时刻所对 应的测量噪声标准差σιΛ+1，通过该局部滤波器在第k+Ι时刻，针对长度为L的观测序列进 行小波变换，获得该局部滤波器所对应的测量噪声标准差σlik+1。
[0023] 作为本发明的一种优选技术方案：所述步骤005之后、步骤006之前还包括步骤 005006,执行完步骤005之后进入步骤005006,执行完步骤005006之后再进入步骤006,其 中，该步骤005006具体包括如下内容：
[0024] 分别针对各个局部滤波器的初级工作效率变化系数集合X' 1>k+1和局部滤波器初 级协方差阵集合Wlk+1，进行不等式约束，分别更新各个局部滤波器的初级工作效率变化 系数集合tuk+1为加入约束的初级工作效率变化系数集合，以及分别更新各个局部滤波 器的局部滤波器初级协方差阵集合Wlk+1为加入约束的局部滤波器初级协方差阵集合， 并进入步骤006。
[0025] 作为本发明的一种优选技术方案：所述步骤005006中，分别针对各个局部滤波器 的初级工作效率变化系数集合" 1>k+1和局部滤波器初级协方差阵集合P1>k+1，采用概念 密度截算法进行不等式约束。
[0026] 作为本发明的一种优选技术方案：所述步骤006中，主滤波器针对来自各个局部 滤波器的信息，分别通过如下公式进行信息融合，
[0028] 分别获得第k+Ι时刻航空发动机各个指定气路部件的工作效率变化系数集合Xt ?,k+1、第k+1时刻航空发动机各个指定气路部件工作效率变化系数对应的协方差阵集合Pt ja,k+1，以及航空发动机系统噪声协方差阵Qua。
[0029] 作为本发明的一种优选技术方案：所述步骤007中，主滤波器将)(全^+1、？全^ +1和 通过如下公式：
[0030]
[0031] 平均分配至各个无故障局部滤波器中，各个无故障局部滤波器分别获得第k+Ι时 刻系统各个指定气路部件的工作效率变化系数集合X1>k+1、第k+Ι时刻的局部滤波器协方差 阵集合P1>k+1，以及局部滤波器所对应的航空发动机系统噪声协方差阵Q。
[0032] 本发明所述基于自适应粒子滤波的航空发动机气路部件故障检测方法采用以上 技术方案与现有技术相比，具有以下技术效果：本发明设计的航空发动机气路部件故障检 测方法，基于非线性滤波算法和非线性部件级模型的气路健康诊断，相比于线性滤波和线 性模型方法，解决了发动机过渡态下部件性能发生故障的诊断问题，能够充分的挖掘发动 机的非线性特性，提高诊断的精度与可靠性；并且解决了标准粒子滤波算法采用集中式结 构进行气路部件故障诊断存在局限性的问题；不仅如此，本发明以融合滤波结构为基础， 通过实时估计噪声标准差和加入不等式约束两步，可以有效的避免标准粒子滤波存在的中 央处理器计算负担大，忽略有效先验信息，对于测量噪声鲁棒性差等缺点，从而提高滤波精 度，保证了气路健康诊断的准确性。
【附图说明】
[0033] 图1是涡扇发动机气路工作截面标识图；
[0034]图2是本发明设计基于自适应粒子滤波的航空发动机气路部件故障检测方法的 诊断结构图；
[0035]图3是本发明设计基于自适应粒子滤波的航空发动机气路部件故障检测方法的 流程示意图；
[0036] 图4a是实施例航空发动机燃烧室供油变化示意图；
[0037] 图4b是实施例航空发动机尾喷管面积变化示意图；
[0038] 图4c是实施例航空发动机噪声标准差变化示意图；
[0039] 图5a是风扇突变故障模式下应用集中式粒子滤波算法的仿真结果示意图；
[0040] 图5b是风扇突变故障模式下应用分布式粒子滤波算法的仿真结果示意图；
[0041]图5c是风扇突变故障模式下应用加不等式约束的分布式粒子滤波算法的仿真结 果示意图；
[0042] 图5d是风扇突变故障模式下应用本发明所设计检测方法的仿真结果示意图；
[0043] 图6是应用本发明设计基于小波变换的测量噪声标准差实时估计图。
【具体实施方式】
[0044] 下面结合说明书附图针对本发明的【具体实施方式】作进一步详细的说明。
[0045]对于航空发动机气路故障诊断方法来说，设计采用融合滤波结构，每个传感器都 有自己的处理器，形成单个节点，各传感器测量信息会预先在各自的节点中进行一些预处 理，得到局部状态估计，最后将处理过的数据集中到中央处理器中进行信息融合。这种分散 化的数据处理方法不仅减少了集中式数据处理的计算负担、节省了计算时间，而且提高了 系统的鲁棒性。
[0046]粒子滤波实现状态估计时，粒子的权值由似然函数确定，而似然函数与观测噪声 的概率密度分布函数密切相关，即似然函数应与测量噪声保持一致，但是在系统的观测模 型不准确，测量噪声的统计特性未知等情况下，粒子滤波的性能无法得到保证。因此有必要 对测量噪声的标准差进行实时估计。应用粒子滤波器估计发动机气路健康参数时，需要尽 可能多的利用发动机系统中的有用信息以提高估计精度，如状态变量的可行域范围，即一 定热力循环周期后发动机的状态量的变化范围。发动机在服役期间，各气路健康参数是在 一定的范围内进行变化的；将不等式一类约束条件引入至粒子滤波器中，并将其应用于发 动机一类的强非线性系统健康状态估计中具有显著的现实意义。
[0047]本发明所涉及实施例所应用的涡扇发动机气路的工作截面如图1所示，主要部件 包括进气道、风扇、压气机、燃烧室、高压涡轮、低压涡轮、混合室、加力燃烧室和尾喷管等， 如图2和图3所示，本发明所设计基于自适应粒子滤波的航空发动机气路部件故障检测方 法在实际应用过程当中，首先针对航空发动机各个指定气路部件（风扇、压气机、高压涡 轮、低压涡轮），分别设置用于指定参数测量的各个传感器，这里我们所设计的传感器分别 用于风扇转速、压气机转速、风扇出口温度、风扇出口压力、压气机出口温度、压气机出口压 力、高压涡轮出口温度、混合室出口温度；然后将各个指定气路部件按其所在工作区域进行 划分获得各个工作区域组，即这里的冷端工作区域组，包括T22、P22、T3、P3各个传感器；热 端工作区域组，包括T43、T6各个传感器；高压端工作区域组，包括T3、P3、T43各个传感器； 低压端工作区域组，包括Τ22、Ρ22、Τ6各个传感器；接着设置分别与各个工作区域组相一一 对应的局部滤波器，各个工作区域组中各指定气路部件上设置的各个传感器分别与所在工 作区域组对应的局部滤波器相连接；最后设置与各个局部滤波器相连接的主滤波器；所述 故障检测方法包括如下步骤：
[0048] 步骤001.初始化k= 0,并预设第k时刻航空发动机各个指定气路部件的工作效 率变化系数集合X^5,k、第k时刻航空发动机各个指定气路部件工作效率变化系数对应的协 方差阵集合PtS,k，以及航空发动机系统噪声协方差阵;这里航空发动机各个指定气路 部件的工作效率变化系数集合X_,k =[SE^SE2、SE3、SEJ，SEpSE2、SE3、SE4*别为风扇、 压气机、高压涡轮、低压涡轮的工作效率变化系数；再通过如下公式：
[0049]
[0050] 将上述三组预设量平均分配至各个局部滤波器中，使得各个局部滤波器分别获得 其在第k时刻所获系统各个指定气路部件的工作效率变化系数集合&k、其在第k时刻的 局部滤波器协方差阵集合Pi, k，以及其对应的航空发动机系统噪声协方差阵Q，并进入步骤 002;其中，i={1、···、〗}，1表示局部滤波器的个数；P1>k表示第i个局部滤波器在第k时 刻所获系统各个指定气路部件工作效率变化系数，分别相对于该局部滤波器自第〇时刻起 至第k时刻所有时刻所获对应指定气路部件工作效率变化系数的协方差，所构成第i个局 部滤波器第k时刻的局部滤波器协方差阵集合。
[0051] 步骤002.分别针对各个局部滤波器，首先抽取与局部滤波器相一一对应包含预 设数量30个粒子的粒子集合，构成该局部滤波器在第k+Ι时刻所获系统各个指定气路部 件工作效率变化系数所对应的粒子集合；然后该局部滤波器根据其在第k时刻所获系统 各个指定气路部件的工作效率变化系数集合Xi,k，针对该局部滤波器在第k+Ι时刻所获系 统各个指定气路部件工作效率变化系数所对应粒子集合中的各个粒子，分别定义其状态量 a^k+1由该局部滤波器在第k时刻所获系统各个指定气路部件工作效率变化系数上下预设 波动范围内的一组随机值组成的集合，并进入步骤003;其中，n= {1、"·、Ν} ;aiin,k+1表示 第i个局部滤波器在第k+1时刻所获系统各个指定气路部件工作效率变化系数对应第η个 粒子的状态量。
[0052] 步骤003.分别针对各个局部滤波器，首先局部滤波器获得其在第k+Ι时刻所对应 的测量噪声Vik+1;然后该局部滤波器根据其在第k+Ι时刻所获系统各个指定气路部件工作 效率变化系数所对应的粒子集合，获得其在第k+Ι时刻所获其对应工作区域组中各指定气 路部件工作效率变化系数所对应该粒子集合中各粒子的部分状态量a'^k+1，并结合该局 部滤波器在第k+Ι时刻所对应的测量噪声vlik+1，以及第k+Ι时刻的航空发动机控制量uk+1， 通过如下发动机非线性数学模型：
[0053] j'ljn_k+1=g(ar i,n,k+l,Uk+l) +Vi,k+1
[0054] 获得该局部滤波器在第k+1时刻所获其对应工作区域组中各指定气路部件工作 效率变化系数所对应该粒子集合中各粒子的部分测量值 y' ^k+1，再进入步骤004,这里， 航空发动机控制量《 =[/t 分别为主燃烧室供油量和尾喷管截面积。
[0055] 所述步骤004中，局部滤波器在第k+Ι时刻所对应的测量噪声标准差〇lik+1，通过 该局部滤波器在第k+1时刻，针对长度为L的观测序列进行小波变换，获得该局部滤波器所