发动机气路故障诊断技术是增加飞行任务安全性、保证发动机性能可靠性、减少发动机维护费用、缩短平均故障维修时间的重要手段,是航空动力系统健康管理的关键技术之一,并已成为飞行推进技术研究领域的热点之一。本文围绕涡喷发动机的基于非线性模型滤波故障诊断技术开展研究,包括发动机非线性部件级模型建模与修模、非线性滤波算法估计精度和计算效能、性能蜕化和突变故障诊断、气路故障诊断算法的快速验证。论文的主要工作和贡献如下:(1)研究了涡喷发动机非线性部件级模型的建模和修模方法。设计了涡喷发动机通用性能仿真模型的总体框架,利用Visual C++编写实现了发动机部件仿真类、仿真算法类以及程序界面代码,建立了全飞行包线内双轴涡喷发动机慢车以上非线性部件级模型。根据试车数据,基于最小二乘支持向量回归机设计涡喷发动机模型输出参数补偿器,利用训练补偿的方式实现发动机模型输出修正。提出了基于遗传算法的涡喷发动机部件特性修正方法,通过对主要旋转部件引入流量与效率调节因子,优化解算部件特性调节因子,获得修正后的部件特性用于模型计算,提高了发动机模型稳、动态仿真精度。(2)在涡喷发动机非线性部件级模型基础上,研究了扩展卡尔曼滤波的多种改进算法。根据涡喷发动机典型气路故障模式,给出表示部件性能健康的健康参数,通过设计故障系数模拟发动机气路部件故障。针对如何将部件性能变化的先验知识引入至非线性滤波估计的问题,提出了概率密度函数截断的扩展卡尔曼滤波和增益投影的扩展卡尔曼滤波算法,并将两种改进扩展卡尔曼滤波算法用于发动机气路故障诊断,提高发动机健康参数的诊断精度。考虑到工程实际中出现的可测参数少于健康参数的状态滤波估计问题,提出了不确定性扩展卡尔曼滤波估计方法,通过对状态变量中引入变换矩阵实现了不确定性气路故障诊断,拓宽了非线性滤波在涡喷发动机健康状态评估应用的范围。(3)针对涡喷发动机寿命期内部件性能自然蜕化下的气路突变故障诊断问题,在现有线性滤波诊断框架的基础上,提出了基于不确定性扩展卡尔曼的动态混合诊断架构,结合一对性能更新周期不同的发动机实时模型,设计了发动机气路部件与传感器故障诊断与隔离逻辑,通过该型涡喷发动机数字仿真分析,验证了该混合架构对于发动机部件性能自然蜕化的跟踪能力,同时对寿命期内不同循环周期下对于传感器与部件突变故障,具有较强的诊断能力。(4)针对涡喷发动机具有动态强非线性复杂噪声的特点,研究基于粒子滤波的涡喷发动机气路故障诊断方法。提出了量子粒子群优化的粒子滤波算法,该算法将量子行为粒子群优化引入至基本粒子滤波算法中,通过提高粒子滤波中每个粒子的效用,以改善滤波器对突变故障的反应速度,减少突变故障诊断的耗时。提出了包含粒子库的粒子滤波算法,通过在粒子滤波器中引入粒子库,使其能在突变点从粒子库筛选出更加接近实际情况的粒子,用于改善粒子滤波算法对突变故障的估计性能,并针对部分状态参数之间的耦合影响,提出了抑制漂移的方案。通过数字仿真验证了三种粒子滤波算法的气路故障诊断精度和计算效能。(5)研究了涡喷发动机气路故障诊断的快速原型试验验证方法。采用模块化思想构建了基于虚拟仪器语言Lab VIEW和Compact RIO平台的涡喷发动机气路故障诊断的快速原型仿真平台,涵盖系统监视工作站、发动机模拟器、信号接口单元、快速原型诊断器。在Compact RIO台上构建了发动机快速原型诊断器,采用Math Script节点、子VI、动态链接库DLL三种方式实现快速原型诊断器程序的模块化设计。利用搭建的快速原型仿真平台进行了快速原型诊断器的HIL仿真,实现了涡喷发动机气路故障诊断仿真试验。