航空發動機故障診斷裝置硬件在環實時仿真平臺

呂 升，郭迎清，孫 浩

（西北工業大學動力與能源學院，西安710129）

航空發動機故障診斷裝置硬件在環實時仿真平臺

呂 升，郭迎清，孫 浩

（西北工業大學動力與能源學院，西安710129）

硬件在環仿真是將算法由理論轉為實際應用的重要步驟，而針對航空發動機故障診斷算法的硬件在回路仿真平臺的研制目前還處于初級階段。基于已有的民用大涵道比渦扇發動機非線性模型，利用基于xPC的自動代碼生成技術，搭建了基于工控機與D SP的故障診斷裝置硬件在回路實時仿真系統，并對平臺的性能參數、使用流程進行了說明。提出了1種故障診斷算法并進行了硬件在回路驗證。針對搭建的平臺，提出1種故障診斷算法的評價標準。

D SP；故障診斷算法；硬件在環實時仿真；自動代碼生成；評價標準

0 引言

作為整個飛機中的核心部件，航空發動機是1個強非線性、結構復雜的多部件系統，在高溫、高壓、高功率、高轉速等多種苛刻條件下長時間反復工作[1]，發生任何故障都會對飛機造成嚴重的威脅，因此對發動機及時進行準確無誤的故障診斷，無論對于飛行安全，還是提高經濟效益，都具有重大意義。近年來，出現了多種類型的故障診斷算法[2]。硬件在回路仿真是對算法進行試驗的1種新的手段，是將故障診斷算法由理論推向實際的重要步驟。構建故障診斷裝置硬件在回路仿真系統，可模擬發動機在真實工況下故障診斷裝置的工作情況，對故障診斷算法進行全系統綜合測試，從而節省發動機整套系統實物試驗的高昂經費，縮短故障診斷裝置研發的周期，實現發動機的視情維修。

國內外針對故障診斷算法的硬件在回路仿真系統的研制已經取得了顯著成果[3]，開發了不少通用的、以發動機為控制對象的快速原型化的仿真平臺，有效地解決了控制系統算法從數字仿真到半物理仿真的無縫轉換。李睿等[4]針對軍用發動機的傳感器故障，提出了診斷仿真平臺的總體設計方案，利用自動代碼生成技術、S函數的驅動模塊技術，初步實現了故障診斷平臺的功能；郭迎清等[5]結合快速原型方法構建了民用渦扇發動機的在線診斷系統硬件實時仿真平臺，該仿真平臺針對的對象具有普遍性和實用價值，但采用工控機作為故障診斷端，顯然與真實的故障診斷算法的機載硬件條件差別很大，難以模擬實際發動機工況來檢驗故障診斷算法的性能。另外，這些平臺也缺乏對應的通用性操作說明和針對各種故障診斷算法統一的評價體系，使平臺實際的工程應用受到很大局限。

DSP嵌入式系統具有良好的實時性和并行運算能力，有利于實現仿真系統的一體化、多功能化。以DSP系統代替傳統的工控機模擬故障診斷裝置，更接近實際的機載硬件條件，得到的結論更真實、可靠。本文采用工控機作為被監控端，DSP系統作為故障診斷端，搭建了故障診斷硬件在環回路實時仿真平臺，模擬真實的機載硬件環境，完成故障診斷算法的驗證，并提出了1種評價故障診斷算法的統一標準。

1 仿真平臺的總體結構及功能

硬件仿真平臺由1臺PC兼容機、1臺工控機（含顯示屏）、1臺DSP以及對應的通訊和數據采集設備構成。該仿真平臺的軟硬件結構如圖1所示，該平臺主要由主工作站、被監控端、故障診斷端3部分構成。

主工作站：以PC機為硬件，采用Windows XP系統。其主要包含以下功能：在軟件條件下完成故障診斷算法的驗證；將故障診斷端和發動機端的Simulink仿真模型分別轉化為各自硬件條件下可執行的代碼，并對應地下載到DSP與工控機中；利用LabWindows/CVI軟件構建人機界面實現故障的在線注入與故障診斷效果的實時顯示，完成硬件條件下的故障診斷算法的驗證；進一步處理、分析目標機保存的數據。

被監控端：以工控機為硬件，采用xPC實時系統。其主要功能是運行被監控模型程序，可在線加入對應的故障，并將被監控端的狀態量傳遞給故障診斷端，同時將被監控端的運行數據傳遞給主工作站。這里被監控端模型，可以是整個發動機系統，也可以是發動機某個具體的子系統，如燃油系統、滑油系統等。故障診斷端：以DSP為硬件，采用F28335芯片。其主要功能是運行故障診斷算法程序，并將診斷結果數據實時傳遞給主工作站，同時保存相關數據以便進行后續的離線處理。故障診斷端是整個故障診斷裝置硬件在回路仿真系統的核心部分。本文搭建的仿真平臺的實物如圖2所示。

本文搭建的硬件在回路仿真平臺具有良好的通用性，所檢驗的故障診斷算法既可以針對整個發動機系統，也可以針對發動機的某一部分。根據仿真得到的故障診斷結果，完成故障診斷算法的驗證和評價。

2 仿真平臺的軟硬件實現

2.1 仿真平臺的硬件實現

主工作站、被監控端、故障診斷端之間通訊方式的搭建是硬件部分的核心內容。作為主工作站的PC機與作為被監控端的工控機之間，采用交換機/網線相連，通過TCP/IP協議通訊方式實現主工作站與被監控端數據的實時交互[6]，即上位機將發動機端程序下載到被監控端，并通過給定的接口，給被監控端注入故障，而被監控端將發動機運行的數據實時傳給上位機；主工作站的PC機與故障診斷端的DSP之間，使用ICETEK-5100USB仿真器將PC機USB口與DSP板的JTAG口相連，實現上位機將故障診斷程序下載到故障診斷端，同時將PC機的COM口與DSP的RS-232異步串口相連，通過串口通訊方式實現DSP將故障診斷結果實時傳給上位機；被監控端的工控機與故障診斷端的DSP之間，首先將PCL-727數據采集卡插入工控機ISA插槽上，作為工控機的DA端，然后將其與DSP的AD端相連，通過DA、AD通訊方式實現發動機端數據實時傳給故障診斷端。

2.2 仿真平臺的軟件實現

2.2.1 MATLAB/Simulink模型的搭建

被監控端的發動機程序采用張書剛等基于Gas-Turb軟件所開發的MATLAB/Simulink下的民用大涵道比渦扇發動機非線性系統的分段線性化模型[7]。被監控端的Simulink模型如圖3所示。其發動機端模型可以更替，要與故障診斷算法相對應。同時模型中包含故障注入模塊，為在線注入故障提供接口，還加入PCL-727卡的驅動模塊，以便驅動工控機DA端正常工作。故障診斷端的總體Simulink模型如圖4所示，在線診斷部分是各種故障診斷算法的接口，即將搭建好的故障診斷模塊代替該部分。同時，模型中包含F28335的ADC模塊和SCI模塊，以便驅動DSP的AD端和外設RS-232芯片正常工作。

2.2.2 基于RTW的目標機端軟件自動代碼生成

將搭建好的故障診斷端和被監控端的Simulink模型轉化為可執行于實際硬件的代碼，其編寫難度很大，不具有通用性，也難以保證實時性。為了解決上述問題，本文采用基于RTW的自動代碼生成技術[8]，實現故障診斷實時仿真平臺的嵌入式軟件的生成。上述RTW基于MATLAB/SIMULINK自動代碼的生成環境[9]，支持包括DSP，X86，PowerPC等系列架構的計算機等硬件平臺，也支持如 DOS、WINDOWS、VXWORKS、xPC、LINUX操作系統等軟件平臺，能夠直接從Simulink仿真模型中產生經過優化的可執行程序。在此過程中，它加速硬件仿真開發過程，生成各種實時環境或目標產品下的運行程序。利用MATLAB/RTW分別將故障診斷端模型和被監控端模型自動生成標準C代碼。其中，故障診斷端模型要編譯成可在DSP中實時運行的可執行程序[10]，然后通過DSP仿真器下載到DSP平臺中，構成硬件在回路中的故障診斷端；被監控端模型要編譯成可以在xPC目標下實時運行的可執行程序，然后通過TCP/IP協議通訊方式下載到搭建好的xPC目標機中，構成硬件在回路中的被監控端。

2.2.3 主工作站的人機交互界面的搭建

在PC主機端需要搭建被監控端和故障診斷端的人機交互界面，使得硬件仿真平臺更通用、更直觀。為實現PC主機對發動機端的狀態參數的實時顯示和在線故障注入，本文利用第3方軟件LabWindows/CVI，通過調用xPC提供的API函數搭建了主工作站與被監控端交互的人機界面[11]，用這種方法進行在線仿真時，可以直接調用底層函數，從而完全脫離Matlab的工作環境而獨立運行；為實現PC主機對故障診斷端的診斷結果的實時顯示，既可以通過RTDX模塊，利用MATLAB搭建的GUI界面來完成數據的交互，也可以通過SCI通訊模塊，調用SCI函數，利用LabWindows/CVI搭建主工作站與故障診斷端交互的人機界面。為了與被監控端人機界面一致，本文采用第2種方式，都采用CVI搭建人機界面。最終完成的被監控端與故障診斷端的人機界面如圖5、6所示。

3 仿真平臺的性能參數及使用流程

3.1 仿真平臺性能

故障診斷端采用ICETEK-F28335-A開發板，片上 RAM 68×16 bit，FLASH 256×16 bit，CPU 的主頻為150 MHz，即1個指令周期為6.67 ns，而本硬件平臺的采樣周期按照工業經驗設定為20 ms，因此在1個周期內可運行2998500條指令，完全滿足各種復雜的故障診斷算法的實時性。

被監控端采用研華610H工控機，內存499 MB，CPU2.4 GHz，即1個指令周期為0.42 ns。發動機端工控機xPC實時系統界面如圖7所示。從圖中可見，在1個采樣周期（20 ms）內，分段線性化發動機程序平均執行時間僅為0.05516 ms，最多可運行131333條指令，因此被監控端完全可以滿足更為復雜的發動機模型。

上位機與被監控端的工控機之間TCP/IP協議通訊的波特率為115200；上位機與故障診斷端的DSP之間的串口通訊的波特率也是115200；工控機內嵌的PCL-727數據采集卡，即DA端的采樣速率可達30 MSPS，分辨率為12位，而DSP自帶的AD端的采樣速率可達12.5 MSPS，分辨率為12位。因此，硬件的通訊速率完全滿足各部分數據交互速率的實際需求。

硬件平臺通過采用高頻系統多點接地[12]，使用雙絞線進行長距離數據傳輸以及通過ADAM-3937外擴板實現DA、AD過程中低通濾波等多種方式，確保搭建的仿真平臺抗干擾能力強、穩定可靠。

總之，本文所搭建的故障診斷硬件在回路仿真平臺能夠較好地模擬真實發動機機載硬件條件，且其實時性、穩定性、通用性良好，完全滿足檢驗各種故障診斷算法的需求。

3.2 故障診斷算法驗證流程

利用本文搭建的硬件在回路仿真平臺的流程的原理如圖8所示。進行仿真試驗時，都統一按照以下步驟對故障診斷算法進行驗證，最終做出評價。

4 1種故障診斷算法的仿真驗證及故障診斷算法評價標準

4.1 1種故障診斷算法及其驗證

故障檢測的實現是通過計算殘差的加權平方和的值（WSSR）并將其與預設閾值進行比較[13]。WSSR的計算方式為

式中：y?為通過監視真實發動機傳感器測量輸出與性能基準模型輸出y?之間的殘差向量；R為測量參數使用的傳感器的協方差矩陣，代表各傳感器的可靠性。

每個采樣時間點，故障檢測單元都會計算出1個新的WSSR值。然后將得到的WSSR值與預先定義的異常檢測閾值進行比較。當WSSR值超過閾值的邏輯，證明此時發生了故障，需要進一步定位，即故障隔離，本文采用最小二乘估計方法來實現。考慮到燃氣渦輪發動機的高可靠性和低故障率，假設在給定時間內只發生1種故障。故障隔離首先要在整個飛行包線范圍內計算故障影響系數矩陣H，且它是單一的矩陣的集合，并且允許插值計算。故障影響矩陣通過在無故障以及各種故障情形下得到。標稱條件與各類故障條件下的輸出殘差與特定故障幅值的比值，得到H故障的每一列。式（2）定義了故障系數矩陣單個元素Hij

式中：i為發動機傳感器的類別；j為故障類型。

故障幅值的最小二乘估計為

得到故障幅值的估計值后，則特定故障類型的傳感器殘差的估計為

如果實際發生的故障與預先假設的故障類型十分接近，則發生故障的部件是WSSEE元素中的最小值所代表的故障類型，WSSEE是故障隔離信號標志，其計算方法為

式中：W為1個加權系數。

傳感器Ps3故障、執行機構VSV故障、部件HPC故障、部件HPT故障為民用渦扇發動機在線故障發生率最高的4種[14]。本文提出的故障診斷算法主要對這4種故障進行在線故障診斷研究。其中，Ps3故障以高壓壓氣機出口靜壓傳感器Ps3的測量值和真實值之間的負偏差表示；VSV故障以全權限電子控制器控制命令值和高壓壓氣機靜子可調導葉角度VSV的實際位置偏差表示；HPC故障以高壓壓氣機效率系數、流量系數與實際系數的偏差表示；HPT故障以高壓渦輪效率系數、流量系數與實際系數的偏差表示。

為了便于診斷結果的顯示，本文以不同故障標志代表不同的故障情形，見表1。

表1 故障類型標志

本文以Ps3故障和HPT故障為例進行驗證。在數字仿真條件下，在仿真開始后的第20 s，利用階躍模塊，分別加入上述2種故障，得到2種故障診斷結果如圖9、10所示，可見數字仿真條件下2種故障隔離時間分別為0.02、0.14 s。

在硬件條件下，在仿真開始后的第20 s，通過被監控端人機界面分別加入這2種故障，對應的故障診斷端界面的故障診斷結果如圖11、12所示。

從圖中可見，在硬件仿真條件下，即模擬真實的發動機工況時，2種故障隔離時間分別為0.14 s和0.28 s，其實時性滿足發動機故障診斷的實際需要，證明該故障診斷算法效果良好。同時，硬件在環仿真平臺與數字仿真的結果相差很小，證明搭建的硬件平臺性能良好，能真實反映故障診斷算法的性能。

4.2 故障診斷算法的評價標準

為了比較不同診斷算法的性能，必須建立統一的評價標準[15]。本文搭建的故障診斷硬件平臺采用故障檢測率、故障隔離率、故障隔離延遲3方面性能參數作為故障診斷算法性能的評價標準[16]。

4.2.1 故障檢測率

在故障診斷過程中，存在有故障檢測出故障、有故障未檢測出故障、無故障檢測出故障、無故障未檢測出故障4種情況，分別對應有故障診斷正確率、故障漏報率、虛警率、無故障診斷正確率，如圖13所示。故障檢測率為有故障診斷正確率與無故障診斷正確率之和，即故障檢測率只要求故障診斷算法判斷故障的有無，而不需要判斷故障類型。

具體判斷過程如下：根據故障診斷算法可判斷的故障類型進行分組，每組為1類故障。根據故障診斷算法給出故障范圍，每組注入3次故障，分別對應故障范圍中的最小值、中間值、最大值。每次注入故障后，要調整為無故障狀態，以觀察該狀態下故障診斷算法穩定性。即每組做6次試驗，3次為有故障狀態，3次為無故障狀態。由于故障診斷平臺的周期為20 ms，因此每次試驗時長選為10 s，即每隔10 s改變1次故障注入狀態，最終得到故障檢測率。

以上述故障診斷算法為例，其針對4種故障，共進行6次×4組共24次實驗。試驗發現，其有故障正確率為50%，無故障正確率為50%，故其故障檢測率為100%。

4.2.2 故障隔離率

在故障檢測率的基礎上，提出故障隔離率。即在有故障的前提下，能正確定位故障的概率。故障隔離率結構見表2，故障隔離率等于對角線之和除以試驗次數。

表2 故障隔離率結構

具體判斷過程與故障檢測率試驗過程基本相同，區別在于不考慮無故障狀態下的故障診斷結果，即每組做3次有故障試驗。

以上述故障診斷算法為例，針對4種故障，一共要做3次×4組共12次試驗。試驗發現，11次故障判斷正確，1次故障判斷錯誤，故其故障隔離率為91.67%。

4.2.3 故障隔離延遲

從故障注入到故障成功隔離，之間都會有一段時間延遲，此時的故障診斷結果表現為在多種故障之間震蕩。這與故障診斷算法優劣有關，也與故障診斷類型和實際發動機的傳感器準確率等條件有關。要根據具體的故障診斷要求來判斷故障隔離延遲性能是否在合理范圍內。

以上述故障診斷算法為例，其他2種故障的隔離時間如下：VSV故障隔離延遲為0.76 s、HPC故障隔離延遲為0.16 s。

綜上所述，本文提出的故障診斷算法各項評價指標的性能參數優異，滿足故障診斷要求，是1種有實用價值的故障診斷算法。

5 結論

（1）用DSP取代工控機作為被監控端，使搭建的硬件平臺更符合實際的機載條件；分別采用TCP/IP協議通訊與SCI串口通訊方式，實現了上位機與目標機數據的實時交互，并使用虛擬儀器技術，搭建了統一的人機交互界面。

（2）采用基于xPC的自動代碼生成技術，實現了發動機故障診斷算法從數字仿真到硬件在回路實時仿真的無縫銜接。

（3）提出了1種基于最小二乘估計方法的故障診斷算法，并針對4類典型的故障進行在線仿真試驗，驗證了診斷算法及硬件在回路平臺的有效性；結合本文搭建的仿真平臺，提出了1種故障診斷算法評價標準，可用于多種不同類型的故障診斷算法的比較。

[1]Jaw L C,Mattingly J D.Aircraft engine controls:design,system analysis,and health monitoring[M].USA:American Institute of Aeronautics and Astronautics,2009：1-22.

[2]郝春生,秦月.航空發動機故障診斷方法及測試流程分析[J].航空發動機,2014,40（3）：71-74.HAO Chunsheng,QIN Yue.Fault diagnosis methods and testing procedure of aeroengine[J].Aeroengine,2014,40 （3）：71-74.(in Chinese)

[3]Quinn R,Sims J.Improved turbine engine performance,responsiveness,and prognostics using model-based control in a hardware in the loop simulation[R].AIAA-2007-5712.

[4]李睿,郭迎清,吳文斐.航空發動機傳感器故障診斷設計與驗證綜合仿真平臺[J].計算機測量與控制,2010,18(3):527-529.LI Rui,GUO Yingqing,WU Wenfei.Design and verification of simulation platform for aircraft engine sensor fault diagnosis[J].Computer Measurement and Control,2010,18 （3）:527-529.(in Chinese)

[5]郭迎清,馮健朋,張書剛.渦扇發動機故障診斷硬件在環回路實時仿真平臺[J].航空工程進展,2014,5(2)：165-170.GUO Yingqing,FENG Jianpeng,ZHANG Shugang.Hardware-in-the-loop real-time simulation platform of civil turbofan engine fault diagnosis[J].Advances in Aeronautical Science and Engineering,2014,5（2）:165-170.(in Chinese)

[6]張冬冬,黃金泉,魯峰.航空發動機健康管理系統的快速原型設計[J].航空發動機,2014,40(4)：89-94.ZHANG Dongdong,HUANG Jinquan,LU Feng.Rapid prototype design of health management system for aeroengine[J].Aeroengine,2014,40（4）：89-94.(in Chinese)

[7]張書剛,郭迎清,陸軍.基于GasTurb/MATLAB的航空發動機部件級模型研究[J].航空動力學報,2012,27（12）：2850-2856.ZHANG Shugang,GUO Yingqing,LU Jun.Research on aircraft enginecomponent-levelmodelsbasedonGasTurb/MATLAB[J].Journal of Aerospace Power,2012,27（12）:2850-2856.(in Chinese)

[8]陸軍,郭迎清,王海泉.基于快速原型化的數控系統實時仿真平臺研制[J].計算機測量與控制,2009,17（6）:1098-1101.LU Jun,GUO Yingqing,WANG Haiquan.Digital electronic engine control real-time simulation platform based on rapid prototyping[J].Computer Measurement and Control,2009,17（6）:1098-1101.(in Chinese)

[9]張曉東,王海泉,王東云.基于MATLAB的控制系統實時仿真平臺設計[J].電子產品世界,2013(7):42-48.ZHANG Xiaodong,WANG Haiquan,WANG Dongyun.Design of control system hardware-in-the-loop simulation platform based on MATLAB[J].Electronic Engineering and Product World,2013（7）:42-48.（in Chinese）

[10]杜磊,薛重德,任志國.基于DSP的自動代碼生成及應用[J].微處理機,2010(2):93-96.DU Lei,XUE Zhongde,REN Zhiguo.Automatic code generation based on DSP and its application[J].Microprocessors,2010（2）:93-96.（in Chinese）

[11]周承仙,李仰軍,武錦輝，等.基于LabWindows/CVI的多路高速數據采集系統設計[J].電子測量技術,2007,30(12):66-69.ZHOU Chengxian,LI Yangjun,WU Jinhui,et al.Design for multi-channel high speed data acquisition system based on Lab-Windows/CVI[J].Electronic Measurement Technology，2007,30（12）:66-69.（in Chinese）

[12]漢澤西,李彪,郭正虹.接地抗干擾技術的探討[J].測控技術,2007,26(12):74-77.HAN Zexi,LI Biao,GUO Zhenghong.Discussion of grounding anti-interference technique[J].Measurement and Control Technology,2007,26（12）:74-77.（in Chinese）

[13]Hunter G W,Lekki J D,Simon D L.Development and testing of propulsion health management[R].NASA/E-2012-18099.

[14]Kumar A,Viassolo D.Model-based fault tolerant control[R].NASA/CR-2008-215273.

[15]DePold H,Siegel J,Hull J.Metrics for evaluating the accuracy of diagnostic fault detection systems[R].ASME 2004-GT-54144.

[16]尉詢楷,劉芳,陳良峰,等.航空發動機健康管理用戶的診斷預測指標體系[J]. 航空發動機,2012,38（5）:27-35.WEI Xunkai,LIU Fang,CHEN Liangfeng,et al.Diagnostic and prognostic metrics ofaeroengine health managementusers[J].Aeroengine,2012,38（5）:27-35.（in Chinese）

Hardware-in-the-loop Real-time Simulation Platform of Engine Fault Diagnosis Device

LYU Sheng，GUO Ying-qing，SUN Hao
（School of Power and Energy,Northwestern Polytechnical University,Xi'an 710129,China）

Hardware-in-the-loop simulation is an important step to turn the algorithm from theory to practical,the development of hardware-in-loop simulation platform for aeroengine fault diagnosis algorithm is in the primary stage now.Based on the existed nonlinear model of civil high bypass ratio turbofan engine,the xPC-based automatic code generation technology was used to build a hardware-in-theloop real-time simulation system of engine fault diagnosis device based on IPC and DSP hardware,the performance parameters of platform and the operation process were described.A fault diagnosis algorithm was proposed and the hardware-in-loop verification was carried out.An evaluation criterion of fault diagnosis algorithm based on the platform was put forward.

DSP；fault diagnosis algorithm；hardware-in-the-loop real-time simulation；automatic code generation；evaluation criterion

V 263.6

A

10.13477/j.cnki.aeroengine.2017.03.009

2016-11-01 基金項目：航空動力基礎研究項目資助

呂升（1992），男，在讀碩士研究生，主要研究方向為航空發動機故障診斷及健康管理；E-mail：2011301770@mail.nwpu.edu.cn。

呂升，郭迎清，孫浩.航空發動機故障診斷裝置硬件在環實時仿真平臺[J].航空發動機，2017，43（3）：43-49.LYUSheng，GUOYingqing，SUN Hao.Hardware-in-the-loop real-time simulation platformofengine fault diagnosis device[J].Aeroengine，2017，43（3）：43-49.

（編輯：趙明菁）