航空發動機多電分布式控制系統故障診斷與容錯關鍵技術綜述

趙萬里，郭迎清，徐柯杰，王燦森，應豪杰，陶欣昕

西北工業大學 動力與能源學院，西安 710129

航空發動機控制系統下一次革命性的變化將是控制功能的物理分散，即分布式發動機控制（Distributed Engine Control，DEC）［1］。分布式發動機控制是一種硬件技術，它徹底改變了飛機發動機控制系統的體系結構，從集中處理轉變為采用分布式本地處理器系統同時工作的硬件處理方法。其主要是將先進的數據總線網絡、智能傳感器和智能執行機構等引入到發動機控制系統中。分布式控制系統可使控制器體積減小、重量減輕從而提高發動機的推重比。采用智能傳感器和執行機構提高傳感器精度并獲取系統更多的信息，通過適應系統退化影響及故障隔離來增加系統可用性，通過功能模塊化和標準化來創建發動機標準組件和通用測試平臺，從而減低設計、生產、裝配和試驗成本，減少定期維修次數，達到減少備件、減弱退化和減少訓練的效果，以降低發動機壽命周期的費用。采用系列功能組件、通用接口、系統實現與系統功能相分離的方法，縮短了發動機控制系統的設計周期，并簡化了技術升級。同時，分布式控制系統有利于諸如主動控制、基于模型的控制等先進控制模式和算法的應用［2］。

多電飛機（More Electric Aircraft，MEA）作為航空科技發展的一項全新技術，它改變了傳統飛機設計的理念，是飛機技術發展史上的一次革命［3-5］，多電航空發動機（More Electric Engine，MEE）為其核心技術。多電飛機采用電力作為發動機和部分次級功率系統的原動力，即使用電力驅動系統部分代替原有由液壓、氣壓、電和機械能驅動的混合次級功率系統［6］。在多電發動機中，主要的次級功率均采用電的形式分配、傳遞和控制。例如，使用電力作動器取代液壓作動器和氣動作動器等執行部件；用電動泵取代機械傳動的滑油泵和燃油泵。這將極大改變機械液壓方式中存在的泵轉速與發動機轉速耦合、燃油與作動機構控制回路耦合、能量利用率低、耐高溫能力差、抗污染能力差、全生命周期成本高等問題。多電發動機及多電控制（More Electric Fully Authority Digital Electronic Control，MEFADEC）系統技術的使用可大大降低系統的重量和成本，提高發動機的可維護性和可靠性。

分布式控制是航空發動機控制系統未來發展的重要方向，多電分布式控制既需要滿足多電飛機發展的需求，又符合航空發動機控制系統新的發展趨勢，是國內外飛機及其發動機的重點研究領域。多電發動機采用大量電力驅動代替原來的液壓、氣動驅動，采用以總線為核心、由智能裝置組成智能化的控制系統。同時針對復雜的多電發動機控制系統，分布式控制易于從部件到子系統再到系統分別進行試驗，同時大多數試驗可通過仿真程序同步進行分布式控制，改善了故障的隔離特性，改善了設計和升級的靈活性，大大提高了發動機的可靠性和可維護性。因為被控對象和控制方式都發生了重大的變化，所以航空發動機多電分布式控制系統的研制極具挑戰性。

由于采用大量多電發動機電力系統以及隨著分布式控制智能裝置的普及，航空發動機多電分布式控制系統具有從智能部件到整個系統故障診斷與容錯的能力，為開展先進故障診斷與容錯控制方法及其應用提供了技術平臺。因此，全面深入開展航空發動機多電分布式控制系統故障診斷與容錯技術研究是非常必要的。

1 國內外研究現狀

1.1 航空發動機分布式控制系統

航空發動機控制系統基于航空發動機本身日趨復雜、性能要求不斷提高的需求，經歷了一系列技術革命演變［7］。目前航空發動機主要采用全權限數字式電子控制（Fully Authority Digital Electronic Control，FADEC）系統。近年來，隨著“智能發動機”（Intelligent Engine）概念的提出，控制系統健康管理、故障檢測與隔離和主動部件控制等技術的發展，在提升發動機性能的同時導致發動機輸入和輸出參數的數量也在不斷增加，可調節的部位也越來越多，這要求控制系統具有更強的計算能力、邏輯功能和控制精度。發動機控制規律復雜，在追求發動機高性能的同時也應降低全壽命周期的成本，若繼續采用集中式架構，航空發動機控制系統將更復雜，其研制周期、成本和重量難以控制，不能滿足新一代發動機的苛刻要求。航空發動機控制系統下一次革命性變化將是控制功能的物理分離，即航空發動機分布式控制系統［8-9］。分布式控制系統的實現有利于諸如主動控制、基于模型控制等先進控制模式和控制算法的應用，并展現出系統減重、模塊化、高可靠性、應用主動控制技術、高級監督管理、健康管理等一系列的優點。

基于分布式結構的發動機控制系統在20世紀90年代提出，1999年英國謝菲爾德大學Fleming等［10］使用多目標優化方法設計分布式控制結構：包括分布式通信協議選擇、分布式組件位置優化、不同傳感器故障處理架構下的容錯時延分析、基于控制器局域網絡（Controller Area Network，CAN）總線智能傳感器在航空發動機控制系統平臺上的驗證等，并給出了分布式控制技術問題的初步結論，其演示平臺如圖1所示。

圖1 謝菲爾德大學分布式架構演示平臺Fig.1 Distributed architecture demonstration platform at University of Sheffield

美國國家航空航天局（National Aeronautics Space and Administration，NASA）格林研究中心和美國國防部、美國航空工業成立了分布式發動機控制研究工作組（Distributed Engine Control Working Group，DECWG），提出了航空發動機分布式控制系統研究未來發展的計劃，利用3個5年時間從當前集中式控制逐步過渡到完全分布式的控制系統［11］。通用公司Shaffer［12］在美國空軍項目支持下搭建了分布式控制演示和驗證系統，其智能執行機構自帶線性閉環反饋控制，智能傳感器輸出數字信號可在本地進行內部監測。Yedavalli等［13］對發動機分布式系統可能采用的幾種通信協議做了比較，認為基于時間觸發的總線協議是最適合航空發動機分布式控制系統的通訊標準。Pakmehr等［14］建立了帶升力風扇渦軸發動機的通用簡化版動態模型。然后在此基礎上以燃油流量為子系統的控制量建立了核心機控制器，以導葉角度為風扇子系統控制量建立了風扇控制器，實現了分布式控制。

中國航空發動機多電分布式控制系統起步較晚，從2000年左右開始航空發動機分布式控制系統的研究。西北工業大學郭迎清教授較早開始發動機分布式控制的研究。2003-2006年，郭迎清等［15-16］對航空發動機控制系統結構、總線技術及智能裝置等關鍵問題進行了闡述。2009年，李光耀等［17-18］研究了基于CAN的航空發動機分布式總線通信技術，并在實驗室條件下搭建了航空發動機分布式控制原理樣機。2015-2016年，郭迎清團隊［19-22］分別針對軍用渦扇發動機和超燃沖壓發動機開展了部分分布式控制架構的設計工作，針對某變循環發動機開展完全分布式控制架構設計。

南京航空航天大學黃金泉等［23］分析了航空發動機分布式控制的結構、功能與優勢，針對具有總線時延和噪聲干擾的航空發動機分布式控制系統，設計了H∞魯棒控制器，討論了時間觸發控制器局域網絡（Time-Triggered Controller Area Network，TTCAN）總線通訊方案，給出了TTCAN網絡節點軟硬件設計［24］，關越等［25］分析了航空發動機分布式控制系統技術成熟度以及不同系統方案中結構、功能和信號交互的特點，宋軍強等［26］考慮某渦扇發動機控制功能，設計了過渡分布式控制系統方案?？哲姽こ檀髮W謝壽生團隊設計了基于數字信號處理器（Digital Signal Processor，DSP）和CAN總線的智能傳感器和智能執行機構［27-28］，研究了魯棒H∞控制和最優保成本容錯控制［29-30］。

1.2 多電發動機

多電發動機作為多電飛機的核心部件，集成了主動磁浮軸承和備份軸承、內嵌式起動/發電機、高可靠性執行機構和高溫高功率密度電力電子技術等，采用智能控制系統收集傳感器數據，對發動機和部件的工作狀態監控和管理。與傳統航空發動機相比，多電發動機提高了燃油系統效率、優化了發動機結構、提高了可靠性和可維護性、降低了飛機運行的成本。

近年來，日本、俄羅斯等開始了多電發動機相關研究［31-32］。2012年，株式會社IHI集團Oyori等［33］對多電發動機故障診斷進行了相應的研究，其設計的多電發動機主要功能組件如圖2所示，并提出設計多電發動機時需要為故障考慮軟硬件的冗余，以及多電發動機的故障特征、容錯系統架構和故障診斷方法，主要包括對電機、電纜、電動執行機構、電動泵等一系列組件失效模式分析和對應的故障診斷和容錯手段［34］。2020年，NASA格林研究中心Simon等［35］對多電航空發動機的控制系統結構與控制律進行研究，提出了多電結構下傳統控制邏輯和算法需要改進的方面，包括功率管理系統、瞬態控制計劃、極限保護等。

圖2 多電發動機主要功能組件［33］Fig.2 Main functional components of more electric engine［33］

與國外的研究水平相比，中國在多電發動機的研究還有很大差距，近年來，南京航空航天大學、西北工業大學等已取得了較大進展［36］。2012年，中國航空動力機械研究所吳志琨等［37］對多電航空發動機研究現狀和關鍵技術進行了研究，從多電發動機研究現狀出發，對其技術特點及各部件的關鍵技術進行了詳細介紹和討論，并對國內多電發動機研制中存在的問題提出了建議。南京航空航天大學高毅軍等［38］研究了基于分布式控制的航空發動機電動燃油泵方案，根據電動燃油泵的需求背景，對電動燃油泵進行了匹配分析。針對機載電力作動器的故障診斷問題，南京航空航天大學田瑤瑤等［39］提出了一種基于小波包和自組織映射（Self-Organizing Map，SOM）神經網絡相結合的機電作動器故障診斷方法。

多電發動機用電力系統取代復雜的機械系統，在增強系統功能的同時降低了系統的復雜度。引入多電智能裝置，大大降低了系統的重量和成本，為分布式控制技術在航空發動機上的應用提供了便利。

1.3 航空發動機分布式控制系統故障診斷與容錯

故障診斷與容錯（Fault Diagnosis and Accommodation，FDA）技術主要包括故障檢測（Fault Detection，FD）、故障隔離（Fault Isolation，FI）與容錯控制（Fault Tolerant Control，FTC），當被監控對象發生故障時，檢測出故障及發生的部位，并采取調整措施來緩解、改善故障對系統造成的影響。故障診斷方法主要分為基于模型、數據驅動和混合的方法，國內外相關學者對航空發動機故障診斷方法進行了綜述［40-42］，這些方法主要在集中式控制系統。針對航空發動機分布式控制系統的故障診斷仍處于快速發展階段，目前主要圍繞分布式故障診斷框架和診斷方法展開研究［43］。總線通訊協議有時間和事件觸發2種機制，其中時間觸發機制可提供高可靠性的數據傳輸，具有時延定常可預測、抖動有界、容錯能力高等優點。航空發動機控制系統對信號傳輸實時性和穩定性有很高的要求，這使得時間觸發總線成為必然選擇。美國俄亥俄州立大學的 Yedavalli等［13］從數據傳輸速率、同步/異步數據傳輸、容錯機制等對TTP/C、TTEthernet、AFDX、ARINC 629、ARINC 825及Flexray等總線進行對比，總結如表1所示。ARINC 825協議已應用于航空航天領域，該協議支持同步和異步通信，采用基于CSMA/CA（Carrier Sense Multiple Access/ Collision Avoidance）消息的優先級來避免數據沖突。但是它不使用全局時間進行節點同步。TTP/C、TTEthernet等時間觸發協議在可預測的消息抖動和容錯機制方面是最好的，但在添加新節點的情況下，缺少通用性且價格昂貴，也不支持異步/基于事件的傳輸。TTCAN是在CAN協議基礎上開發的高層協議，其應用簡單且使用全局時間來進行節點本地時間同步。

表1 部分現場總線協議及其特征Table 1 Several communication protocols and their characteristics

NASA格林研究中心Culley等［44］基于估計信號的分辨率和更新速率，對通用渦扇發動機模型集中式、部分分布式控制系統的數據流量估計。評估結果表明部分分布式控制系統需要的信號傳輸速率更大，但傳輸速率的增加主要是基于數據結構，而不是數據流需求。

2010年，Impact Technologies公司Watson等［45］提出使用分布式故障診斷架構，將故障診斷算法分散到多個硬件，這一架構的應用使得元件可通過監視并處理自身傳感器數據來實現自診斷和趨勢預測功能。2011年，美國俄亥俄州立大學的Belapurkar等［46］給出了用于部分分布式發動機控制系統的基于模型的故障診斷與隔離架構，在這種架構中，故障檢測算法是在原集中式控制器的位置實施分布式FADEC，并驗證了如果不考慮時延，分布式控制系統故障診斷時，基于模型的診斷方法只能在無時延時產生殘差，存在時延時殘差生成的公式不成立。緊接著，他提出了一個完全分布式發動機控制系統基于模型的故障檢測架構，使用智能傳感器節點可實現本地故障檢測算法［47］。Decastro等［48-49］認為并行處理是分布式發動機控制結構的優勢和亮點，采用基于模型的健康管理策略并將其擴展應用到分布式智能節點處理單元，則每個傳感器節點都可對自身健康狀況進行診斷，其診斷結構如圖3所示。

圖3 分布式控制系統智能傳感器節點診斷結構Fig.3 Diagnostic structure of intelligent sensor nodes in distributed engine control system

近些年，國內學者開始對航空發動機分布式控制系統故障診斷與容錯進行相關的研究，特別是作為發動機健康管理系統的一部分，針對傳感器、執行機構和氣路部件等常見故障診斷技術得到了極大發展［50］。其中，以線性或非線性卡爾曼濾波器為基礎，結合神經網絡與模糊等先進控制理論的融合診斷算法大大提高了故障定位、隔離與診斷的快速性與準確性［51-53］。隨著對分布式控制系統的深入研究，針對航空發動機分布式控制系統的故障診斷也開始發展，空軍工程大學的翟旭升等［54］提出了基于T-S模糊模型實現了具有網絡誘導時延的非線性分布式控制系統故障診斷，之后采用基于狀態參數估計法對多包傳輸分布式控制系統模型進行故障檢測［55］。王磊等［56］考慮在總線通信存在時延以及數據包丟失的情況下，研究了航空發動機分布式控制系統的故障診斷方法。南京航空航天大學魯峰［57］提出一種分布式擴展卡爾曼濾波方法實現了具有傳感器融合不確定性的發動機氣路健康參數估計。2022年，西北工業大學余志偉等［58］提出一種基于等價空間法故障診斷濾波器組實現了渦軸發動機分布式控制系統傳感器故障診斷。

容錯控制方法［59］分為被動容錯控制（Passive Fault Tolerant Control，PFTC）和主動容錯控制（Active Fault Tolerant Control，AFTC）2大類。被動容錯控制依據預設的故障類型設計1個結構和參數均固定的控制器，使閉環系統對預設故障的敏感性降低，從而保持系統的穩定。主動容錯控制方法利用故障診斷單元提供的故障信息對控制器的結構或參數進行相應調整，以保證閉環系統穩定工作并盡可能滿足期望的性能指標，其結構原理圖如圖4所示。

圖4 主動容錯控制結構原理圖Fig.4 Schematic diagram of active fault tolerant control structure

容錯控制早期大多應用于保證航天器安全，但很快在航空領域也得到了應用。從2000年起，NASA格林研究中心開展了一系列提高航空安全的研究計劃，加速了航空發動機容錯控制相關技術的研究［60-61］。CEDAR（Commercial Engine Damage Assessment and Reconfiguration）計劃旨在為保證發動機在故障情況下可繼續提供必需的推力，提出了診斷發動機故障并改變控制結構的方法Chatterjee等［62］采用基于線性卡爾曼濾波器估計氣路部件健康參數，依據估計結果自適應更新機載模型及控制器參數。Turso等［63］采用基于線性變參數二次李亞普諾夫函數控制器，并采用多層前饋神經網絡估計氣路部件健康參數，依據估計結果對控制器參數進行調度，達到恢復發動機推力并確保排氣溫度不超限的目的。Brunell等［64］基于自適應模型控制方案，依據氣路部件健康評估及故障診斷結果，優化計算控制器參數，以恢復因氣路部件健康退化、故障甚至部分功能失效等導致的發動機性能降低。

從20世紀80年代開始，國內有關航空公司和西北工業大學、南京航空航天大學等對JT9D、CFM 56以及D-30KY發動機開展了狀態監視和故障診斷等相關研究，為故障隔離、性能恢復及容錯控制奠定了基礎，一些故障容錯方法也相繼被提出。西北工業大學賀小棟等［65］提出了一種基于模型的容錯控制方法，基于遺傳算法對發動機故障情況下的控制器給定值進行優化，實現了在多測點、多種故障水平下恢復發動機運行并繼續提供推力。杜憲等［66］提出了一種基于模型預測控制的主動容錯控制方法，通過事先建立故障狀態下發動機的模型庫，當事先預知的常見故障發生或與之相近的未知故障發生時修改控制律，可達到較好的容錯控制效果。南京航空航天大學楊征山等［67］提出一種基于模態切換的容錯控制方案；張天宏等［68］從被動容錯以及主動容錯的角度分別研究了基于魯棒控制的部件性能退化被動容錯控制和基于滑?？刂破鞯牟考阅芡嘶鲃尤蒎e控制。

多電分布式控制系統FADEC和智能節點都具有計算能力，目前的分布式故障診斷算法都是基于FADEC的故障診斷，并沒有對系統故障診斷功能進行分散，這樣的故障診斷方法不能完全發揮分布式控制系統智能節點的優勢。由于多電智能裝置的普及，分布式控制系統具有從智能部件到整個系統的故障診斷與容錯能力，為開展先進故障診斷與容錯方法及應用提供了前所未有的技術平臺，因此全面、系統、深入的開展多電分布式控制系統故障診斷與容錯技術研究非常必要。

1.4 硬件在環仿真

硬件在環仿真（Hardware-In-Loop，HIL）是分布式控制系統研究應用的重要手段，可促進不同控制規律、故障診斷與容錯算法、硬件設計的開發與測試，加速在航空航天應用中實施分布式發動機控制的進程［1，69］。2014年，NASA格林研究中心DECWG工作組的Culley等［70］提出了一種模塊化架構的分布式硬件在環驗證方案，開發了硬件在環實驗臺以研究分布式控制系統的性能，該實驗臺使用3臺計算機搭建分布式控制系統，這3臺計算機分別搭載運行操作、控制和發動機平臺（C-MAPSS40k），平臺之間通過局域網（1 Gbps）連接并使用UDP（User Datagram Protocol）協議通訊。2016年，Thomas等［71］重點介紹了分布式航空發動機控制HIL測試技術的發展及應用。Speedgoat實時目標機具有優異的運算性能和開發環境支持，近年來被用于控制算法開發和驗證［72-73］。2022年，Khamvilai等［74］使用STM 32作為智能節點核心，通過RS 485接口組成通訊網絡，構建了硬件在環仿真平臺，對傳感器噪聲、總線時延、容錯、高溫條件下的控制性能進行了全方面測試。

國內相關學者在硬件在環平臺開發的技術上也有所建樹，西北工業大學郭迎清團隊［16，18］在實驗室條件下完成了國內首套航空發動機分布式控制系統原理樣機，重點完成了分布式控制系統總體設計、CAN總線數據通信、總線數據的處理以及控制系統各部件間的協調與同步等內容，并對設計的CAN總線通信方案進行了實驗驗證，其硬件結構如圖5所示。針對故障診斷硬件在環仿真平臺搭建，西北工業大學趙萬里等［75-76］設計了基于現場可編程門陣列（Field Programmable Gate Array ，FPGA）+DSP的液體火箭發動機故障診斷器，并基于RTW（Real-Time Workshop）實時仿真技術開發了HIL仿真測試系統。趙占越［77］基于NI PXI 平臺開發了渦輪—沖壓組合動力裝置飛推一體化控制系統的仿真接口模擬系統，為新型飛行裝置的電子控制系統提供HIL仿真測試環境。南京航空航天大學林忠麟［78］基于NI CRIO平臺開發了高置信度的航空發動機電子控制器接口模擬裝置，2022年，西北工業大學Wang等［79］采用TTCAN總線搭建了航空發動機分布式控制系統故障診斷硬件在環仿真平臺，設計了智能節點并對基于卡爾曼濾波器組的分布式故障診斷算法進行實時試驗驗證。航空發動機多電分布式控制系統故障診斷與容錯硬件在環仿真平臺需要將多電分布式控制平臺與故障診斷平臺相結合，增加了平臺搭建的復雜度。

圖5 基于CAN總線的分布式控制系統硬件在環框架圖Fig.5 Hardware-in-loop framework of distributed engine control system based on CAN bus

傳統分布式控制系統硬件在環中，智能執行機構主要由執行機構模型和微處理器等組成。而多電分布式控制系統硬件在環中，智能執行機構主要包含執行機構模型、電機模型和微處理器等。以傳統分布式控制系統相比，智能執行機構所包含的模型更加復雜，直接決定著硬件在環試驗結果是否可靠。由于智能執行機構安裝位置工作環境苛刻（溫度高、振動大），大量采用電力驅動，節點控制、故障診斷、信號處理等功能都將在微處理器中進行。因此，設計智能節點時需要考慮電磁干擾、耐高溫、耐振動等特性，合理分配資源，調度智能節點任務的執行。

2 多電分布式控制系統故障診斷與容錯關鍵問題及關鍵技術

航空發動機多電分布式控制系統故障診斷與容錯主要是對中央控制器（包括主控制器、總線等）、智能傳感器、智能執行機構及發動機部件典型故障開展研究，同時針對多電發動機特征采用包含電動泵和電力作動器等多電電動裝置故障，目的是充分發揮多電分布式控制系統故障診斷與容錯的能力，進而提高其自身的品質和性能，最終保證航空發動機的安全性和可靠性。

國內外研究現狀表明，圍繞航空發動機多電分布式控制系統的故障診斷與容錯研究處于起步階段，盡管國內外研究學者開展了大量的研究工作，在實際應用中發揮了重要作用，但仍有一些亟待解決的關鍵技術問題。

2.1 關鍵問題

1） 多電分布式控制系統故障診斷與容錯方案設計

在集中式控制系統中，所有信號的采集和處理、控制算法的計算與輸出、故障診斷與容錯算法的運算與結果輸出均在控制器中。而多電分布式控制系統每個智能電動單元都具有本地數據處理、小閉環控制規律計算、自診斷和自容錯能力，存在故障診斷與容錯功能不同分配、功能重疊和協同等多種復雜問題和可能的解決方案。同時，不同智能節點之間引入總線通信會不可避免的產生時延和丟包等問題，因此多電分布式控制系統故障診斷與容錯方案設計時需要考慮時延和丟包對算法帶來的影響。

2） 多電分布式控制系統故障診斷與容錯融合方法及其驗證

機載模型運算精度是基于模型故障診斷系統的關鍵，但受發動機間個體差異、發動機零件安裝公差及使用期性能退化等因素影響，按標稱特性建立的模型無法滿足精度需求。需建立高精度多電分布式機載自適應模型，利用在線狀態估計器和神經網絡對模型修正，使其能精確跟蹤發動機的實際狀態，提高故障診斷系統的可信度。

航空發動機故障診斷與容錯方法以基于模型和數據的方法為主，但這些方法各有優勢，可采用融合方法取長補短、提高性能。相對于集中式控制系統，多電分布式控制系統故障診斷與容錯能力大大增強，情況也比較復雜。針對集中式控制較為成熟的方法，重點開展融合方法提高診斷與容錯性能及針對分布式結構后算法適應性的改進；加強模擬故障數據積累和診斷性能評價體系建設，支持多電分布式控制系統故障診斷與容錯技術研究與應用。

3） 電動裝置故障診斷與容錯技術及與系統間協調策略

電動裝置包括電動燃油泵、電力作動器等，采用了許多新電力電子技術，如新型電機及其驅動、傳動裝置，在傳統大功率航空發動機中應用較少、缺乏長期考驗，其本身故障診斷與容錯技術具有一定的難度，需重點研究并加以驗證。

在多電分布式控制系統中，各智能單元及中央控制器都有數據處理、算法計算、邏輯判斷能力，電動裝置故障診斷與容錯功能和中央控制器及它的智能單元故障診斷與容錯功能協調策略非常重要，都需開展創新性研究。

4） 多電分布式系統故障診斷的故障注入與診斷

集中式發動機控制系統中故障注入與診斷都是在FADEC進行，而分布式控制系統故障注入與診斷在研究中可分為2種：① 在采用分布式架構的控制系統上，仍在FADEC進行故障注入與診斷，與集中式的處理方式類似；② 直接在智能傳感器或執行機構等節點注入故障并診斷，將故障診斷功能從FADEC剝離。為體現分布式控制系統的優越性，方案2更具合理性，需重新設計分布式控制系統的信息傳輸方式，保證智能節點在進行故障診斷的同時，仍能正常處理與傳輸數據。

5） 多電分布式故障診斷與容錯系統試驗驗證

多電分布式故障診斷系統將故障診斷算法分布到智能節點上。使智能節點能通過監視和處理自帶的傳感器數據來了解其當前和未來的健康狀態。分布式故障結構與以往集中式區別很大，因此須對其充分測試。同時分布故障診斷與容錯方法存在著在算法開發期間故障數據缺乏、算法單一性能欠佳、完成后沒有統一標準進行測試等問題，無法對診斷方法的實用性和性能給出全面、客觀的量化評價。因此，需開展基于數值仿真故障數據模擬生成技術與診斷方法評價體系建立方法的研究，建立故障診斷平臺，開展故障診斷算法數字仿真驗證和性能評估分析。同時需要構建硬件在環仿真平臺，考慮仿真系統實時性及總線時延與掉包等因素對診斷與容錯的影響。

2.2 關鍵技術

1） 基于模型的多電分布式控制系統故障診斷與容錯架構設計

并行處理能力是分布式控制結構的一大優勢和亮點，采用以基于模型的方法為主完成系統級故障診斷與容錯任務、以基于數據的方法為主完成智能單元級故障診斷與容錯任務，協調系統級與單元級的任務分工與冗余，設計多電分布式控制系統故障診斷與容錯架構。多電分布式控制系統故障診斷與容錯架構圖如圖6所示，將故障診斷與容錯算法分布到嵌入組件內的硬件，使得智能裝置具有可通過監視并處理自身傳感器數據來實現自我診斷和趨勢預測的功能。

圖6 多電分布式控制系統故障診斷與容錯構架Fig.6 Fault diagnosis and accommodation architecture of multi-electric distributed engine control system

相對于傳統集中式控制系統故障診斷方法，發動機分布式控制系統故障診斷與容錯系統將受到總線通訊時間延遲的影響。部分分布式發動機控制體系結構，故障檢測算法是通過分布式監督型FADEC在中央處理器單元集中位置實現的，其診斷與容錯架構如圖7所示。針對發動機完全分布式控制系統，本地故障診斷算法可使用智能傳感器節點實現，同時也可由分布式FADEC完成，其診斷與容錯架構如圖8所示，通過傳感器的本地故障診斷和FADEC故障診斷，可以區分網絡故障和傳感器故障。

圖7 基于模型的部分分布式控制系統故障診斷與容錯架構Fig.7 Fault diagnosis and accommodation architecture of partial distributed control systems based model

圖8 基于模型的完全分布式控制系統的故障診斷與容錯架構Fig.8 Fault diagnosis and accommodation architecture of fully distributed control system based model

智能裝置完成本地傳感器數據處理、數字化變換和總線輸出及自身單元級故障診斷與容錯，采用以基于數據為主、模型為輔的故障診斷與容錯方法。監督型FADEC通過總線獲取所有傳感器的數據，綜合利用信息從系統級角度完成整個控制系統所有傳感器、執行機構及發動機部件故障的診斷與容錯，采用基于模型的故障診斷與容錯方法為主，同時在監督型FADEC內采用信息融合技術處理系統級與單元級對同一故障的診斷冗余結果，提高故障診斷結果的可靠性。多電分布式系統級及單元級的典型故障類型如表2所示。

表2 多電分布式控制系統級及單元級典型故障類型Table 2 Typical fault types of multi-electric distributed engine control system level and unit level

2） 基于模型的多電分布式控制系統故障診斷技術

多電分布式控制系統由于各智能單元都有計算能力，因此各單元具有自診斷能力，提高了整個系統的可靠性。基于模型的多電分布式控制系統故障診斷原理如圖9所示，多電分布式故障診斷系統為智能節點中每一個可能發生的故障設計一個相對應的卡爾曼濾波器，節點卡爾曼濾波器以發動機實際測量值與性能基線模型估計值的偏差作為輸入參數，利用卡爾曼濾波算法，實現當地狀態快速、準確估計，完成節點內各類故障的診斷。其中，智能傳感器節點利用性能基線模型提供的測量參數，加上2個測量通道構成3通道，進行比較，最終通過表決來決定輸出，從而實現該節點（傳感器）故障檢測和隔離。智能執行機構節點采用基于卡爾曼濾波器的故障診斷算法，為執行機構基于模型控制和故障診斷與容錯服務。

圖9 基于模型的多電分布式控制系統故障診斷原理圖Fig.9 Schematic diagram offault diagnosis of multi-electric distributed engine control system based model

系統故障診斷模塊運用混合卡爾曼濾波算法依據各智能節點卡爾曼濾波器產生的殘差均方值與殘差協方差矩陣，通過高斯密度函數遞歸算法計算各部位故障發生的條件概率，根據故障發生位置可信度的排名，實現對各濾波節點故障的系統級診斷。在系統級診斷中還將充分利用分布式系統運算能力，將混合卡爾曼濾波與神經網絡、多元假設檢驗算法相融合，采取基于模型與基于數據的故障診斷方法相結合的方式提高故障診斷系統的置信度。

3） 基于模型的多電分布式控制系統容錯方案

多電分布式控制系統因多電智能裝置的普及，使得系統具有較強的容錯能力。綜合被動容錯控制系統響應快、主動容錯控制系統容錯范圍廣且容錯效果好的優勢，提出基于主-被動混合的容錯控制方案設計多電分布式容錯控制系統，其基本結構如圖10所示。被動容錯控制器能在故障診斷及主動容錯控制器參數重構期間，保證系統安全穩定運行，避免故障進一步發展。主動容錯控制器依據故障診斷結果，優化計算控制器參數，緩解故障對控制系統性能的影響。當故障診斷單元檢測到故障時，將控制器切換到被動容錯控制模式，當故障診斷單元診斷出具體的故障類型、幅值等信息且優化計算出控制器參數時，控制器切換到主動容錯控制模式。

圖10 基于主-被動混合的容錯控制方案基本結構Fig.10 Basic structure of model-based multi-electrical distributed fault-tolerant control system scheme based on active-passive hybrid

基于模型線性預測控制（Linear Model Predictive Control，LMPC）是一種航空發動機主動容錯控制策略，模型預測控制（Model Predictive Control，MPC）算法是一種可直接處理輸入輸出量限制、基于模型的先進控制技術，預測模型和實際過程的動態特性匹配程度越高，控制效果更優。基于LMPC的多電分布式主動容錯控制原理如圖11所示，通過MPC進行主動容錯控制的主要思想是建立多模型MPC結構，將部件故障模型作為預測模型備選，一旦監測發動機出現部件故障，選擇含故障信息的預測模型對應的控制器，從而直接實現容錯控制。

圖11 基于LMPC的多電分布式主動容錯控制原理圖Fig.11 Principal diagram of active fault-tolerant control of multi-electric distributed control system based on LMPC

4） 雙主動冗余電機控制系統故障診斷與容錯方案設計

研究雙主動冗余電機控制系統故障診斷與容錯方法，采用電動泵電機由2組繞組組成、每組繞組連接到自己的控制器和逆變器，形成雙主動冗余電機控制和驅動系統方案。一個電機系統任何部分的繞組中的單個故障不需要通道切換，并且電機電流自動更換。不涉及機械或電氣切換機構，因此雙主動冗余控制系統簡單，高度可靠且耐用，多電發動機燃油泵雙/雙冗余三相無刷電機系統如圖12所示。研究該結構下電機控制、驅動及傳動系統故障診斷與容錯方法，以實現單路電氣原件或回路失效故障時電動泵仍能正常供油、發動機轉速或推力保持不變的需求。

圖12 多電發動機燃油泵雙/雙冗余三相無刷電機系統Fig.12 Dual/dual redundant three-phase brushless motor system for more electric engine fuel pump

研究帶有燃油計量裝置高精度電動燃油泵的故障診斷與容錯方法，為實現電動燃油泵寬范圍、高精度燃油供油和計量功能，提出一種電動燃油泵和燃油計量裝置組合的供油與計量系統方案，如圖13所示［34］。設計1個電動燃油泵和帶燃油壓力閥（Fuel Pressure Valve，FPV）及壓差傳感器的燃油流量反饋系統，增加壓力閥是使在大流量條件時增加流通面積，在保證小流量及計量精度的同時，擴大燃油計量裝置的計量范圍。通過壓差轉化為流量反饋，同時補償燃油溫度引起的燃油質量流量變化，實現寬范圍、高精度的燃油供應和計量進而實現系統的控制。采用基于模型的方法進行上述閉環控制系統故障診斷與容錯，利用基于數據的方法（時間序列分析）對齒輪泵和電機驅動裝置進行故障診斷與容錯。

圖13 多電發動機寬范圍、高精度燃油供油及計量原理圖［34］Fig.13 Schematic diagram of wide-range and high-precision fuel supply and metering of more electric engine［34］

5） 基于深度學習的電力作動器故障診斷與容錯方案設計

設計基于深度學習的電力作動器（Electro-Mechanical Actuator，EMA）故障診斷與容錯方案，建立用于航空發動機電力作動器的Simulink仿真模型，在此模型基礎上，設計基于模型的故障診斷方法，根據傳感器讀取數據采用基于數據的方法進行電力作動器故障診斷。對每個傳感器建立基于時間序列數據模型（Time Series Model，TSM），然后通過模型預測和測量結果的差異來檢測和隔離故障［80-81］。采用基于深度學習稀疏表示和時間序列建?？蚣艿墓收显\斷算法。采用稀疏自動編碼器（Sparse Auto En coder，SAE）算法自適應提取故障特征，利用雙向長短時記憶遞歸神經網絡（Bidirectional Long Short-Term Memory Recurrent Neural Network，BiLSTM-RNN）建立TSM，并進行預測。通過預測結果與實際數據比較，將殘差應用于故障檢測與隔離。

采用SAE自適應的提取故障特征，避免了因人工設計經驗不同而導致不同情況下提取特征有所差異，更具有普遍性的獲得大量數據集特征數據；雙向長短期記憶神經網絡，對所建立的時間序列模型同時考慮過去和未來的數據，提高計算精度。使用該深度學習方法進行電力作動器的故障診斷可降低大數據量時的計算量及復雜程度。

基于深度學習的電力作動器故障診斷流程如圖14所示，訓練階段需要2種數據集，標稱數據集和故障數據集。在訓練過程中，得到TSM和分類器網絡。這兩個經過訓練的網絡將直接用于檢測和隔離故障。在診斷階段，首先由SAE對測試數據篩選，再由訓練好的BiLSTM網絡對篩選出的數據預測。將預測數據與實測數據比較，得到殘差。當剩余數據超過故障檢測閾值時，故障已發生。在確定故障已經發生后，利用訓練好的分類器可分離出當前的故障類型。

圖14 基于深度學習的電力作動器故障診斷流程Fig.14 Flow chart of fault diagnosis process for electric actuator based on deep learning method

6） 多電分布式故障診斷系統硬件在環試驗平臺搭建

搭建多電分布式故障診斷與容錯系統硬件在環試驗平臺，平臺架構及各組件間的連接方式如圖15所示，主工作站監控整個硬件平臺狀態，顯示發動機的運行狀態和故障診斷結果。發動機端運行發動機模型，并將發動機各輸出參數以A/D-D/A的方式與智能節點端實現數據實時交互。智能節點接收發動機端的傳感器測量信號，運行小閉環控制算法和本地故障診斷算法。故障診斷端運行系統級的故障診斷與容錯算法，通過總線方式與發動機端和智能節點端實現數據交互。采用基于自動代碼生成及快速原型化技術的原理樣機生成技術，在可視化框圖基礎上實現一鍵編譯生成可執行文件，并將其自動下載到硬件上運行。

圖15 航空發動機多電分布式控制系統故障診斷與容錯硬件在環仿真平臺Fig.15 Fault diagnosis and accommodation HIL simulatioplatform for multi-electric distributed engine control system

直接在智能傳感器或智能執行機構等節點注入故障并進行診斷，將故障診斷功能從FADEC剝離。采用建模與算法設計軟件編寫程序模擬真實的發動機，設計故障診斷算法、控制器、智能節點及總線通信，使智能節點具備故障診斷功能，再通過嵌入式電子設備搭建航空發動機多電分布式控制系統故障診斷硬件在環仿真平臺，驗證算法與架構的合理性。

驗證多電分布式控制系統故障診斷與容錯系統硬件在環實時運行，利用搭建的多電分布式控制故障診斷與容錯硬件在環試驗平臺，開展智能傳感器與智能執行機構、電動泵與電力作動器、分布式中央控制器等故障診斷與容錯方法及其實時運行性能實驗驗證，在整個飛行包線內、全發動機功率狀態下，檢驗各智能裝置故障診斷與容錯效果。

3 多電分布式控制系統故障診斷與容錯發展趨勢

1） 時延和掉包情況下多電分布式故障診斷與容錯方法研究

多電分布式控制系統中各節點之間信號傳輸都依靠數據總線，核心是總線模型，要準確實時反映總線協議、傳輸速率、網絡時延及掉包等各種特性。針對多電分布式控制系統中使用串行總線通信存在通訊時延和數據包丟失問題，分析評估網絡時延和掉包對故障診斷與容錯算法影響，提出考慮時延和掉包情況下故障診斷與容錯算法改進設計的方法，提高故障診斷與容錯算法針對時延和掉包的魯棒性，確保多電分布式控制系統故障診斷與容錯算法性能。

2） 融合基于模型和數據驅動的故障診斷與容錯算法研究

基于模型的方法隨著建模不確定性和系統復雜性增加，模型精度和運行速度會降低?；跀祿寗拥姆椒?，充分利用發動機控制系統歷史和現實數據，采用神經網絡等工智能方法，彌補基于模型方法的不足。研究基于模型和數據驅動的最佳集成混合方法并將其應用于多電分布式控制系統故障診斷與容錯，利用混合智能方法提高故障診斷性能。

3） 基于總線實時通信的多電分布式故障診斷與容錯仿真系統開發

進行故障診斷與容錯方法研究和試驗驗證是航空發動機多電分布式控制系統設計與驗證技術中關鍵的一個環節。設計桌面仿真系統，開發多電分布式控制系統的控制裝置與被控對象數學模型，研究故障模擬和故障注入技術，進而建立起基于網絡實時通訊的多電分布式故障診斷與容錯桌面仿真系統。

4） 多電分布式硬件在環仿真平臺搭建及建立評價準則

設計硬件在環系統時，需要開發多電分布式控制系統機載實時模型，研究自動代碼生成技術，開發通訊總線、智能傳感器與智能執行機構原理樣機進而搭建硬件平臺進行實時試驗驗證。對系統評價分析是檢驗系統性能非常重要的環節，需建立統一的評價體系來評價系統的性能并進行改進。

4 結論

1） 綜述了國內外航空發動機多電分布式控制系統故障診斷與容錯的發展現狀。

2） 分析了航空發動機多電分布式控制系統故障診斷與容錯存在的關鍵問題，總結了多電分布式控制系統故障診斷與容錯架構設計、基于模型的多電分布式控制系統故障診斷技術及其容錯方案設計、基于模型框架下的故障診斷與容錯方法、雙主動冗余電機控制系統故障診斷與容錯方案、基于深度學習的電力作動器故障診斷與容錯方案和硬件在環試驗平臺搭建6項關鍵技術。

3） 展望了多電分布式控制系統故障診斷與容錯在考慮時延與掉包情況、融合算法、軟件仿真和硬件在環仿真系統及評價準則的發展趨勢。

本研究將進一步推動下一代航空發動機多電分布式控制系統的故障診斷與容錯技術的完善，為航空發動機智能化提供重要的技術支撐，具有一定的參考價值。