基于变分贝叶斯粒子滤波的航空发动机气路故障诊断方法.pptxVIP

content目录01研究背景与问题提出02理论基础与关键技术综述03改进型VB-PF算法架构设计04诊断模型构建与实现路径05实验验证与性能对比分析06结论展望与工程应用价值

研究背景与问题提出01

航空发动机气路系统在复杂运行环境下面临多重不确定性挑战环境复杂性航空发动机气路系统在高空、高湿、强振动等恶劣环境下运行，易受气流扰动与温度波动影响。多变工况导致系统动态特性非平稳，增加状态监测难度。噪声不确定性传感器采集信号常受非高斯噪声干扰，如脉冲噪声与异方差噪声。传统高斯假设模型难以准确刻画实际噪声统计特性，引发估计偏差。异常值干扰飞行中突发电磁干扰或传感器瞬时失效会产生异常观测值。此类离群点严重扭曲状态估计结果，威胁故障诊断可靠性。先验知识缺乏实际运行中噪声分布参数往往未知且时变，依赖先验信息的传统方法适应性受限。亟需具备在线学习能力的自适应诊断新机制。

传统状态估计方法在非高斯噪声与异常值干扰下性能显著下降传统方法局限传统状态估计方法如卡尔曼滤波依赖高斯噪声假设，在非高斯噪声环境下误差显著增大，难以准确追踪系统真实状态，导致故障诊断可靠性下降。异常值敏感性实际飞行中传感器易受脉冲干扰或通信抖动影响，产生异常值。传统滤波算法对此类离群点极为敏感，易引发状态估计发散或误判。先验依赖性强现有方法通常需预先设定噪声统计特性，但在复杂工况下噪声分布时变且未知，强先验依赖限制了算法的自适