俞 刚，黄金泉

（南京航空航天大学能源与动力学院，南京 210016）

0 引言

航空发动机属于多发故障机械，故障诊断技术是提高其安全性与可靠性的重要途径[1-3]。气路故障约占发动机总体故障的90%，其主要表现为气路部件效率和流量的蜕化。气路故障诊断主要根据传感器测量参数的偏差对部件健康参数进行估计，然后对部件的健康状况进行评估，最终决定是否对其进行维修和检查。

气路部件故障诊断方法主要有基于模型的卡尔曼滤波算法[4-5]、基于非模型的神经网络[6]和支持向量机[7]以及智能算法为基础的组合方法[8]。采用卡尔曼滤波算法的前提是测量参数不少于健康参数，但实际发动机上可用传感器测量参数通常少于健康参数。为此，提出了健康参数子集估计法[9]，但未估计的健康参数的蜕化量会叠加到估计的那部分上，使得估计结果不准确。

本文将卡尔曼滤波算法和支持向量机相结合，采用LSSVM对部件故障进行分类，卡尔曼滤波器根据分类结果只对故障部件的健康参数进行估计，减少了需要估计的健康参数，提高了估计精度，相应解决了测量参数偏少情况下的健康参数估计问题。

1 航空发动机故障诊断系统

航空发动机故障诊断系统主要由异常监测、LSSVM故障分类器和卡尔曼滤波器3个模块组成，其工作原理如图1所示。将发动机传感器测量参数输入异常监测模块。该模块根据预先定义的无故障特性对发动机当前工作状态进行异常监测，若监测结果为无故障，则诊断系统直接给出无部件发生故障的诊断结论；……