航空發(fā)動機多電分布式控制系統(tǒng)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(yè)大學 動力與能源學院，西安 710129

航空發(fā)動機控制系統(tǒng)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(fā)動機控制（Distributed Engine Control，DEC）［1］。分布式發(fā)動機控制是一種硬件技術，它徹底改變了飛機發(fā)動機控制系統(tǒng)的體系結構，從集中處理轉變?yōu)椴捎梅植际奖镜靥幚砥飨到y(tǒng)同時工作的硬件處理方法。其主要是將先進的數(shù)據(jù)總線網(wǎng)絡、智能傳感器和智能執(zhí)行機構等引入到發(fā)動機控制系統(tǒng)中。分布式控制系統(tǒng)可使控制器體積減小、重量減輕從而提高發(fā)動機的推重比。采用智能傳感器和執(zhí)行機構提高傳感器精度并獲取系統(tǒng)更多的信息，通過適應系統(tǒng)退化影響及故障隔離來增加系統(tǒng)可用性，通過功能模塊化和標準化來創(chuàng)建發(fā)動機標準組件和通用測試平臺，從而減低設計、生產(chǎn)、裝配和試驗成本，減少定期維修次數(shù)，達到減少備件、減弱退化和減少訓練的效果，以降低發(fā)動機壽命周期的費用。采用系列功能組件、通用接口、系統(tǒng)實現(xiàn)與系統(tǒng)功能相分離的方法，縮短了發(fā)動機控制系統(tǒng)的設計周期，并簡化了技術升級。同時，分布式控制系統(tǒng)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(fā)展的一項全新技術，它改變了傳統(tǒng)飛機設計的理念，是飛機技術發(fā)展史上的一次革命［3-5］，多電航空發(fā)動機（More Electric Engine，MEE）為其核心技術。多電飛機采用電力作為發(fā)動機和部分次級功率系統(tǒng)的原動力，即使用電力驅動系統(tǒng)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(tǒng)［6］。在多電發(fā)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(zhí)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(fā)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(fā)動機及多電控制（More Electric Fully Authority Digital Electronic Control，MEFADEC）系統(tǒng)技術的使用可大大降低系統(tǒng)的重量和成本，提高發(fā)動機的可維護性和可靠性。

分布式控制是航空發(fā)動機控制系統(tǒng)未來發(fā)展的重要方向，多電分布式控制既需要滿足多電飛機發(fā)展的需求，又符合航空發(fā)動機控制系統(tǒng)新的發(fā)展趨勢，是國內外飛機及其發(fā)動機的重點研究領域。多電發(fā)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(tǒng)。同時針對復雜的多電發(fā)動機控制系統(tǒng)，分布式控制易于從部件到子系統(tǒng)再到系統(tǒng)分別進行試驗，同時大多數(shù)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(fā)動機的可靠性和可維護性。因為被控對象和控制方式都發(fā)生了重大的變化，所以航空發(fā)動機多電分布式控制系統(tǒng)的研制極具挑戰(zhàn)性。

由于采用大量多電發(fā)動機電力系統(tǒng)以及隨著分布式控制智能裝置的普及，航空發(fā)動機多電分布式控制系統(tǒng)具有從智能部件到整個系統(tǒng)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(fā)動機多電分布式控制系統(tǒng)故障診斷與容錯技術研究是非常必要的。

1 國內外研究現(xiàn)狀

1.1 航空發(fā)動機分布式控制系統(tǒng)

航空發(fā)動機控制系統(tǒng)基于航空發(fā)動機本身日趨復雜、性能要求不斷提高的需求，經(jīng)歷了一系列技術革命演變［7］。目前航空發(fā)動機主要采用全權限數(shù)字式電子控制（Fully Authority Digital Electronic Control，F(xiàn)ADEC）系統(tǒng)。近年來，隨著“智能發(fā)動機”（Intelligent Engine）概念的提出，控制系統(tǒng)健康管理、故障檢測與隔離和主動部件控制等技術的發(fā)展，在提升發(fā)動機性能的同時導致發(fā)動機輸入和輸出參數(shù)的數(shù)量也在不斷增加，可調節(jié)的部位也越來越多，這要求控制系統(tǒng)具有更強的計算能力、邏輯功能和控制精度。發(fā)動機控制規(guī)律復雜，在追求發(fā)動機高性能的同時也應降低全壽命周期的成本，若繼續(xù)采用集中式架構，航空發(fā)動機控制系統(tǒng)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(fā)動機的苛刻要求。航空發(fā)動機控制系統(tǒng)下一次革命性變化將是控制功能的物理分離，即航空發(fā)動機分布式控制系統(tǒng)［8-9］。分布式控制系統(tǒng)的實現(xiàn)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(xiàn)出系統(tǒng)減重、模塊化、高可靠性、應用主動控制技術、高級監(jiān)督管理、健康管理等一系列的優(yōu)點。

基于分布式結構的發(fā)動機控制系統(tǒng)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(yōu)化方法設計分布式控制結構：包括分布式通信協(xié)議選擇、分布式組件位置優(yōu)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(wǎng)絡（Controller Area Network，CAN）總線智能傳感器在航空發(fā)動機控制系統(tǒng)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(yè)成立了分布式發(fā)動機控制研究工作組（Distributed Engine Control Working Group，DECWG），提出了航空發(fā)動機分布式控制系統(tǒng)研究未來發(fā)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(tǒng)［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(tǒng)，其智能執(zhí)行機構自帶線性閉環(huán)反饋控制，智能傳感器輸出數(shù)字信號可在本地進行內部監(jiān)測。Yedavalli等［13］對發(fā)動機分布式系統(tǒng)可能采用的幾種通信協(xié)議做了比較，認為基于時間觸發(fā)的總線協(xié)議是最適合航空發(fā)動機分布式控制系統(tǒng)的通訊標準。Pakmehr等［14］建立了帶升力風扇渦軸發(fā)動機的通用簡化版動態(tài)模型。然后在此基礎上以燃油流量為子系統(tǒng)的控制量建立了核心機控制器，以導葉角度為風扇子系統(tǒng)控制量建立了風扇控制器，實現(xiàn)了分布式控制。

中國航空發(fā)動機多電分布式控制系統(tǒng)起步較晚，從2000年左右開始航空發(fā)動機分布式控制系統(tǒng)的研究。西北工業(yè)大學郭迎清教授較早開始發(fā)動機分布式控制的研究。2003-2006年，郭迎清等［15-16］對航空發(fā)動機控制系統(tǒng)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(fā)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(fā)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(fā)動機和超燃沖壓發(fā)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(huán)發(fā)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(fā)動機分布式控制的結構、功能與優(yōu)勢，針對具有總線時延和噪聲干擾的航空發(fā)動機分布式控制系統(tǒng)，設計了H∞魯棒控制器，討論了時間觸發(fā)控制器局域網(wǎng)絡（Time-Triggered Controller Area Network，TTCAN）總線通訊方案，給出了TTCAN網(wǎng)絡節(jié)點軟硬件設計［24］，關越等［25］分析了航空發(fā)動機分布式控制系統(tǒng)技術成熟度以及不同系統(tǒng)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(fā)動機控制功能，設計了過渡分布式控制系統(tǒng)方案?？哲姽こ檀髮W謝壽生團隊設計了基于數(shù)字信號處理器（Digital Signal Processor，DSP）和CAN總線的智能傳感器和智能執(zhí)行機構［27-28］，研究了魯棒H∞控制和最優(yōu)保成本容錯控制［29-30］。

1.2 多電發(fā)動機

多電發(fā)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(fā)電機、高可靠性執(zhí)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(tǒng)收集傳感器數(shù)據(jù)，對發(fā)動機和部件的工作狀態(tài)監(jiān)控和管理。與傳統(tǒng)航空發(fā)動機相比，多電發(fā)動機提高了燃油系統(tǒng)效率、優(yōu)化了發(fā)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(fā)動機相關研究［31-32］。2012年，株式會社IHI集團Oyori等［33］對多電發(fā)動機故障診斷進行了相應的研究，其設計的多電發(fā)動機主要功能組件如圖2所示，并提出設計多電發(fā)動機時需要為故障考慮軟硬件的冗余，以及多電發(fā)動機的故障特征、容錯系統(tǒng)架構和故障診斷方法，主要包括對電機、電纜、電動執(zhí)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(fā)動機的控制系統(tǒng)結構與控制律進行研究，提出了多電結構下傳統(tǒng)控制邏輯和算法需要改進的方面，包括功率管理系統(tǒng)、瞬態(tài)控制計劃、極限保護等。

圖2 多電發(fā)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(fā)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(yè)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(fā)動機研究現(xiàn)狀和關鍵技術進行了研究，從多電發(fā)動機研究現(xiàn)狀出發(fā)，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(fā)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(fā)動機電動燃油泵方案，根據(jù)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(jīng)網(wǎng)絡相結合的機電作動器故障診斷方法。

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

1.3 航空發(fā)動機分布式控制系統(tǒng)故障診斷與容錯

故障診斷與容錯（Fault Diagnosis and Accommodation，F(xiàn)DA）技術主要包括故障檢測（Fault Detection，F(xiàn)D）、故障隔離（Fault Isolation，F(xiàn)I）與容錯控制（Fault Tolerant Control，F(xiàn)TC），當被監(jiān)控對象發(fā)生故障時，檢測出故障及發(fā)生的部位，并采取調整措施來緩解、改善故障對系統(tǒng)造成的影響。故障診斷方法主要分為基于模型、數(shù)據(jù)驅動和混合的方法，國內外相關學者對航空發(fā)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(tǒng)。針對航空發(fā)動機分布式控制系統(tǒng)的故障診斷仍處于快速發(fā)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］?？偩€通訊協(xié)議有時間和事件觸發(fā)2種機制，其中時間觸發(fā)機制可提供高可靠性的數(shù)據(jù)傳輸，具有時延定?？深A測、抖動有界、容錯能力高等優(yōu)點。航空發(fā)動機控制系統(tǒng)對信號傳輸實時性和穩(wěn)定性有很高的要求，這使得時間觸發(fā)總線成為必然選擇。美國俄亥俄州立大學的 Yedavalli等［13］從數(shù)據(jù)傳輸速率、同步/異步數(shù)據(jù)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(xié)議已應用于航空航天領域，該協(xié)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(yōu)先級來避免數(shù)據(jù)沖突。但是它不使用全局時間進行節(jié)點同步。TTP/C、TTEthernet等時間觸發(fā)協(xié)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(jié)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(xié)議基礎上開發(fā)的高層協(xié)議，其應用簡單且使用全局時間來進行節(jié)點本地時間同步。

表1 部分現(xiàn)場總線協(xié)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(fā)動機模型集中式、部分分布式控制系統(tǒng)的數(shù)據(jù)流量估計。評估結果表明部分分布式控制系統(tǒng)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(shù)據(jù)結構，而不是數(shù)據(jù)流需求。

2010年，Impact Technologies公司W(wǎng)atson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(jiān)視并處理自身傳感器數(shù)據(jù)來實現(xiàn)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(fā)動機控制系統(tǒng)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(tǒng)故障診斷時，基于模型的診斷方法只能在無時延時產(chǎn)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(fā)動機控制系統(tǒng)基于模型的故障檢測架構，使用智能傳感器節(jié)點可實現(xiàn)本地故障檢測算法［47］。Decastro等［48-49］認為并行處理是分布式發(fā)動機控制結構的優(yōu)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(jié)點處理單元，則每個傳感器節(jié)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(tǒng)智能傳感器節(jié)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(fā)動機分布式控制系統(tǒng)故障診斷與容錯進行相關的研究，特別是作為發(fā)動機健康管理系統(tǒng)的一部分，針對傳感器、執(zhí)行機構和氣路部件等常見故障診斷技術得到了極大發(fā)展［50］。其中，以線性或非線性卡爾曼濾波器為基礎，結合神經(jīng)網(wǎng)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(tǒng)的深入研究，針對航空發(fā)動機分布式控制系統(tǒng)的故障診斷也開始發(fā)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(xiàn)了具有網(wǎng)絡誘導時延的非線性分布式控制系統(tǒng)故障診斷，之后采用基于狀態(tài)參數(shù)估計法對多包傳輸分布式控制系統(tǒng)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(shù)據(jù)包丟失的情況下，研究了航空發(fā)動機分布式控制系統(tǒng)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(xiàn)了具有傳感器融合不確定性的發(fā)動機氣路健康參數(shù)估計。2022年，西北工業(yè)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(xiàn)了渦軸發(fā)動機分布式控制系統(tǒng)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(jù)預設的故障類型設計1個結構和參數(shù)均固定的控制器，使閉環(huán)系統(tǒng)對預設故障的敏感性降低，從而保持系統(tǒng)的穩(wěn)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(shù)進行相應調整，以保證閉環(huán)系統(tǒng)穩(wěn)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(fā)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(fā)動機在故障情況下可繼續(xù)提供必需的推力，提出了診斷發(fā)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(shù)，依據(jù)估計結果自適應更新機載模型及控制器參數(shù)。Turso等［63］采用基于線性變參數(shù)二次李亞普諾夫函數(shù)控制器，并采用多層前饋神經(jīng)網(wǎng)絡估計氣路部件健康參數(shù)，依據(jù)估計結果對控制器參數(shù)進行調度，達到恢復發(fā)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(jù)氣路部件健康評估及故障診斷結果，優(yōu)化計算控制器參數(shù)，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(fā)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(yè)大學、南京航空航天大學等對JT9D、CFM 56以及D-30KY發(fā)動機開展了狀態(tài)監(jiān)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(yè)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(fā)動機故障情況下的控制器給定值進行優(yōu)化，實現(xiàn)了在多測點、多種故障水平下恢復發(fā)動機運行并繼續(xù)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(tài)下發(fā)動機的模型庫，當事先預知的常見故障發(fā)生或與之相近的未知故障發(fā)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(tài)切換的容錯控制方案；張?zhí)旌甑龋?8］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(tǒng)FADEC和智能節(jié)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(tǒng)故障診斷功能進行分散，這樣的故障診斷方法不能完全發(fā)揮分布式控制系統(tǒng)智能節(jié)點的優(yōu)勢。由于多電智能裝置的普及，分布式控制系統(tǒng)具有從智能部件到整個系統(tǒng)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(tǒng)、深入的開展多電分布式控制系統(tǒng)故障診斷與容錯技術研究非常必要。

1.4 硬件在環(huán)仿真

硬件在環(huán)仿真（Hardware-In-Loop，HIL）是分布式控制系統(tǒng)研究應用的重要手段，可促進不同控制規(guī)律、故障診斷與容錯算法、硬件設計的開發(fā)與測試，加速在航空航天應用中實施分布式發(fā)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(huán)驗證方案，開發(fā)了硬件在環(huán)實驗臺以研究分布式控制系統(tǒng)的性能，該實驗臺使用3臺計算機搭建分布式控制系統(tǒng)，這3臺計算機分別搭載運行操作、控制和發(fā)動機平臺（C-MAPSS40k），平臺之間通過局域網(wǎng)（1 Gbps）連接并使用UDP（User Datagram Protocol）協(xié)議通訊。2016年，Thomas等［71］重點介紹了分布式航空發(fā)動機控制HIL測試技術的發(fā)展及應用。Speedgoat實時目標機具有優(yōu)異的運算性能和開發(fā)環(huán)境支持，近年來被用于控制算法開發(fā)和驗證［72-73］。2022年，Khamvilai等［74］使用STM 32作為智能節(jié)點核心，通過RS 485接口組成通訊網(wǎng)絡，構建了硬件在環(huán)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(huán)平臺開發(fā)的技術上也有所建樹，西北工業(yè)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(fā)動機分布式控制系統(tǒng)原理樣機，重點完成了分布式控制系統(tǒng)總體設計、CAN總線數(shù)據(jù)通信、總線數(shù)據(jù)的處理以及控制系統(tǒng)各部件間的協(xié)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(huán)仿真平臺搭建，西北工業(yè)大學趙萬里等［75-76］設計了基于現(xiàn)場可編程門陣列（Field Programmable Gate Array ，F(xiàn)PGA）+DSP的液體火箭發(fā)動機故障診斷器，并基于RTW（Real-Time Workshop）實時仿真技術開發(fā)了HIL仿真測試系統(tǒng)。趙占越［77］基于NI PXI 平臺開發(fā)了渦輪—沖壓組合動力裝置飛推一體化控制系統(tǒng)的仿真接口模擬系統(tǒng)，為新型飛行裝置的電子控制系統(tǒng)提供HIL仿真測試環(huán)境。南京航空航天大學林忠麟［78］基于NI CRIO平臺開發(fā)了高置信度的航空發(fā)動機電子控制器接口模擬裝置，2022年，西北工業(yè)大學Wang等［79］采用TTCAN總線搭建了航空發(fā)動機分布式控制系統(tǒng)故障診斷硬件在環(huán)仿真平臺，設計了智能節(jié)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(fā)動機多電分布式控制系統(tǒng)故障診斷與容錯硬件在環(huán)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(tǒng)硬件在環(huán)框架圖Fig.5 Hardware-in-loop framework of distributed engine control system based on CAN bus

傳統(tǒng)分布式控制系統(tǒng)硬件在環(huán)中，智能執(zhí)行機構主要由執(zhí)行機構模型和微處理器等組成。而多電分布式控制系統(tǒng)硬件在環(huán)中，智能執(zhí)行機構主要包含執(zhí)行機構模型、電機模型和微處理器等。以傳統(tǒng)分布式控制系統(tǒng)相比，智能執(zhí)行機構所包含的模型更加復雜，直接決定著硬件在環(huán)試驗結果是否可靠。由于智能執(zhí)行機構安裝位置工作環(huán)境苛刻（溫度高、振動大），大量采用電力驅動，節(jié)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(jié)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(jié)點任務的執(zhí)行。

2 多電分布式控制系統(tǒng)故障診斷與容錯關鍵問題及關鍵技術

航空發(fā)動機多電分布式控制系統(tǒng)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(zhí)行機構及發(fā)動機部件典型故障開展研究，同時針對多電發(fā)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(fā)揮多電分布式控制系統(tǒng)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(fā)動機的安全性和可靠性。

國內外研究現(xiàn)狀表明，圍繞航空發(fā)動機多電分布式控制系統(tǒng)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(fā)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(tǒng)故障診斷與容錯方案設計

在集中式控制系統(tǒng)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(tǒng)每個智能電動單元都具有本地數(shù)據(jù)處理、小閉環(huán)控制規(guī)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(xié)同等多種復雜問題和可能的解決方案。同時，不同智能節(jié)點之間引入總線通信會不可避免的產(chǎn)生時延和丟包等問題，因此多電分布式控制系統(tǒng)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(tǒng)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(tǒng)的關鍵，但受發(fā)動機間個體差異、發(fā)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(tài)估計器和神經(jīng)網(wǎng)絡對模型修正，使其能精確跟蹤發(fā)動機的實際狀態(tài)，提高故障診斷系統(tǒng)的可信度。

航空發(fā)動機故障診斷與容錯方法以基于模型和數(shù)據(jù)的方法為主，但這些方法各有優(yōu)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(tǒng)，多電分布式控制系統(tǒng)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(shù)據(jù)積累和診斷性能評價體系建設，支持多電分布式控制系統(tǒng)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(tǒng)間協(xié)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(tǒng)大功率航空發(fā)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(tǒng)中，各智能單元及中央控制器都有數(shù)據(jù)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(xié)調策略非常重要，都需開展創(chuàng)新性研究。

4） 多電分布式系統(tǒng)故障診斷的故障注入與診斷

集中式發(fā)動機控制系統(tǒng)中故障注入與診斷都是在FADEC進行，而分布式控制系統(tǒng)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(tǒng)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(zhí)行機構等節(jié)點注入故障并診斷，將故障診斷功能從FADEC剝離。為體現(xiàn)分布式控制系統(tǒng)的優(yōu)越性，方案2更具合理性，需重新設計分布式控制系統(tǒng)的信息傳輸方式，保證智能節(jié)點在進行故障診斷的同時，仍能正常處理與傳輸數(shù)據(jù)。

5） 多電分布式故障診斷與容錯系統(tǒng)試驗驗證

多電分布式故障診斷系統(tǒng)將故障診斷算法分布到智能節(jié)點上。使智能節(jié)點能通過監(jiān)視和處理自帶的傳感器數(shù)據(jù)來了解其當前和未來的健康狀態(tài)。分布式故障結構與以往集中式區(qū)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(fā)期間故障數(shù)據(jù)缺乏、算法單一性能欠佳、完成后沒有統(tǒng)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(shù)值仿真故障數(shù)據(jù)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(shù)字仿真驗證和性能評估分析。同時需要構建硬件在環(huán)仿真平臺，考慮仿真系統(tǒng)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(tǒng)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(yōu)勢和亮點，采用以基于模型的方法為主完成系統(tǒng)級故障診斷與容錯任務、以基于數(shù)據(jù)的方法為主完成智能單元級故障診斷與容錯任務，協(xié)調系統(tǒng)級與單元級的任務分工與冗余，設計多電分布式控制系統(tǒng)故障診斷與容錯架構。多電分布式控制系統(tǒng)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(jiān)視并處理自身傳感器數(shù)據(jù)來實現(xiàn)自我診斷和趨勢預測的功能。

圖6 多電分布式控制系統(tǒng)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(tǒng)集中式控制系統(tǒng)故障診斷方法，發(fā)動機分布式控制系統(tǒng)故障診斷與容錯系統(tǒng)將受到總線通訊時間延遲的影響。部分分布式發(fā)動機控制體系結構，故障檢測算法是通過分布式監(jiān)督型FADEC在中央處理器單元集中位置實現(xiàn)的，其診斷與容錯架構如圖7所示。針對發(fā)動機完全分布式控制系統(tǒng)，本地故障診斷算法可使用智能傳感器節(jié)點實現(xiàn)，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(qū)分網(wǎng)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(tǒng)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(tǒng)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(shù)據(jù)處理、數(shù)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(shù)據(jù)為主、模型為輔的故障診斷與容錯方法。監(jiān)督型FADEC通過總線獲取所有傳感器的數(shù)據(jù)，綜合利用信息從系統(tǒng)級角度完成整個控制系統(tǒng)所有傳感器、執(zhí)行機構及發(fā)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(jiān)督型FADEC內采用信息融合技術處理系統(tǒng)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(tǒng)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(tǒng)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(tǒng)故障診斷技術

多電分布式控制系統(tǒng)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(tǒng)的可靠性?；谀Ｐ偷亩嚯姺植际娇刂葡到y(tǒng)故障診斷原理如圖9所示，多電分布式故障診斷系統(tǒng)為智能節(jié)點中每一個可能發(fā)生的故障設計一個相對應的卡爾曼濾波器，節(jié)點卡爾曼濾波器以發(fā)動機實際測量值與性能基線模型估計值的偏差作為輸入?yún)?shù)，利用卡爾曼濾波算法，實現(xiàn)當?shù)貭顟B(tài)快速、準確估計，完成節(jié)點內各類故障的診斷。其中，智能傳感器節(jié)點利用性能基線模型提供的測量參數(shù)，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(xiàn)該節(jié)點（傳感器）故障檢測和隔離。智能執(zhí)行機構節(jié)點采用基于卡爾曼濾波器的故障診斷算法，為執(zhí)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(tǒng)故障診斷原理圖Fig.9 Schematic diagram offault diagnosis of multi-electric distributed engine control system based model

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

3） 基于模型的多電分布式控制系統(tǒng)容錯方案

多電分布式控制系統(tǒng)因多電智能裝置的普及，使得系統(tǒng)具有較強的容錯能力。綜合被動容錯控制系統(tǒng)響應快、主動容錯控制系統(tǒng)容錯范圍廣且容錯效果好的優(yōu)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(tǒng)，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(shù)重構期間，保證系統(tǒng)安全穩(wěn)定運行，避免故障進一步發(fā)展。主動容錯控制器依據(jù)故障診斷結果，優(yōu)化計算控制器參數(shù)，緩解故障對控制系統(tǒng)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(yōu)化計算出控制器參數(shù)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(fā)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(tài)特性匹配程度越高，控制效果更優(yōu)?；贚MPC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(jiān)測發(fā)動機出現(xiàn)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(xiàn)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(tǒng)故障診斷與容錯方案設計

研究雙主動冗余電機控制系統(tǒng)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(tǒng)方案。一個電機系統(tǒng)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(tǒng)簡單，高度可靠且耐用，多電發(fā)動機燃油泵雙/雙冗余三相無刷電機系統(tǒng)如圖12所示。研究該結構下電機控制、驅動及傳動系統(tǒng)故障診斷與容錯方法，以實現(xiàn)單路電氣原件或回路失效故障時電動泵仍能正常供油、發(fā)動機轉速或推力保持不變的需求。

圖12 多電發(fā)動機燃油泵雙/雙冗余三相無刷電機系統(tǒng)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(xiàn)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(tǒng)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，F(xiàn)PV）及壓差傳感器的燃油流量反饋系統(tǒng)，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(xiàn)寬范圍、高精度的燃油供應和計量進而實現(xiàn)系統(tǒng)的控制。采用基于模型的方法進行上述閉環(huán)控制系統(tǒng)故障診斷與容錯，利用基于數(shù)據(jù)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(fā)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(fā)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(jù)傳感器讀取數(shù)據(jù)采用基于數(shù)據(jù)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(shù)據(jù)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(jīng)網(wǎng)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(shù)據(jù)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(jīng)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(shù)據(jù)集特征數(shù)據(jù)；雙向長短期記憶神經(jīng)網(wǎng)絡，對所建立的時間序列模型同時考慮過去和未來的數(shù)據(jù)，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(shù)據(jù)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(shù)據(jù)集，標稱數(shù)據(jù)集和故障數(shù)據(jù)集。在訓練過程中，得到TSM和分類器網(wǎng)絡。這兩個經(jīng)過訓練的網(wǎng)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(shù)據(jù)篩選，再由訓練好的BiLSTM網(wǎng)絡對篩選出的數(shù)據(jù)預測。將預測數(shù)據(jù)與實測數(shù)據(jù)比較，得到殘差。當剩余數(shù)據(jù)超過故障檢測閾值時，故障已發(fā)生。在確定故障已經(jīng)發(fā)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(tǒng)硬件在環(huán)試驗平臺搭建

搭建多電分布式故障診斷與容錯系統(tǒng)硬件在環(huán)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(jiān)控整個硬件平臺狀態(tài)，顯示發(fā)動機的運行狀態(tài)和故障診斷結果。發(fā)動機端運行發(fā)動機模型，并將發(fā)動機各輸出參數(shù)以A/D-D/A的方式與智能節(jié)點端實現(xiàn)數(shù)據(jù)實時交互。智能節(jié)點接收發(fā)動機端的傳感器測量信號，運行小閉環(huán)控制算法和本地故障診斷算法。故障診斷端運行系統(tǒng)級的故障診斷與容錯算法，通過總線方式與發(fā)動機端和智能節(jié)點端實現(xiàn)數(shù)據(jù)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(xiàn)一鍵編譯生成可執(zhí)行文件，并將其自動下載到硬件上運行。

圖15 航空發(fā)動機多電分布式控制系統(tǒng)故障診斷與容錯硬件在環(huán)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(zhí)行機構等節(jié)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(fā)動機，設計故障診斷算法、控制器、智能節(jié)點及總線通信，使智能節(jié)點具備故障診斷功能，再通過嵌入式電子設備搭建航空發(fā)動機多電分布式控制系統(tǒng)故障診斷硬件在環(huán)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(tǒng)故障診斷與容錯系統(tǒng)硬件在環(huán)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(huán)試驗平臺，開展智能傳感器與智能執(zhí)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(fā)動機功率狀態(tài)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(tǒng)故障診斷與容錯發(fā)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(tǒng)中各節(jié)點之間信號傳輸都依靠數(shù)據(jù)總線，核心是總線模型，要準確實時反映總線協(xié)議、傳輸速率、網(wǎng)絡時延及掉包等各種特性。針對多電分布式控制系統(tǒng)中使用串行總線通信存在通訊時延和數(shù)據(jù)包丟失問題，分析評估網(wǎng)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(tǒng)故障診斷與容錯算法性能。

2） 融合基于模型和數(shù)據(jù)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(tǒng)復雜性增加，模型精度和運行速度會降低?；跀?shù)據(jù)驅動的方法，充分利用發(fā)動機控制系統(tǒng)歷史和現(xiàn)實數(shù)據(jù)，采用神經(jīng)網(wǎng)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(shù)據(jù)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(tǒng)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(tǒng)開發(fā)

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

4） 多電分布式硬件在環(huán)仿真平臺搭建及建立評價準則

設計硬件在環(huán)系統(tǒng)時，需要開發(fā)多電分布式控制系統(tǒng)機載實時模型，研究自動代碼生成技術，開發(fā)通訊總線、智能傳感器與智能執(zhí)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(tǒng)評價分析是檢驗系統(tǒng)性能非常重要的環(huán)節(jié)，需建立統(tǒng)一的評價體系來評價系統(tǒng)的性能并進行改進。

4 結論

1） 綜述了國內外航空發(fā)動機多電分布式控制系統(tǒng)故障診斷與容錯的發(fā)展現(xiàn)狀。

2） 分析了航空發(fā)動機多電分布式控制系統(tǒng)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(tǒng)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(tǒng)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(tǒng)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(huán)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(tǒng)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(huán)仿真系統(tǒng)及評價準則的發(fā)展趨勢。

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