| 저자(한글) |
WANG, Lei,XIE, Shou-sheng,REN, Li-tong,YU, Jian,CUI, Xiao-jun |
| 초록 |
본 논문에서는 항공 엔진의 다중 작동 상태 특성 및 분산형 제어 시스템의 비선형 네트워크 환경 조건이 고장 진단 시스템에 미치는 영향을 감소시키기 위하여, 항공 엔진의 분산형 제어 시스템에 대하여 T-S 퍼지(fuzzy) 커널 주성분 분석(kernel principal component analysis, KPCA) 모델을 기반으로 한 센서 고장 진단 방법을 제시하였다. 먼저, 퍼지 C-평균 클러스터링(C-means clustering) 알고리즘을 이용하여 연료 제어봉의 각도를 샘플 라벨(sample label)로 선정하여 샘플 공간을 분류하고, 퍼지 유사 행렬을 이용하여 각 샘플의 하위 공간 이상치(outlier) 위치를 제거하였다. 그 다음, 규범 작동 상태의 KPCA 모델을 구축하고 훈련 샘플을 이용하여 비규범 작동 상태의 소속 함수를 식별하여 전체 작동 상태 과정의 T-S 퍼지 KPCA 모델을 구축하였다. 마지막으로, 통계량 T 2 및 SPE(Stochastic Proximity Embedding)를 이용하여 센서 고장을 진단하고, 데이터 재구성 방법을 이용하여 고장 센서를 분리하고 위치를 확정하였다. 수치모사 결과, 이러한 방법은 엔진의 임의의 안정적 작동 상태 조건에서 자기적응 제어를 수행할 수 있었고, 비선형 네트워크 환경 조건에서 정상 샘플과 고장 샘플에 대한 낮은 허위 경보 비율 및 오류 비율을 유지하였다. 여러 개의 센서가 동시에 고장이 발생할 때 고장 위치를 정확하게 파악하여 고장 센서를 분리할 수 있었다. |
