多模型方法结合了参数估计与模式识别思想,有助于解决基于模型的气路故障诊断方法所面临的多故障诊断、欠定估计以及气路故障与传感器故障耦合等问题,提高基于模型方法的性能。本文将多模型方法引入船用燃气轮机气路故障诊断领域,对基于多模型方法的气路故障诊断进行系统研究,解决了多模型方法在船用燃气轮机气路故障诊断应用中面临的模型集建立、滤波器设计以及气路故障与传感器故障同时诊断等关键问题,提高了基于模型的气路故障诊断方法性能,拓展和补充当前气路故障诊断理论。论文的主要工作如下:(1)建立了用于气路故障诊断的非线性模型与线性状态空间模型。研究部件特性拟合问题,提出了基于曲线变换的压气机特性拟合方法,实现了以更少的优化系数达到更高的拟合精度。根据获得的部件特性解析表达建立了解析化的非线性模型,并在此基础上建立了分段线性化状态空间模型。研究了分段线性化模型线性化点选择问题,提出了基于间隙度量的线性化点完备且非冗余选择方法,以更少的模型实现了全工况的高精度仿真。(2)研究了多模型方法在线性气路故障诊断中的应用。分析了多模型方法在气路故障检测与隔离应用中面临的问题。针对模型集建立问题提出了基于参数扩展的模型集建立方法,能够在正常模型基础上快速建立各种故障假设模型。针对多故障问题建立了层次化的检测与隔离框架并提出了模型集自适应生成方法,能够根据上一层次检测结果自适应生成下一层次模型集。对线性多模型气路故障诊断方法在不同情形下进行了仿真分析,结果表明该方法在稳态时对单故障具有95.5%的准确率,对双突变与双渐变故障分别具有94%和95%的准确率,且在不同测量参数数量以及野点值存在时依然能够准确检测与隔离故障。此外,基于线性多模型方法检测结果,提出了广义似然比估计方法,实现了欠定条件下故障幅值的准确估计。(3)研究了多模型方法在非线性气路故障诊断中的应用。针对多模型方法在非线性气路故障检测与隔离中面临的滤波器设计问题,提出了基于强跟踪扩展卡尔曼滤波的多模型方法。为了降低非线性多模型方法计算负担,提出了基于解析线性化的雅克比矩阵求解方法,与传统方法相比显著提高了计算效率。对比分析了基于常用非线性卡尔曼滤波的多模型气路故障诊断方法,结果表明该方法与基于扩展卡尔曼滤波的多模型方法计算量接近但对不确定性具有较强的鲁棒性,且对稳态与过渡过程下的双突变故障检测与隔离准确率为96%和99%,双渐变故障检测与隔离准确率为92%和94%。此外,基于非线性多模型方法检测结果,提出了基于强跟踪扩展卡尔曼滤波的故障幅值估计方法,实现了欠定条件下故障幅值的准确估计。(4)研究了基于多模型的传感器与气路耦合故障诊断方法。将基于强跟踪扩展卡尔曼滤波的非线性多模型方法应用于传感器故障检测与隔离并实现了故障传感器幅值估计。针对多模型方法中人为给定故障幅值的假设模型与实际运行状态误差较大容易引起误检测的问题,结合故障幅值估计方法对多模型方法进行改进建立检测-估计框架,实现了渐变与突变传感器与气路故障的准确检测与幅值的准确估计。针对传感器故障与气路故障耦合问题,在改进的检测-估计框架基础上提出了基于卡方检验的故障确认方法,能够有效的确定实际发生故障。最终建立了基于多模型方法的传感器与气路耦合故障诊断的检测-估计-确认框架并进行了仿真分析,结果表明该框架能够实现传感器与气路故障同时准确诊断且单耦合故障情形下对传感器故障与气路故障分别具有97%与94%的检测准确率,对应的故障幅值估计的均方根误差都小于0.04。(5)研究了基于多模型的传感器与气路耦合故障诊断方法的硬件在环仿真验证技术。基于NI CompactRIO实时控制器以及Labview软件,采用模块化思想,搭建了硬件在环仿真验证平台并开发了基于多模型方法的传感器与气路耦合故障诊断系统。实时故障仿真验证结果表明:本文所提出的基于多模型的传感器与气路耦合故障诊断方法在硬件在环仿真环境下能够准确实现耦合故障的检测与估计,为其在船用燃气轮机故障诊断的实际应用奠定了基础。