风扇/压气机失稳辨识系统设计与验证

失速和喘振是航空发动机试验中常遇的两类气动失稳现象,为保障发动机零部件试验安全运转,必须对失速喘振信号进行在线检测控制。根据零部件试车台架的需求,设计了失速喘振辨识算法并对影响辨识算法的关键因素进行了分析,通过小型嵌入式系统为硬件平台实现了失稳辨识系统在线检测功能。该失稳辨识系统具有体积小、实时性强、抗干扰能力强的特点。在多个型号零部件试验件的应用表明,该系统能有效识别发动机深度失速和喘振状态,满足航空发动机风扇/压气机对失速喘振在线检测控制的要求,具有较高的工程应用价值。     

结合统计的模型辨识在发动机故障诊断中应用

以一个双轴分排涡扇发动机为例,研究了数理统计和模型辨识组合方法诊断发动机双故障的可行性和效果.模型辨识法基于发动机性能仿真模型,在辨识的过程中利用了发动机平衡技术,考虑了模型的非线性.运用数理统计方法对辨识法得到的结果进行再处理,弥补了单纯以拟合程度为标准进行故障隔离的不足,定义和选择合适的故障指标,可以在多重故障模型下得到良好的故障隔离效果.      

固体火箭发动机瞬变参数辨识

叙述了固体火箭发动机参数辨识的方法, 以反喷管打开后瞬变过程中推进剂瞬变燃速、打开函数和喷喉收缩因子的辨识为例, 说明了瞬变参数辨识的技术。辨识采用的数学模型是零维不定常内弹道计算方程组, 这是一个非线性系统的参数辨识问题。优化方法采用阻尼最小二乘法。给出了算例, 经参数辨识准度分析, 辨识结果是合理的。      

液压系统数学模型的辨识

系统辨识是获得液压系统数学模型的最有效方法之一。本文研究了液压系统数学模型辨识的实验设计技术、介绍了自行开发的辨识软件的原理与功能,并给出了对液压转台进行辨识的结果。     

基于RBF网络的航空发动机辨识模型

利用实测到的发动机飞行试验数据作为学习样本, 采用径向基函数 (RBF)神经网络建立了发动机的辨识模型。利用这种方法对不同飞行高度发动机的参数进行了辨识, 并与几种 BP网络进行了比较。研究结果表明: 这种方法具有训练时间短、学习速度快、辨识精度高等优点。      

N4SID辨识方法在航空发动机中的应用

针对在现代航空发动机的自适应控制和故障监控领域建立系统动态模型的需要 ,本文研究了基于状态空间模型的数字子空间状态空间系统辨识 (N4SID)方法 ,并在某型双转子涡喷发动机非线性气动热力学模型的“小偏离”状态上进行了仿真实验 ,结论表明 :该方法可以较准确地辨识发动机“小偏离”状态时的系统模型     

子空间辨识方法的改进

针对现代航空发动机的自适应控制和故障监控领域建立物理意义明确的系统动态模型的需要，基于数字子空间状态空间系统辨识（N4SID）方法，提出并推导了指定状态为量的子空间辨识方法，并在某些双转子涡喷发动机气动热力学模型上进行了仿真实验，说明通过指定状态变量的子空间辨识方法可以得到较好的辨识结果。     

基于RBF神经网络的航空发动机起动模型辨识与仿真

为解决基于气动热力学方程建立发动机起动模型时存在的困难,本文以某型发动机起动调整试验的试车数据为样本,使用径向基函数(RBF)神经网络对在某一大气条件下的发动机起动模型进行了辨识;并使用另外一组试车数据,通过辨识模型对起动过程进行了仿真。结果表明,用RBF神经网络辨识发动机起动模型,具有方法简单、学习速度快、辨识精度较高等优点。     

航空发动机神经网络自适应控制研究

本文研究神经网络自适应控制方法及其在航空发动机控制中应用。结合某型航空涡喷发动机,首先研究采用神经网络进行非线性动态系统辨识,包括神经网络模型辨识的格式、输入信号形式等问题。然后,提出了一种神经网络自适应控制方法,阐明了该方法基本结构、原理。最后,在选定的设计点处进行发动机控制系统设计,当偏离设计点时,利用神经网络很强的学习、适应能力,通过在线修正神经网络参数,使控制系统仍保持良好性能。      

基于模型参数辨识的某型燃油数控系统综合检验方法

燃油数控系统作为航空发动机FADEC(全权限数字电子控制)系统的核心之一,其工作性能变化直接影响发动机的工作特性.本文针对燃油数控系统修理检验中通常只检查固定流量点流量而忽略燃油数控系统整体性能偏移和动态性能变化的问题,提出一种基于模型参数辨识的某型燃油数控系统综合检验方法.该方法通过模型参数辨识,可获得燃油数控系统的...     

基于飞行试验数据的双转子航空发动机 加减速瞬态模型辨识

为辨识航空发动机飞行过程中加减速瞬态模型,通过对某型航空发动机慢车至中间以及中间至慢车过程的飞行试验数据进行分析整理,将发动机上述加、减速过程简化为静态参数预测过程,利用3层前向人工神经网络,建立了某型发动机加、减速瞬态过程中的发动机关键参数预测模型,对发动机参数预测模型预测结果与飞行试验记录数据进行了对比分析,同时利用额外的飞行试验数据验证了辨识模型的泛化能力.结果表明:辨识得到的发动机模型在油门杆稳定时参数预测相对误差不超过3％,在油门杆动作期间参数预测相对误差不超过5％;验证点上辨识模型参数预测误差不超过3％.证明该型发动机参数预测模型可以很好地预测发动机瞬态过程中的参数变化情况.该方法为建立发动机其他状态的加、减速过程参数变化模型奠定了基础,也能为建立全包线范围内发动机瞬态参数预测模型提供参考.     

基于ISIGHT 软件的地面台架试车条件下涡扇发动机部件特性辨识方法

为获得地面台架试车条件下涡扇发动机部件特性,基于ISIGHT 软件搭建了部件特性辨识平台,提出了1 种工程上通用 的辨识方法。通过试验设计对可调参数进行了敏感性分析,获得地面台架试车条件下需辨识的主要部件特征参数,并结合优化算法 获得精度高的辨识结果。对该辨识方法进行了验证,并基于某发动机地面台架试车数据,进行了实例应用。结果表明：验证结果中的 辨识误差在0.22%以下,在实例应用中,个别参数辨识误差在4%以下,其余均在2.5%以下,满足精度要求,验证了该辨识方法的正确 性,为涡扇发动机部件特性辨识提供了1 种高效的方法。     

支持向量机在航空发动机起动模型辨识中的应用研究

支持向量机（SVM）可以优化网络,有效降低模型复杂性,不存在维数灾难和局部极小问题。本文以某型发动机起动调整试验的试车数据为样本,使用SVM对某一大气条件下的发动机起动模型进行了辨识,并使用另外一组试车数据．通过辨识模型对起动过程进行了仿真;最后,比较了SVM和RBF神经网络起动模型的辨识精度。结果表明,用SVM辨识发动机起动过程模型,方法简单,学习速度快,辨识精度较高。     

采用BP网络辨识航空发动机数学模型

运用ＢＰ网络和实测数据作为学习样本，对某型航空发动机的数学模型进行了辨识研究。辨识模型输出的结果与实测数据比较误差较小。这种方法收敛速度快、精度高，结果表明用ＢＰ网络辨识方法能够得到比较精确的发动机数学模型。     

基于支持向量机的航空发动机辨识模型

针对航空发动机具有强非线性、时变性的特点以及采用常规神经网络辨识时存在的局部较小,过学习等问题,提出了一种基于支持向量机的通用发动机模型辨识方法。该方法基于现代统计学习理论,采用结构风险最小化准则,保证了网络具有很强的推广特性,通过求解凸二次规划确保网络结构全局最优化自动生成。本文采用实测到的发动机飞行记录数据作为训练样本,利用回归型支持向量机建立了发动机的辨识模型,研究结果表明该方法的辨识精度较高,鲁棒性、容错性较好,具有较大的实用价值。      

基于T-S模糊模型的航空发动机模型辨识

提出了一种航空发动机的Takagi-Sugeno(T-S)模糊模型辨识方法,该方法通过最小二乘法辨识模糊模型的后件参数,通过反向传播法辨识模糊模型的前件参数,并实现了模糊模型结构的自适应优化。以航空发动机机载记录数据为依据,通过对输入输出数据的学习建立了航空发动机的T-S模糊辨识模型,通过该模型对机载记录数据的辨识,结果表明该模糊辨识模型具有辨识精度高、鲁棒性强、容错性好等特点。     

利用飞行试验信号对发动机模型辨识的研究

 利用飞行试验信号对发动机模型辨识进行了研究。在飞行过程中,发动机将受到各种随机扰动的作用,这种扰动将引起发动机特性的变化、在这种情况下,利用与发动机特性有关的信号进行发动机数学模型辨识对发动机自适应控制和状态监控有实际的意义。飞行试验是在H=3km、v=770km/h和H=13km、v=1540km/h时进行的,利用机载信号采集与记录设备录取了试验信号。介绍了信号的平滑和滤波方法,讨论了巴特沃思滤波器的设计和参数选择。为了得到无偏估计,采用递推广义最小二乘方法进行辨识,并得到了辨识结果。     

单轴航空涡扇发动机数学模型辨识

依据某型单轴航空涡扇发动机试车数据辨识建立了发动机的全包线、全工况实时动态数学模型。由于试车数据所含噪声较大,辨识方法采用了先建立稳态模型,进而建立实时动、静态数学模型的方法,这种方法可以通过辨识稳态点来消除噪声。验模表明,所建模型精确度很高,且能准确反映发动机性能,并满足实时性需求。     

基于非线性系统平衡流形的某型涡扇发动机建模研究

基于非线性系统平衡流形式建模理论,直接利用涡扇发动机试车数据,通过辨识计算,建立了各主要状态参数与燃油流量和高压转子转速的状态方程关系式,由此建立了某型涡扇发动机的实时动态仿真模型.并且仿真结果与试验吻合好,且其单步计算耗时较短,从而为该涡扇发动机开展实时性仿真、进一步完善发动机性能分析和改进其控制系统设计奠定了良好的基础.      

基于样条函数的涡轮发动机平衡流形模型展开辨识方法

多项式表示的涡轮发动机平衡流形往往存在偏差,会使辨识的动态参数不太准确。应用样条函数来表示平衡流形展开模型的相应参数,解决了区域内的动、静态参数关系和区域间参数的连续条件构造的辨识问题;以涡喷发动机辨识算例证明了该方法的有效性。