基于NN-PSM的航空发动机机载自适应稳态模型

为建立一种适用于大包线、变状态的高精度、高实时性航空发动机机载自适应稳态模型,提出一种基于神经网络和推进系统矩阵相融合（NN-PSM）的机载自适应稳态模型建模方法。该方法基于小偏差线性化方法对发动机进行线性化来提取推进系统矩阵,用于表征机载模型与发动机之间的输出偏差量。基于神经网络建立发动机基线模型,用于映射飞行条件与发动机输出量之间的关系,利用神经网络的强拟合能力提高机载模型的稳态精度;设计卡尔曼滤波器实时估计发动机健康参数,提高模型的自适应能力。在大包线、变状态的飞行条件下进行仿真验证,并与传统的复合推进系统模型（CPSM）进行对比,结果表明:NN-PSM模型的平均精度在0.66%以内,而CPSM的平均精度为2.07%以内,运行时间仅为CPSM的1/10,且具有数据存储量少的特点。      

一种超声速状态下机载推进系统模型的建模方法

为了满足机载航空推进系统模型对精度、实时性及数据存储量的苛刻要求,提出了一种机载模型建模方法.对传统的机载稳态模型建立过程中使用的相似准则进行了充分讨论,得出了一种具备更高建模精度的相似准则.在新的相似准则基础上,建立了包含泰勒展开式中非线性2阶项的高精度稳态变量模型,有效解决了分段线性稳态变量模型在大包线、变状态条件下精度难以保证的问题;为了解决超声速状态下安装推力与发动机净推力差别较大的问题,建立了考虑外流特性的简化进气道模型,给出了一种计算安装推力的方法,即由简化发动机模型计算安装推力中符合相似准则的部分,由进气道模型计算溢流阻力、放气阻力及发动机推力中不符合相似准则的部分.仿真结果表明:基于新的相似准则所建立的机载模型具有大包线、变状态适应性,输出参数误差均在0.5%以内.      

航空发动机增强型机载自适应模型气路故障诊断方法

针对航空发动机在工程应用中气路健康状态的评估问题,提出一种基于增强型机载自适应模型的气路故障诊断方法。 该方法在机载模型中加入神经网络补偿算法,在线修正机载模型的输出误差,提高了卡尔曼滤波器估计精度,以此为基础建立了 发动机增强型自适应模型和性能基线模型。增强型自适应模型可实时评估健康参数状态,并指导性能基线模型跟踪发动机正常 性能降级趋势,确保剪裁精准的故障信息用于检测和诊断。基于发动机性能仿真模型模拟故障特征数据库,采用RBF神经网络训 练样本,完成了故障模式判定和故障隔离。通过构建某型涡轴发动机气路故障诊断平台进行仿真验证,结果表明：该方法能够有 效监视发动机在全包线、全寿命周期的气路健康状况,在实际工作流程中具备可行性。     

基于智能特征提取的模糊建模及鲁棒控制

针对航空发动机全包线线性模型难以在线建立问题,提出一种基于智能特征提取的模糊建模方法。设计航空发动机特性表征参数,采用近邻传播算法提取航空发动机特性,将特性提取区域中心稳态工作点作为Takagi-Sugeno （T-S）模糊模型标称点建立全包线T-S模糊状态空间模型。基于该T-S模糊模型结合H_∞控制理论,设计参考模型H_∞控制器并开展仿真验证,仿真结果表明：T-S模糊状态空间模型稳态误差处于10^-3量级,满足模型精度要求且H_∞控制器响应时间小于1s,无稳态误差,具有较好的控制效果。     

基于SVM辨识的涡扇发动机全包线稳态控制方法

针对涡扇发动机全飞行包线范围稳态最优控制器的设计问题,首先根据不同飞行条件下发动机各工作状态的稳态“小偏差”线性模型,采用线性二次型调节器(LQR)分别设计得到相应的发动机最优线性控制器参数,然后将所得到的线性控制器用支持向量机方法进行非线性逼近,得到控制器参数的支持向量机辨识模型,以满足发动机全包线、全状态稳态控制的需要.支持向量机模型的输入为飞行高度、马赫数和稳态转速,输出为线性控制器参数.应用实例表明:该方法在全包线范围内对发动机最优稳态控制器的逼近误差均在2%以内,能较好满足控制精度要求.      

基于切换多胞LPV的涡扇发动机全包线中间状态控制

针对航空发动机全包线内参数变化范围较大,单一控制器很难保证全包线内的控制效果的问题,提出了基于切换多胞线性变参数（LPV）的发动机全包线中间状态控制方法.根据发动机的进口条件将飞行包线分为相互重叠的子区域,将多胞理论及状态重置切换方法引入控制器求解,给出了能够保证切换多胞LPV系统鲁棒稳定的线性矩阵不等式（LMI）条件;利用求解出的Lyapunov矩阵设计各子区域的LPV控制器,并结合几何位置调度策略实现子区域LPV控制;利用局部重叠的滞后切换策略和状态重置切换律实现全包线内各控制器的切换,并证明了该闭环切换系统的稳定性.最终以某型涡扇发动机为研究对象进行仿真验证,结果表明:采用该控制方法稳态误差能够控制在0.1%以内,超调量不大于0.5%.      

基于稀疏自动编码器的发动机机载模型建模方法研究

为解决分段线性化机载模型精度不足的问题,提出并设计了基于稀疏自动编码器的大包线、具有10输入11输出的发动机机载自适应模型,该模型由稳态、动态两部分组合而成。首先基于一种新的相似准则进行建模所需样本数据的压缩,在保留主要信息的同时,大大降低了数据量及采样时间。用BP算法对简化后的样本数据进行了机载模型稳态部分的建模。针对机载模型动态部分所需样本数据量巨大、BP算法难以训练的问题,建立了基于稀疏自动编码器的动态机载模型。引入准稳态判断逻辑,在动态过程使用稀疏自动编码器的动态机载模型,在稳态过程使用基于BP算法的稳态机载模型。仿真结果表明,所建立的发动机机载模型具有优良的动稳态精度,且实时性好、存储量小,其中动态精度小于1%,稳态精度小于0.6%,一次模型计算时间不大于1ms,模型存储量不大于100kB。     

基于误差反馈控制的建立航空发动机自适应模型方法

提出了基于误差反馈控制的建立航空发动机自适应模型方法.即以实际发动机的输出为参考指令,以航空发动机性能蜕化值为航空发动机模型的控制量,通过设计鲁棒性好且能消除稳态误差的增广线性二次型最优调节(ALQR)控制器以实现模型的输出自适应地无偏跟踪真实发动机的输出,利用ALQR的鲁棒性,使模型具有良好的自适应性.ALQR和发动机模型一起构成航空发动机自适应模型.最后通过稳态仿真和动态仿真表明该方法不仅可以实现自适应模型全包线跟踪稳态真实发动机,同时能实现动态跟踪真实发动机.      

涡扇发动机故障诊断的快速原型设计

提出一种基于发动机基线模型的面向气路故障诊断的快速原型设计方法.考虑到基于模型的发动机全包线范围的故障诊断方法需要有较高精度的模型,选择合适的换算参数对已有的相似变换参数进行修正,建立适用于全包线的发动机基线模型,设计基于加权最小二乘算法的故障诊断模型,并将其写入至CompactRIO构建了发动机故障诊断的快速原型.通过对某型涡扇发动机试验表明:该种故障诊断的快速原型设计方法是有效的.      

基于混合区域极点配置的航空发动机全包线鲁棒变参数控制器设计

针对航空发动机全包线多变量鲁棒变增益控制器设计问题,提出了一种基于混合区域极点配置的鲁棒变参数控制方法。利用Jacobian方法建立多调度参数下的发动机仿射线性变参数(Linear parameter varying,LPV)模型,用于描述发动机全包线内的非线性动态特性;针对上述LPV模型,采用仿射参数依赖Lyapunov函数设计具有H∞鲁棒性能的状态反馈控制器,给出了控制系统全局稳定性的证明;并利用混合区域极点配置方法,将闭环系统极点配置到左半平面指定位置,以保证控制系统的动态特性及稳定裕度;进而引入凸多胞技术,将参数依赖线性矩阵不等式(Linear matrix inequality,LMI)方程转化为有限维LMI进行控制器求解,并得到了全局解。针对涡扇发动机的仿真结果表明:存在复杂量测噪声干扰条件下,鲁棒变参数控制器可以实现发动机全包线内控制指令的精确跟踪,系统阶跃响应的调节时间不超过1.5s,系统无超调,对控制期望的稳态跟踪误差在0.02%以内,符合发动机控制系统技术要求。     

机载实时模型稳态基准值的修正方法研究

发动机机载实时模型稳态基准值反映了当前发动机的工况,决定着实时模型的稳态精度。提出一种利用传感器测量数据修正机载实时模型稳态基准值的方法,具体采用多项式线性拟合技术、利用传感器近期测量数据修正机载实时模型的基准值,以适应发动机稳态特性的改变、提高模型稳态精度。针对某民用大涵道比涡扇发动机构建的在线故障诊断仿真系统研究表明,在发动机发生性能退化的情况下,修正后的机载实时模型的稳态误差降低近1.8%。     

一种考虑非线性余项的机载发动机自适应模型建立及其在寻优控制中的应用

为了解决传统的机载发动机分段稳态线化模型精度不足的问题,在发动机稳态线化模型中引入了模型各输出参数泰勒展开中的非线性余项,建立了考虑非线性余项的机载发动机稳态模型。为了估计真实发动机部件蜕化情况,建立了基于Kalman滤波的发动机部件性能蜕化估计模块。以考虑非线性余项的发动机稳态模型为核心,结合性能蜕化估计模块构建了机载发动机自适应模型。针对所建立的机载发动机自适应模型,进行了单部件及多部件蜕化参数估计以及最小油耗性能寻优控制模式的仿真。仿真结果表明,考虑非线性余项的机载发动机自适应模型误差在1%以内,且具有优化耗时少 ,建立模型样本数据需求量小的特点。     

基于改进混合卡尔曼滤波器的航空发动机机载自适应模型

提出了基于改进混合卡尔曼滤波器的航空发动机机载自适应模型方法,即以机载非线性模型的输出作为分段线性卡尔曼滤波器的稳态基准值,将性能蜕化因子作为该滤波器的增广状态量进行在线估计,并反馈给机载非线性模型使其完成在线更新.同时,根据工作模式切换机制使该模型获得有效输出.通过将该方法应用于某型涡扇发动机进行一系列仿真表明,在全飞行包线内、不同工作状态以及性能蜕化严重的情况下,该模型能够始终与实际发动机相匹配,满足实际应用需求.      

基于高斯混合模型的发动机稳态数据特征值提取方法

因航空发动机的工作环境及工作特性所致,其稳态试验数据常伴有噪声干扰,对稳态值计算结果的准确性造成影响。 在对稳态数据进行正态性检验后,利用稳态数据来源的正态特性,以及利用混合模型对数据的良好回归特性,基于高斯混合模型 对稳态数据进行筛选分类。依托发动机稳态数据分布形式的相近性与数据本身的统计特性,来确定稳态数据特征值的提取方法。 在对发动机稳态数据进行数据筛选以及对比不同稳态数据片段后,验证模型方法的数据降噪效果以及稳态数据特征值计算结果 与同一稳定工作状态数据片段的选取不相关性。结果表明：从仿真数据的筛选结果以及不同稳态数据片段的验证结果可知,该方 法具有较强的稳定性,可有效筛选出发动机稳态点数据,并准确计算出发动机稳态值,一般收敛结果相对误差在0.2%以内。     

加力式双转子混合排气涡扇发动机全状态数学建模技术

根据部件法建立了加力式双转子混合排气涡扇发动机全包线稳态数学模型.基于该模型,利用容积动力学原理,建立了起动数学模型.将该原理扩展到慢车状态以上,建立了包括起动、加减速、开关加力、停车等完整过程的全状态动态数学模型.以此为基础,给出了加力式双转子混合排气涡扇发动机在飞行包线内的高度特性.根据加力式双转子混合排气涡扇发动机原理,设计了简单的起动调节规律、加减速调节规律、加力调节规律及停车调节规律;计算了海平面标准大气条件下的从起动、加减速、开关加力、停车的完整动态过程.理论分析与仿真结果表明:该建模方法能够正确完成加力式双转子混合排气涡扇发动机的全包线的稳态计算和全状态动态计算,准确反映了该发动机在整个飞行包线内的全部工作过程.      

基于部件特性的航空发动机性能模型修正

研究了基于部件特性修正的航空发动机稳态性能模型修正方法,并通过对部件特性的研究总结了部件特性修正因子选择原则。以此为基础,提出了基于多状态试验数据的发动机性能模型修正方法,并采用双轴涡扇发动机地面试验节流特性数据对稳态性能模型进行修正。结果表明,采用单个试验状态数据修正后的稳态性能模型不能完全满足工程使用要求,使用基于多状态试验数据修正后的节流特性转速范围内模型计算精度与修正前相比有很大提高,验证了该方法的有效性和实用性。     

涡轴发动机简化实时模型研究

涡轴发动机数控系统传感器故障诊断需机载的发动机数学模型,由于缺乏部件特性数据,根据某型发动机地面试车稳态数据和动态数据,建立涡轴发动机慢车以上状态简化数学模型。该模型具有较好的实时性,稳态模型采用插值算法,动态模型针对不同参数分别采用动态系数法和转子动力学方法。数值仿真结果表明：该简化模型具有较高的动态和稳态精度,可以满足传感器故障诊断的需求。     

基于自回归模型的自适应阈值算法

提出一种基于自回归模型的自适应阈值检测算法用于监测液体火箭发动机地面试验的稳态过程,该算法由两个阶段组成。第一阶段的检测算法阈值由不同试车台次的稳态参数测量值的自回归模型的估计值、标准偏差和带宽系数计算,第二阶段的检测算法阈值由稳态过程的参数均值的自回归模型的估计值、标准偏差和带宽系数计算。用某大型液体火箭发动机的地面试验数据进行验证,结果表明该算法能有效可靠地监测发动机的运行状态。      

涡轴发动机通用仿真平台研究

采用部件法建立涡轴发动机通用模型的难点是:如何为发动机模型的各部件参数和特性数据块建立统一的输入接口;建立的稳态模型和动态模型均要在全包线范围内收敛;动态模型要求在任意高度和马赫数下均能满足实时性要求.文章利用Vc++编程语言建立了统一特性数据输入接口;综合使用多种方法使数学模型达到全包线范围内收敛和满足实时性要求的目的.     

某型涡扇发动机全包线实时仿真模型

介绍了实时仿真模型在数字电调半物理模拟试验中的作用和国内外目前的发展现状,并且给出了某型军用涡扇发动机的全包线实时仿真模型的仿真计算曲线。简单地叙述了发动机实时仿真模型的基本方程和建模方法,并且强调了进行部件特性试验和发动机高空台试验以及建立发动机部件特性和试车数据数据库的重要性。