参数限制对涡轴发动机过渡态控制的影响

通过研究涡轴发动机的限制参数,提出了涡轴发动机控制系统中可能采用的限制规律并建立了一个带多种限制模块的数字控制器,以某型涡轴发动机数学模型为控制对象,对带限制参数和不加限制的过渡态控制进行了仿真对比,给出了地面和空中的仿真结果,结果表明不同的限制参数组合会对发动机的过渡态性能产生不同的影响,在控制系统中合理选取限制参数及限制值能够优化发动机过渡态性能。      

涡轴发动机性能参数的等效换算

涡轴发动机采用自由涡轮物理转速为常数的调节规律不能保证发动机在工作条件变化时的完全相似,论证了传统相似换算公式在涡轴发动机上存在过大误差.利用某型涡轴发动机数学模型开展仿真研究,提出了涡轴发动机试验性能参数的等效换算方法.在某型发动机上的初步应用表明采用该方法可以有效减小功率和耗油率的换算误差,从而为制定涡轴发动机的试验性能修正标准和出厂验收考核规范奠定了基础.      

涡轴发动机数控系统控制规律及容错控制

用Simulink仿真工具,建立了某涡轴发动机及执行机构的数学模型,对涡轴发动机数控系统的稳态控制规律、加减速控制规律,关键传感器故障后的容错控制规律进行了仿真研究,提出了涡轴发动机控制的完整解决方案.仿真结果表明,该控制方案能在无故障和有故障的情况下,保证控制系统稳定工作,并具有较好的稳态和动态性能.     

航空发动机涡轮盘细晶技术研究

某型涡轴发动机燃气涡轮盘件毛坯组织晶粒粗大问题一直困扰着该型发动机,通过对材料及其成型工艺的分析,采用了等温模锻工艺方案,进行了试验研究和结果分析,并成功运用于生产实践。     

某型涡轴发动机性能衰减与部件退化评估

为在某型涡轴发动机持久试验中进行性能健康检查,采用多点匹配方法建立了个体发动机性能衰减计算模型,基于非线性气路分析方法对部件性能退化进行了计算,集合已有经验确定性能偏离部件,完成了某型发动机持久试验中不同阶段的性能衰减评估.结果表明,某型发动机性能衰减及部件性能退化成阶段性分布,前期压气机和燃气涡轮性能变化最快,随后处于相对稳定阶段,动力涡轮性能在目前试验时数范围内基本无变化.该方法的验证为涡轴发动机使用过程中的性能健康与评估提供了有益的经验.      

涡轴发动机自吸油试验方案设计及验证

阐述了涡轴发动机自吸油特点,对比了国内外相关标准对涡轴发动机自吸油能力的评定要求和方法。研究了涡轴发动机油泵自吸油工作机理,总结出合理可行的自吸油试验方法,并进行了飞行试验验证,以确定影响飞行试验方法的各种因素,包括自吸供油的高度边界、各个高度自吸供油的速度范围和发动机状态。试验表明,影响发动机自吸油边界的主要因素为发动机状态和飞行高度,所提出的试验方案经验证可行且能够较为充分地验证发动机自吸油能力。     

某型航空涡轴发动机整机吞水性能试验

为进行某型航空涡轴发动机吞水试验,设计了喷水设备及专用进气整流装置,采用大小喷水环实现对发动机进行给定水流量的喷入.进行了发动机进口吞水量为空气流量2.5%和3.5%的试验,试验结果表明:试验方法及装置的设计合理可行;均匀吞水量不高于进气流量3.5%,发动机吞水时各截面温度下降量由进口至出口依次降低;吞水试验后,发动机性能下降.      

应用神经网络信息融合诊断航空发动机故障

研究了基于神经网络信息融合技术,同时结合模糊集合论对发动机气路部件进行故障诊断的方法,并以某型涡轴发动机为对象进行了仿真分析.研究结果表明该方法的故障诊断过程相对简单,对模型的精度要求不高,能够降低虚警、误报、漏报等情况的发生.      

基于在线可变导叶角的涡轴发动机优化控制

研究了基于在线可变压气机导叶角的涡轴发动机最小油耗优化控制.分析了压气机导叶角的变化对涡轴发动机的影响.提出了基于在线可变导叶角的涡轴发动机优化控制方法.最后,进行了涡轴发动机最小油耗优化控制的仿真实验.仿真结果表明通过调节压气机导叶角可以使单位功率耗油率降低3%～7%,具有实际应用价值.      

航空发动机滑油箱防火试验验证

从适航条款的要求出发,对滑油箱防火试验要求、验证方法、判据准则等进行研究,并对某型民用涡轴发动机滑油箱进行防火试验验证,可为今后其他型号开展滑油箱防火试验提供指导依据。     

基于Matlab/Simulink的直/发一体化建模 与故障诊断

针对目前航空发动机控制系统设计仅以单一的发动机为对象,没有考虑直升机与发动机之间的动态耦合的问题,基于Matlab/Simulink高级图形的仿真条件,建立了1种适用于快速控制原型的UH60直升机/T700发动机一体化综合模型,从而为发动机故障诊断提供可靠仿真平台。仿真结果表明:在直升机与涡轴发动机耦合因素影响条件下,基于改进卡尔曼滤波器,可实现发动机气路部件的故障诊断,并验证了其有效性。     

基于实战使用的涡轴发动机空中起动飞行试验

以涡轴发动机实战使用中空中紧急起动相关技术指标和特情处置措施验证为目的,设计了贴近实战使用特征的发动机空中起动试飞方案,并以某涡轴发动机设计定型试飞为依托,进行了不同飞行工况下的飞行试验验证和数据分析研究。结果表明:该空中起动试飞方案合理可行,能够最大程度的贴近部队实战使用的技术特征,满足对发动机起动高度包线、起动时间等研制总要求规定的技术指标验证需求;试飞结果表明该型涡轴发动机4000m以上高度停车至再起动期间直升机平均下滑高度约为670m,平均停车时间约为185s。该试飞方法和数据结果可为部队实战使用过程中空中遭遇停车的紧急处置提供支持和参考。     

涡轴发动机尾气静电监测信号影响因素分析

 针对某型航空涡轴发动机试车台实验所获得的尾气静电监测信号,结合发动机台架试车状态和性能数据,分别在两个时间尺度上展开分析研究。研究发现发动机的工作状态和健康状态均对尾气静电信号产生重要影响。在小时间尺度上的分析发现,无故障情况下影响尾气静电信号变化的主要因素为燃油供给量,尾气静电信号能量随燃油供给量的增加近似按指数规律上升;而在大时间尺度上的分析发现,在一定的燃油供给和恒定的自由涡轮转速条件下,尾气静电信号能量随着发动机性能的缓慢衰退而逐渐上升。实测尾气静电信号所反映的趋势与初步的理论分析结果相一致,为建立涡轴发动机尾气静电信号的健康"基线",进而用于气路状态监测及故障识别提供了初步的依据。研究还发现,静电监测技术不仅能够为突发性故障提供预警信息,而且能够反映发动机整机性能衰退,进一步拓展了静电传感器的监测能力及其在航空发动机健康管理中的应用。     

直升机/涡轴发动机综合系统鲁棒抗扰控制设计

提出了一种直升机/涡轴发动机综合系统鲁棒抗扰控制方法。分别设计了基于线性矩阵不等式(LMI)的鲁棒保性能控制的直升机四通道多变量控制器和涡轴发动机转速控制器;为了进一步提高发动机自由涡轮转速环的抗扰能力,结合自抗扰控制(ADRC)方法,构建了涡轴发动机转速鲁棒保性能控制+扭矩ADRC补偿的控制方案,充分利用了ADRC控制强的干扰补偿能力,避免了鲁棒设计方法的保守性。在UH-60直升机/涡轴发动机综合模型仿真环境下通过模拟直升机大幅急速升降操作,验证了直升机/涡轴发动机综合系统所采用的鲁棒抗扰控制,尤其是涡轴发动机鲁棒自抗扰控制,具有理想的抗扰控制效果,能够抑制直升机机动操作过程中大的扭矩扰动对涡轴发动机造成的不利影响,从而使直升机具有更好的机动能力。     

基于动态优化数据的航空发动机过渡态控制方法

针对一般稳态燃油前馈PID算法在发动机过渡态过程中控制效果差的问题,提出了一种基于动态优化数据的涡轴发动机瞬态控制方法。采用带约束限制的序列二次规划（SQP）优化算法采集包线范围内各点的过渡态参数变化数据作为样本数据,利用稀疏化的最小二乘支持向量机（LSSVM）对样本数据进行训练、测试,将训练得到的LSSVM模型作为前馈与PI构成闭环控制器共同对涡轴发动机进行过渡态控制。通过对民用涡轴发动机部件级模型的包线内某两点不同功率水平进行仿真,结果表明,过渡态过程中动力涡轮转速超调量与下垂量均小于0.4%,稳态误差为0,动力涡轮转速稳定时间小于2s,各参数均未超限,因此,该控制器能有效提高涡轴发动机过渡态控制效果,实现对参数的限制管理。     

基于灰色神经网络的航空发动机振动故障诊断方法研究

针对某型双转子航空涡扇发动机台架试车中出现的振动异常现象,提出了一种基于灰色神经网络的航空发动机故障诊断方法,该方法不仅具有灰色关联度故障诊断方法计算量小、准确率高等优点,同时具备了神经网络强大的并行处理能力和良好的容错性。实例证明,该方法能够简单有效地诊断出航空发动机台架试车中出现的常见故障,为航空发动机故障诊断提供了一个新的途径。     

基于模态切换的航空发动机容错控制

综合了航空发动机控制和故障诊断方法,设计了基于模态切换的任务级和发动机级模式的容错控制系统.任务级模式在发动机部件故障时,通过切换控制策略和控制模式达到恢复或降低发动机性能的要求;发动机级模式在控制回路失效时,根据故障情况切换到容错控制回路,从而保证发动机继续正常工作.数字仿真结果表明:在稳态或加速过程中出现部件故障时,容错控制系统都能够100%恢复发动机的推力;在发动机中间、慢车和节流状态下,当压气机转速控制回路失效时,容错控制系统能够在3s内平稳切换到风扇转速控制回路.      

基于QPSO-ELM的某型涡轴发动机起动过程模型辨识

针对解析法建立某型涡轴发动机起动过程模型困难的问题,提出一种基于量子粒子群优化-极限学习机（QPSO-ELM）的某型涡轴发动机起动过程模型数据驱动辨识方法。首先构建基于状态空间法描述的某型涡轴发动机起动过程分段模型,然后结合发动机起动试验数据,采用QPSO-ELM算法对该起动模型进行辨识,试验结果表明：燃气发生器转子转速、发动机输出轴转速和燃气涡轮后温度的辨识结果都良好地逼近了实测数据,最大相对误差的均值分别为1.358%、1.628%和2.195%,满足实际应用的精度需求,并且QPSO-ELM的辨识精度优于极限学习机（ELM）、支持向量机（SVM）和反向传播（BP）神经网络。