贫预混燃烧室化学反应器网络模型建模及不确定性分析

基于CFD三维数值模拟结果的化学反应器(CRN)网络模型方法具有快速预估燃烧室NOx排放的特点。研究通过CFD数值模拟手段获得了贫预混燃烧室流场、温度场等特征分布,基于燃料空气掺混特性、速度场、温度场、OH分布以及达姆科勒数,燃烧室被离散划分为预热区、火焰锋面区、火焰过渡区、后火焰区、中心回流区以及角回流区,建立了复杂的CRN模型表征燃烧室内部的流动特征和火焰结构。以贫预混燃烧器为对象,与实验结果进行了对比验证。通过敏感性和不确定性分析获得了反应区域停留时间和烟气回流比例等关键参数对NOx排放的影响规律。结果表明:CFD-CRN混合方法更适用于在高当量比条件下贫预混燃烧室NOx排放的快速有效预测。在相同扰动强度的条件下,反应预热区域和火焰锋面区域的停留时间扰动对CRN模型预测NOx的生成量和稳定性影响更显著。CFD-CRN混合方法应明确在较高的绝热火焰温度条件下烟气回流比的准确性计算及其对NOx生成的显著影响。      

贫油预混预蒸发燃烧室排放试验研究

提出一种采用直接喷射和部分预混预蒸发(DIPME)混合燃烧技术的中心分级燃烧室,这种DIPME燃烧室具有低工况稳定燃烧,高工况低NOx排放的特征。对采用该燃烧技术的单头部DIPME燃烧室进行LTO循环4个工况(慢车、返场、爬升和起飞)试验研究。研究结果表明:除慢车工况的燃烧效率接近0.99外,其余工况的燃烧效率均大于0.995;在LTO循环内DIPME燃烧室的CO,UHC和NOx排放均满足CAEP/6排放标准,其中NOx比CAEP/6低60.8%;同采用富油燃烧技术的燃烧室相比,采用该技术的DIPME燃烧室在降低CO和UHC排放上并没有什么优势,但在降低NOx排放上潜力巨大。     

旋流器结构对贫油直喷燃烧室的性能影响

针对单元贫油直喷(LDI)喷嘴的旋流器设计问题,实验研究了旋流器结构变化(改变旋流器级数、双旋流器旋向及混合段收缩角等)对燃烧室总压损失、燃烧效率以及污染物排放等性能的影响规律.结果表明:旋流器结构变化对燃烧室性能有很大影响.同向双旋流燃烧室总压损失大于与之相同计算旋流数的单级旋流燃烧室,反向双旋流燃烧室总压损失略低于同向双旋流燃烧室,燃烧室总压损失随收缩角增大而呈增大趋势.相较单级旋流燃烧室和同向双旋流燃烧室,反向双旋流燃烧室在不同贫油气比工况下均具有更高的燃烧效率和更低的污染物排放.另外,燃烧效率及污染物排放受收缩角的影响.最佳收缩角角度的选取需要综合权衡总压损失、燃烧效率及污染物排放水平.     

主燃级基于旋流直射式喷嘴的超低排放燃烧室实验研究

为了实现航空发动机超低NO_x超低排放的目标，本文提出贫油预混预蒸发低排放燃烧室主燃级采用旋流直射式喷嘴技术，达到主燃级燃油和空气强化混合的效果，获得良好均匀性的油气混合物进行燃烧。在单头部燃烧室试验件上实验研究了LTO循环4个工况(慢车、进场、爬升和起飞)的燃烧性能和污染排放性能。研究结果表明：除慢车工况的燃烧效率接近0.99外，其余工况的燃烧效率均大于0.995；在LTO循环内，CO,UHC和NO_x排放均比CAEP/6排放标准降低50%以上，且NO_x比CAEP/6低72.5%，达到了超低排放的目标；同时与其他各型低排放燃烧室相比，起飞工况、爬升工况的NO_x排放在LTO循环中的占比均有较大幅度的降低。     

燃烧室进口高温高压状态下一氧化碳排放特性研究

对装有双旋流空气雾化喷嘴的试验燃烧室在宽广进口总温、进口总压范围以及燃烧室油气比范围内的一氧化碳排放特性进行了试验研究。取得了燃烧室在高温高压状态下工作时一氧化碳排放特性结果。并且根据已有一氧化碳排放指数经验模型,计算了相同工况下该试验燃烧室一氧化碳排放量。      

湍流燃烧模型在航空发动机喷雾燃烧中的应用

使用自主开发的计算软件,数值模拟航空发动机旋流杯环形燃烧室三维湍流煤油两相燃烧过程,采用多维经验分析法与多步反应火焰面模型预测旋流杯环形燃烧室污染物排放,对4种湍流燃烧模型预测喷雾燃烧流场与污染物排放能力进行评估.各模型所得的计算值与试验数据较为相符,表明这些模型都可用来预测旋流杯环形燃烧室两相燃烧流场和污染物排放能力,但是不同模型的计算精度不相同.其中多步反应火焰面模型所得的出口温度分布与污染物排放与试验结果最接近,其预测精度高于其他模型.因此合理选择湍流燃烧模型可以提高计算准确性和可靠性.      

燃料分配方式对微燃机燃烧室燃烧性能影响

提出了一种喷口位置可变采用燃料多点喷射的干式低排放(DLE)微型燃气轮机燃烧室,为了获得值班级与主燃级之间燃料分配方式对燃烧性能的影响,对该燃烧室在不同分配方式下的燃烧性能进行了实验测试与数值模拟。结果表明:燃料喷口位置改变对污染物排放影响不显著;燃料分配方式的改变对温度场和污染物的生成特性有影响,随着两级燃料分配比例的增大,NOx排放量呈现先减少后增加的趋势,存在一个最佳的燃料分配比例使NOx排放最低;燃烧室内存在明显的中心回流区(PRZ),便于点火及火焰传播;热力型NOx的生成量与温度高于1 950 K的区域大小和最高燃气温度有直接关系。所设计的燃烧室在以天然气为燃料的所有工况下NOx排放都可降低到50 mg/m3以下,达到了低污染燃烧室排放标准(小于50 mg/m3)。     

基于燃烧室多反应器模型的民用涡扇发动机排放预测

选用燃油JetA为航空燃料,建立了简化火焰锋面模型、燃烧化学平衡模型、燃烧动力学模型、燃油雾化模型、燃油蒸发模型及污染排放生成模型.采用基于燃烧室多反应器模型对发动机在不同工作状态下的排放产物NOx、未燃碳氢化合物(unburned hydrocarbons,UHC)和CO进行了计算.结果表明:燃烧室内火焰温度越高,NOx排放量越大.在发动机工作在低转速工况下时,燃油液滴的雾化直径大,造成CO与UHC排放量增加.基于燃烧室多反应器模型计算通用性强、速度快,适合与发动机性能程序相结合,在发动机设计阶段对发动机不同工作状态下的排放产物含量进行预测计算.     

基于化学反应网络模型法的低排放燃烧室NOx模拟及预测

通过对一种贫油预混预蒸发燃烧室进行数值模拟获得初步燃烧流场、温度场等信息,再根据其流场分布特点划分不同的反应区域,采用基于详细化学反应机理的化学反应网络模型法对其NOx排放进行预测。通过与试验数据的对比验证,建立了该型低排放燃烧室的NOx排放预测模型和NOx排放预估关系式,同时利用该模型对该型燃烧室在不同工况下的NOx排放进行了预测。分析结果表明,该模型预测精度误差在9%以内,具有一定的工程应用价值。     

一种贫油燃烧室进口温度和压力对污染物排放影响的试验研究

以一种中心分级的贫油预混预蒸发单头部燃烧室为研究对象,通过模拟不同燃烧室进口温度和压力,研究其对污染物排放的影响。结果表明,燃烧室进口温度和压力升高对CO、UHC的生成影响相对较小,但对NOx的生成影响很大。通过对排放数据的最佳拟合,得到了NOx发散指数与进口温度和压力之间的预估关系式,并利用已有的单头部燃烧室返场与巡航状态及三头部扇形燃烧室爬升与起飞状态的NOx排放试验数据,对其进行了验证。     

基于改进粒子群算法的航空发动机性能综合评价

针对基于单参数评估发动机性能能力不足的问题,研究了利用多参数综合评估发动机性能的方法;通过对某型发动机台架试车数据分析,确定了使用综合加权法评估发动机性能比算术加权平均法更具合理性;分别利用改进的遗传算法和粒子群优化算法计算多参数的权值,对比结果表明:使用改进的粒子群算法在计算精度和速度上均优于遗传算法。同时还计算了各翻修次数下发动机的性能指标。     

利用多状态试车数据修正发动机部件特性

针对经典的航空发动机部件特性修正因子法的不足,提出一种于多状态试车数据的修正方法.利用发动机部件匹配模型方程以及试车参数计算值和实测值的差值组成目标方程组,采用改进的免疫粒子群算法优化求解获得部件特性修正系数.以多个不同状态下的修正系数为基础,利用滑动最小二乘方法拟合修正系数曲面,进而得到修正的部件特性图.数值试验表明:综合利用不同状态下发动机试车数据进行部件特性修正,克服了传统方法的不足.提高了修正部件特性在整个工作范围的精度.      

AP聚类改进免疫算法用于航空发动机故障诊断

在免疫算法训练过程中引入近邻传播(AP)聚类与熵权法,对训练样本进行聚类与权值计算,将权值引入免疫算法中样本选择阈值的计算,以解决训练过程采用固定选择阈值所造成的检测器在部分区域过拟合,部分区域欠拟合的问题。结果表明:改进的免疫算法用于典型非线性函数的寻优时,迭代性能均优于传统免疫算法,并在大部分情况下优于粒子群算法与量子遗传算法,在进行某型发动机故障诊断的实例实验时,改进后的算法的诊断准确率达到98.06%,高于传统免疫算法的92.60%。      

基于粒子群算法的涡扇发动机气路性能修正

针对由于建模过程中条件简化及发动机零部件的差异性导致的发动机数学模型计算结果与整机性能实测数据偏差较大的问题,提出基于粒子群算法(PSO)的发动机模型修正方法,运用修正因子提高模型计算精度。将修正后发动机模型的计算结果与实测数据对比,结果表明:运用PSO算法对模型进行的修正能够显著提高模型的精度,修正前模型计算值与实测值的最大误差达4.85%,修正后最大误差只有0.97%,修正效果良好,且涡轮等后端部件比压气机等前端部件精度提高更为明显。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选，降低输入维度；采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化，并对优化的神经网络进行训练；用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法，并且在参选故障诊断的性能参数不同时，其诊断误差相近，展现出较强的适应能力。      

基于改进量子粒子群的发动机部件特性修正

为提高发动机部件特性修正的精度,在分析修正因子法的求解条件以及目标方程的选取原则的基础上,利用部件特性删除法,直接以各部件特性参数作为被优化变量进行特性修正。对于目标函数,提出利用量子粒子群(QPSO)算法优化求解,并针对算法存在早熟收敛的问题进行。改进以涡扇发动机试车试验数据为依据,分别利用改进算法和其他典型算法进行部件特性修正计算。计算和试验结果对比表明,算法要明显优于其他被比较的算法。     

航空发动机部件性能参数融合预测

为了改善目前单独采用基于模型和数据驱动的部件健康参数预测精度,提高数据驱动方法的故障诊断的泛化能力,提出一种自调整决策融合机制,对航空发动机部件性能蜕化在连续蜕化空间进行融合诊断。传感器测量值同时输入到机载自适应模型和数据驱动的诊断模块中,分别利用卡尔曼滤波算法和自适应遗传算法优化的支持向量回归机(AGA-SVR)对主要部件性能进行预测,再利用自调整决策权重的量子粒子群寻优(QPSO)进行决策级融合诊断。以某型涡扇发动机为对象进行气路部件蜕化的仿真研究表明,与单独使用基于模型和数据驱动的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度。     

基于分布式粒子群算法的翼型优化设计

采用求解N-S方程作为优化算法中的CFD分析方法,基于标准粒子群优化算法(PSO),将其与遗传算法中的选择机制相结合,形成了一种改进的基于自然选择的粒子群算法(SELPSO),以提高算法的求解精度和改善算法的全局收敛性。为改善串行粒子群算法效率低,耗机时等缺点,文中将分布式计算引入到优化设计过程中,实现了基于分布式粒子群算法的翼型设计优化系统,设计实践表明,文中发展的优化算法对优化设计系统质量和效率都有着大幅度的提高,在工程中具有很好的实用价值。     

基于改进PSO算法的PID控制器参数优化

针对PID控制器参数设计问题,提出了一种基于改进PSO算法的优化方法。该方法将初始的粒子群分成两组搜索方向相反、相互协同的主、辅子群,在保持种群小规模情况下,增强算法全局探索能力,实现高精度的优化结果。仿真结果表明,该方法相比于传统算法,所得到的控制器参数使控制系统获得了更好的动态响应特性和满意的控制效果。     

无人机参数优化自抗扰编队保持控制器设计

针对无人机编队飞行中的队形保持问题,采用结合粒子群算法的自抗扰控制技术对控制器进行设计,使响应过程具有良好的动态品质和较小的稳态误差。建立三维空间内基于相对误差的无人机编队飞行模型,并在此基础上设计了跟踪微分器、扩展状态观测器和非线性状态反馈自抗扰控制器,采用粒子群算法对控制器中部分参数进行优化整定。仿真结果表明,设计的结合粒子群算法的改进自抗扰控制器具有良好的控制性能,能以较高的精度实现无人机编队保持任务。