航空发动机燃油系统执行机构故障诊断及验证

研究了基于执行机构模型以及发动机逆模型的发动机燃油系统执行机构及其传感器故障诊断方法.基于发动机半物理仿真试验台试验数据建立执行机构小闭环传递函数模型,通过二次多项式拟合将油针位置转换为燃油流量.提出基于自校正在线训练神经网络算法建立发动机逆模型,以离线训练网络参数初始化在线系统,基于阈值更新网络参数,并对学习速率进行自校正,以提高算法的泛化能力及收敛速度.对比执行机构模型输出、发动机逆模型输出与LVDT传感器测量位移换算得到的燃油流量,基于阈值判断故障状态.在T700涡轴发动机半物理仿真试验平台上进行试验,实现了在发动机额定及各种性能退化状态下,执行机构及其传感器漂移和偏置故障的准确诊断及定位,验证了算法的有效性.     

基于数据的发动机模型匹配方法研究

针对在使用环境条件下发动机部件特性未知的问题,为获得在实际装机条件下的发动机部件特性,采用1种基于参考数据的发动机部件级模型匹配方法,在对测量数据和模型特征分析的基础上,选取适当调整参数,以模型在非设计点的仿真输出与参考数据的匹配精度为目标,通过迭代方法求解部件特性。仿真数据表明:采用基于数据的发动机匹配技术得到的发动机模型,其仿真输出与参考数据的偏差均在允许范围内。利用该方法可以得到在使用条件下的发动机部件特性,为装机状态发动机的仿真预测提供技术支撑。     

基于整机试验数据的发动机部件特性修正方法研究

本文主要研究了一种通过修正部件特性使航空发动机仿真模型与参考数据相匹配的方法,旨在提供一种通用的基于参考数据的部件特性修正技术,以达到减小建模误差,提高模型精度的目的。在对发动机模型分析的基础上,选取调整参数,利用参考数据和优化算法调整部件特性,使得仿真模型在非设计点的仿真输出与参考数据满足匹配精度。仿真结果表明,采用基于数据的发动机匹配技术,还原了发动机稳态部件特性,提高了模型仿真精度,同时可以实现非直接测量参数仿真。     

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%。     

传感器故障下的航空发动机机载自适应模型重构

利用航空发动机测量参数偏离正常工作情况下的变化量,可以估计发动机的非额定工作状况,并以此对机载模型进行校正,使其与真实发动机工作状况保持一致。建立了包含发动机性能蜕化因素的状态变量模型并对其进行了增广,设计了卡尔曼滤波器,根据可测输出偏离量对发动机性能蜕化值进行了估计,并将性能蜕化值用于修正发动机不可测输出参数。考虑了当某一传感器发生故障后,利用一簇卡尔曼滤波器对发生故障的传感器进行诊断并隔离,并依据剩余非故障传感器的信息对自适应模型进行重构。仿真结果表明,重构的自适应模型能够满足精度及实时性要求。      

基于高空气流特性的转子发动机进气系统建模与仿真

针对转子发动机进气量难以直接测量的问题,基于某型转子发动机进气系统特点分析,考虑高空气流特性对进气量的影响,建立了转子发动机进气系统均值模型,通过Matlab/Simulink仿真软件仿真得到不同海拔高度下的进气量脉谱图。仿真结果与试验数据对比分析表明:发动机进气流量及进气管压强的仿真结果与试验数据基本吻合;在节气门开度较大时,节气门开度的变化对进气流量的影响逐渐减弱;所建转子发动机进气模型精度高,可用于转子发动机进气量的仿真计算。     

传感器测量偏差下的航空发动机智能性能诊断

以某型涡扇发动机为研究对象, 构建了基于神经网络的航空发动机智能性能诊断方法, 讨论了测量噪声及测量偏差对诊断结果的影响及其处理方法.建立一簇并行的神经网络组和发动机模型, 通过比较各模型输出与发动机测量参数之间的误差, 判断传感器是否存在测量偏差.仿真结果表明, 该方法能有效消除测量噪声, 准确判断并隔离有测量偏差的传感器, 得出正确的发动机性能诊断结果.      

某型增压航空活塞发动机仿真研究

介绍了某型航空活塞发动机仿真模型的建立方法,建立了带有一级增压器的某型航空活塞发动机仿真模型,并进行了该发动机的地面特性的仿真计算,计算结果与试验结果符合得很好.在此基础上进行了该发动机高空特性的仿真计算,仿真结果与飞行试验数据较好地吻合,能够满足工程使用要求.      

基于飞行过程数据的航空发动机故障诊断方法研究

针对航空发动机飞行过程数据,结合门控循环单元（GRU）动态网络和深度神经网络（DNN）,提出了一种数据驱动的航空发动机故障诊断结构。首先,从飞行数据中抽取发动机健康数据,并通过一组GRU网络建立发动机在健康状态下的动态模型。其次,通过GRU动态模型的预测值与真实测量信号生成残差信号,残差信号作为DNN网络的输入预测发动机健康参数。最后,通过诊断决策模块实现对发动机的故障检测与识别。使用仿真生成的真实飞行工况数据集对提出的故障诊断系统进行了验证。结果表明,相比于直接使用传感器测量数据,基于GRU网络的残差结构能够大幅提升故障检测和识别性能,故障检测和识别准确率分别可达96.51%和95.06%,并且对训练数据样本数量的依赖性较小,较少的训练样本也能获得很好的预测结果。     

航空发动机多模型预测滑模控制

针对航空发动机是一个不确定性的强非线性系统,借鉴多模型方法和预测控制思想,提出了航空发动机多模型预测滑模控制。对航空发动机飞行包线进行划分,建立了航空发动机状态空间多模型;对每个模型分别设计了预测滑模控制器,以滑模轨迹为预测模型,进行滚动优化、反馈校正求取控制量,并根据前几时刻与发动机的匹配程度选择当前时刻的控制器;推导出了其稳定性的条件。仿真结果表明,所设计的控制器控制效果令人满意,能有效抑制参数摄动和干扰的影响。     

具有智能调节机构的航空发动机自适应控制系统

采用仅利用输入输出测量值的模型,参考自适应控制,设计了某型涡扇发动机的多变量控制系统;在飞行包线内选取标称点分别确定了自适应律的参数,以保证控制系统性能在该标称点处达到最优;用神经网络的方法拟合了发动机工作条件与自适应律参数之间的关系,建立了根据发动机工作状况选择合适自适应律参数的智能调节机构。仿真结果表明,所设计的控制系统在整个飞行包线内的标称点与非标称点均具有良好的性能。     

An adaptive turbo-shaft engine modeling method based on PS and MRR-LSSVR algorithms

In order to establish an adaptive turbo-shaft engine model with high accuracy, a new modeling method based on parameter selection (PS) algorithm and multi-input multi-output recursive reduced least square support vector regression (MRR-LSSVR) machine is proposed. Firstly, the PS algorithm is designed to choose the most reasonable inputs of the adaptive module. During this process, a wrapper criterion based on least square support vector regression (LSSVR) machine is adopted, which can not only reduce computational complexity but also enhance generalization performance. Secondly, with the input variables determined by the PS algorithm, a mapping model of engine parameter estimation is trained off-line using MRR-LSSVR, which has a satisfying accuracy within 5&. Finally, based on a numerical simulation platform of an integrated helicopter/ turbo-shaft engine system, an adaptive turbo-shaft engine model is developed and tested in a certain flight envelope. Under the condition of single or multiple engine components being degraded, many simulation experiments are carried out, and the simulation results show the effectiveness and validity of the proposed adaptive modeling method.     

涡扇发动机机载自适应建模技术研究

本文研究用涡扇发动机可测输出参数偏离变化来表征发动机的非额定工作特性,将它们做为增广的状态量,设计卡尔曼滤波器进行最优估计,将这些估计值用于修正对发动机不可测参数和性能量的计算,以形成机载自适应模型。仿真研究表明,采用该方法建立的机载模型对性能蜕化所致的发动机非额定工作具有很好的适应能力。      

研发阶段涡扇发动机模型自适应方法

为了实现研发阶段涡扇发动机整机试验数据的快速评估和模型自适应,提出一种发动机模型自适应方法。该方法以整机试验数据为输入,结合气动热力过程约束方程和发动机整机匹配约束条件,重构出各部件的性能参数。文中提出了按照高压涡轮导向器喉部流通能力确定核心机流量的方法,并以载荷系数为媒介实现叶轮机械部件参数修正计算,完成了小涵道比涡扇发动机的自适应建模计算。计算结果表明,17个测量参数与计算结果完全一致,该方法完成单个状态点自适应计算的平均时间约为1.44ms,主要部件特性的修正系数在0.95～1.05。采用该方法计算的部件特性参数自适应修正系数可为发动机性能调试和故障诊断提供依据。     

两种涡扇发动机部件特性自适应模型对比

发展了航空发动机自适应模型．并对以两种优化算法为基础的自适应模型进行了对比分析。两种模型以通用特性为基础运用优化方法,以发动机主要性能参数和过程参数偏差函数最小为优化目标,以部件特性耦合因子为被优参数,可以预测出不同飞行条件下的发动机风扇、压气机、燃烧室、高压涡轮、低压涡轮等部件特性。运用单纯形和遗传算法为基础的自适应模型对某型涡扇发动机性能的计算结果表明：相对于单纯形算法模型．遗传算法模型对发动机主要性能参数和过程参数的计算偏差降低了20％～30％;对发动机各截面总温、总压计算偏差降低了15％～20％;遗传算法模型相对于单纯形模型具有更为宽广的自适应模拟范围。对某型已知部件特性的涡扇发动机模拟结果显示．遗传算法模型部件特性模拟结果与已知部件特性差别甚微。     

航空发动机机载实时自适应模型研究

航空发动机的性能蜕化会导致其可测参数的变化,因此传感器测量参数偏离正常工作情况下的变化量,可以表征发动机的性能蜕化程度。文中首先建立了包含发动机性能蜕化因素的状态变量模型,并将性能蜕化参数作为增广的状态变量,设计了卡尔曼滤波器,从而可以根据可测的输出偏离量经滤波器状态估计得到发动机性能蜕化值,最后将性能蜕化值用于状态变量模型中不可测参数的修正,从而使机载模型适应发动机的非额定工作状况。     

直升机自适应供油系统建模与仿真

为满足直升机发动机入口燃油压力的严格要求，在传统供油系统的基础上设计了自适应供油系统方案，基于仿真平台 建立了自适应供油系统仿真模型，并对此开展自适应供油系统供油压力仿真计算研究。在机动飞行包线1、2下对自适应供油系 统的发动机入口压力进行计算，并分析了飞行姿态、油箱液位高度、供油流量连续变化等因素对发动机供油压力的影响。仿真结 果表明：飞行姿态对发动机入口燃油压力有较大影响，在供油系统设计初期必须加以分析，而油箱液位高度的影响较小，可按最低 油箱液位高度进行计算分析；在某机动飞行包线1、2下自适应供油系统供油压力始终处于发动机入口压力要求范围，自适应供油 系统可满足某型直升机发动机入口燃油压力要求。     

无人机活塞式发动机进排气系统优化

针对一款无人机(UAV)用活塞发动机在飞行转速为6500r/min时扭矩较低以及燃油消耗率较高的问题,提出了一种基于自适应遗传算法（GA）的发动机进排气系统优化方法,进行进排气系统改进设计。使用GT-Power软件搭建了该发动机一维仿真模型,并通过台架试验数据验证模型;基于该模型进行了进排气系统结构参数对扭矩和燃油消耗率的敏感性分析,将进气管长度、直径、空滤器后腔容积和排气管长度作为优化变量,使用Matlab进行自适应遗传算法优化,使用Simulink/GT-Power接口实现数据采集和优化结果反馈。通过台架试验验证了优化结果的准确性。结果表明:在飞行转速为6500r/min时,经过优化后的发动机扭矩和燃油消耗率都得到明显改善,扭矩最大可以提高5.51%,燃油消耗率最大降低6.31%。      

发动机喘振裕度自适应控制

本文研究飞行 /推进系统一体化控制中的发动机喘振裕度自适应控制。通过一定的控制作用 ,使发动机在所有飞行条件和工况下都保持一定的喘振裕度 ,从而充分发挥发动机的潜力。将发动机大偏差模型、进气道及飞机模型综合在一起 ,构成飞机 /推进系统一体化数学模型 ,以进行发动机自适应控制的仿真。计算机仿真表明 ,发动机自适应控制具有很好的性能效益 ,例如在飞行高度 H=10公里 ,飞机由 Ma=0 .65加速到 Ma=0 .90 ,在采用自适应喘振裕度控制后 ,双发动机推力提高 16 ,飞机加速时间缩短 2 3 ,大大提高了飞机性能。     

基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制

提出了一种基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制方法.该方法通过给误差变量赋予不同权值因子提高LS-SVM的鲁棒性,采用修剪算法提高LS-SVM的稀疏性;该方法从某涡扇发动机输入输出空间中建立其正常模型,采用阈值判别法对传感器故障进行实时监视与诊断,并用模型输出值代替故障传感器测量值反馈回闭环控制系统,实现对发动机的自适应重构控制.仿真结果表明,该方法能及时准确地定位故障,并进行有效的自适应重构控制.