涡轮发动机部件特性自适应模型的确定方法

针对现有航空涡轮发动机部件特性自适应模型中存在的不足,提出了合理的解决方法:根据测量参数合理选择部件特性修正因子;使用部件特性删除法求解部件特性修正因子;部件特性修正因子的数值拟合方法。采取这些改进措施后,使得现有航空涡轮发动机部件特性自适应模型得到改善。计算结果与两种型号的涡喷发动机的试验数据对比表明本文的改进方法合理。     

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。     

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。     

航空发动机自适应建模技术研究

本文介绍了航空发动机自适应建模方法,并根据某型发动机高空试验实测数据对该型发动机数学模型及其部件特性进行了自适应修正,修正后的发动机模型计算结果与实测结果十分吻合,证明利用本文所介绍的方法可获得更为准确的发动机数学模型     

基于部件特性自适应的涡扇发动机仿真

引入压力比函数Z和辅助参数β,建立了某型涡扇发动机数学模型,并对数学模型进行了部件特性自适应修正,对该型发动机稳态特性进行了仿真。仿真结果表明,该仿真模型具有较高的精度,仿真结果较好地反映了发动机的实际运行情况。     

涡扇发动机部件特性自适应模拟

发展了一种预测发动机部件特性的自适应模型方法，该方法以通用特性为基础，运用单纯型优化方法，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，预测出不同飞行条件下的涡扇发动机的风扇、压气机、燃烧室、高、低压涡轮等部件特性。运用该模型对某涡扇发动机性能的计算结果表明，发动机主要性能参数和过程参数的计算偏差均在0．5％之内，对发动机各截面总温、总压计算偏差均在1％之内。预测出的部件特性已成功用于发动机故障诊断方程的建立。     

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.      

航空发动机仿真模型参数自适应校正

采用修正因子方法建立自适应仿真模型,运用改进的共轭梯度算法求解非线性规划问题,依据发动机台架试车和空中试飞测量数据,对发动机仿真模型的部件特性参数进行校正,使模型的计算输出与试验测量数据吻合。应用本文方法对某型双转子加力涡喷发动机仿真模型进行校正,获得了满意的仿真精度。     

核心机派生涡扇发动机部件及整机匹配

以核心机与低压系统的部件及整机气动热力匹配关系为理论依据,在全面考虑低压压缩系统与核心机压气机的匹配约束关系、核心机涡轮工作状态相应变化以及派生发动机内外涵整机匹配的多因素下,建立了核心机派生涡扇发动机部件及整机气动热力循环匹配算法模型.应用该模型,进行了核心机派生涡扇发动机循环参数及性能趋势分析,计算结果表明高低压和整机匹配约束直接影响核心机派生涡扇发动机循环参数和整机性能,为核心机派生系列化涡扇发动机工程实践应用中所涉及的部件/整机参数匹配及性能预估提供分析和设计参考.      

某型涡扇发动机状态模型修正

为了针对每一台发动机建立准确的气路故障诊断模型,采用部件法建立了某型涡扇发动机的基准数学模型,分析了模型失配的原因,确定出需要修正的特性参数,采用小波分析实现对可测参数数据的预处理,通过求解所建的扩展非线性方程组完成了发动机模型的离线修正。经仿真验证该算法有较高精度,且易于工程实现,为建立准确的稳态气路故障诊断方程奠定了基础。     

基于部件特性未知的航空发动机故障诊断技术

以航空发动机部件通用特性为基础运用单纯形优化方法,发展了一种预测发动机部件特性的自适应模型方法。并以此为基础运用气路分析原理,选取表征发动机性能参数变化的症兆变量和测量参数,建立了发动机故障诊断小偏差方程。诊断结果表明:症兆变量的选取和相对变化值大小对故障诊断误差有决定性的影响,其值的选取应以门限值1/3为最佳;故障诊断模型症兆变量与实际故障症兆变量变化值相对误差控制在5%内,且不会对故障类型的判断产生影响;故障诊断模型在已知的检验结果内无误诊现象。      

某型涡扇发动机起动过程数值模拟

基于发动机设计点参数和压气机、涡轮高转速特性数据,完善了一种计算风扇、高压压气机和高、低压涡轮小转速特性近似方法,并进一步基于涡扇发动机部件匹配技术,建立了某型涡扇发动机起动过程计算模型及相应算法,给出了比较合理的发动机起动过程模拟结果.      

大涵道比涡扇发动机核心机试验性能评定方法

为了在试验验证阶段准确、全面地剖析涡扇发动机核心机性能，基于核心机多次试验结果，提出在工程中易实现的核心 机性能评定方法。通过试验确定测量参数，介绍核心机性能评定工作流程，论述性能评定关键参数的测量和计算方法。分析部件 流量、效率等参数变化对核心机循环功及油耗的影响，以涡轮为例阐述部件试验与核心机试验差异的原因包含气动构型、工作环 境、测量不确定度、冷气4个维度的因素，论述了通过减少漏气、优化工作线等手段提升部件效率，讨论核心机流量、循环功、耗油 率对整机的支撑作用。核心机与部件偏离的合理范围应参照测量不确定度，超出合理范围的偏离采用了单因素敏感性分析方法 分解到部件层级。结果表明：该方法适用于大涵道比涡扇发动机核心机试验性能评定，对其他构型的核心机也有一定借鉴作用。     

某型涡扇发动机起动和加速过程数值模拟

借助国内外涡扇发动机过渡态数值模拟研究的最新成果,开展了某型涡扇发动机起动加速过程的数值模拟研究。首先参照风机和泵类机械低转速部件特性相似理论,结合指数外插法,成功地发展了航空燃气涡轮发动机低转速部件特性扩展方法和计算程序;其次,基于燃气涡轮发动机部件匹配原理,写出描述部件内动态流动过程的三个基本方程：动量守恒方程（功率平衡方程）、流量连续方程和能量守恒方程;最后发展了具有一定计算精度的涡扇发动机起动加速过程的数值计算模型和程序,对某型涡扇发动机的起动和加速过程进行了数值分析,并与试验数据进行了对比分析。结果表明,给出的数值计算结果与试验数据具有较好的一致性,表明发展的模拟涡扇发动机起动加速过程的数学模型和程序是合理的。     

涡扇发动机部件特性的滤波自动修正更新方法

针对航空发动机部件制造装配以及性能蜕化引起的平均模型与个体发动机之间的性能不匹配问题,提出一种基于非线性滤波算法的发动机部件特性自动修正方法。根据发动机部件级平均模型输出与个体量测数据的残差,利用数据处理策略结合无迹卡尔曼滤波算法的不可测部件特性变化估计,自动更新发动机部件特性,建立发动机个体物理模型。通过小涵道比涡扇发动机仿真验证,结果表明该方法可自动修正发动机部件特性,相比较平均模型,通过该方法修正的发动机个体模型中各截面温度、压力计算偏差均在0.5%以内,有效提高涡扇发动机个体物理模型稳态、动态精度。     

涡扇发动机低转速部件特性扩展和风车状态性能模拟

借助涡扇发动机风车特性研究的最新成果,开展了某型涡扇发动机的风车性能数值模拟研究.首先,基于不可压流理论,附以可压缩效应修正的指数法发展了补充慢车转速以下部件特性的计算模型和计算程序;其次,根据流量连续、压力平衡、功率平衡、燃烧室进出口总温相等及转速相等等约束条件建立了风车状态时涡扇发动机高低压转子及整机的共同工作方程;最后发展了具有一定计算精度的涡扇发动机风车状态特性计算模型和程序,并以某型涡扇发动机为例,计算分析了不同飞行条件下发动机的风车特性,从计算结果看,其趋势是合理的.     

涡扇发动机低压部件通流耦合计算

为了研究各部件匹配与过渡段几何参数对发动机总体性能的影响,针对某涡扇发动机风扇、低压涡轮、内外涵道、掺混段和尾喷管等部件,基于周向平均Navier-St okes通流控制方程,采用时间推进有限体积法进行了部件耦合计算求解,将沿程各部件性能计算参数与试验做了对比,结果表明:在设计状态下发动机沿程各截面计算特征参数与试验值最大误差不超过5.0%,说明该通流耦合计算方法能够快速预估发动机总体性能,完善各部件匹配关系,在发动机总体设计初期有一定工程应用价值。     

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。