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。     

涡扇发动机最小红外特征模式性能寻优控制研究

为抑制涡扇发动机排气系统的红外特征,提出一种基于红外预测模型的最小红外特征模式性能寻优控制。首先,建立一种排气系统正后向红外辐射强度简化预测模型,该预测方法考虑了排气系统内高温部件和尾喷流的红外辐射,以及尾喷流对高温部件红外辐射的吸收作用,具有可信的仿真精度;其次,基于涡扇发动机部件级实时仿真模型,增加了从外涵引气冷却中心锥和尾喷管扩张段内壁的冷却结构和红外预测模块;最后,基于该模型探索了最小红外特征模式的优化原理,并选用可行序列二次规划(FSQP)算法,通过控制高温壁面冷却气的流量,主燃烧室的燃油量以及尾喷管喉道面积,对两个亚声速巡航状态的工作点进行实时优化。仿真结果表明:在满足发动机推力恒定以及其他约束条件的前提下,发动机通过最小红外特征模式性能寻优控制,其排气系统后向红外辐射下降了30%以上,红外抑制效果显著。     

基于平衡流形展开模型的航空发动机健康参数估计

为提高航空发动机健康参数实时估计的精度,结合非线性卡尔曼滤波器从底层模型方面进行改进。以航空发动机部件 级模型为基础,提取运行数据,采用线性拟合法求解系数矩阵,建立传统状态空间模型;采用BP神经网络拟合调度参数,建立设计 点处包含健康因子的平衡流形展开（EME）模型。基于EME模型分别采用扩展卡尔曼滤波器和无迹卡尔曼滤波器进行多种参数 退化模式下的数值仿真估计。仿真结果表明：得益于EME模型对非线性系统的良好近似性,各参数退化模式下的估计结果准确, 稳态误差不超过3%;与采用部件级模型作为底层模型的方案相比,该方案的估计速度提升了1个量级。验证了基于航空发动机 EME模型结合非线性卡尔曼滤波器进行健康参数估计方法的实际可行性。     

涡轴发动机部件特性修正及更新方法

针对由航空发动机零部件制造、装配及性能退化引起的发动机模型与实际发动机之间的性能不匹配问题,提出1种基于粒子群优化算法(PSO)的发动机部件特性自动修正及更新方法。根据发动机部件级模型的输出数据和发动机性能分析软件GasTurb计算结果,以发动机关键测量参数所定义的目标函数最小为优化目标,利用PSO获取不同相对换算转速下的部件特性修正因子,并在线完成特性图的自动更新。并以某型涡轴发动机为对象进行仿真验证,结果表明:该方法可有效提高涡轴发动机部件级模型的精度,并直接输出更新后的部件特性。     

基于遗传算法的涡喷发动机身份证模型建立

为建立发动机身份证模型,针对发动机个体差异和寿命期内性能蜕化引起的发动机模型与真实发动机之间的失配问题,提出1种基于遗传算法的发动机部件级模型自动修正方法。在发动机部件级模型中,引入能反映个体发动机部件特性的性能调节因子。根据发动机试车数据与待修正部件级模型输出数据,以发动机关键测量参数残差最小为优化目标,采用遗传算法获得不同换算转速下的特性修正系数,建立发动机身份证模型。以某型涡喷发动机为对象进行试验验证,结果表明该方法能有效提高发动机部件级模型精度,适用于建立发动机身份证模型。     

航空发动机部件级模型硬件在回路实时性验证

为了验证航空发动机部件级模型作为机载模型的实时性,开展部件级模型的硬件在回路试验。根据AIR4548A燃气涡 轮发动机实时建模标准,建立了单轴涡喷发动机部件级实时Simulink模型;基于模型设计方法和自动代码生成技术,将该模型集 成到全数字仿真平台FWorks;将验证后的模型代码集成到硬件在回路平台的电子控制器实物中。进行了全数字仿真和硬件在回 路仿真验证。结果表明：全数字仿真结果验证了部件级模型的准确性和代码生成的正确性;在硬件在回路的开环仿真结果中,该 部件级实时模型单步最大运行时间不超过2.7 ms,可以作为模型基控制、故障诊断、健康管理和性能寻优控制等技术的机载模型。     

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。     

涡桨发动机总体性能优化设计

为提高非设计状态下发动机总体性能预估精度,发展了0D/2D耦合总体性能预估方法。针对某型3轴涡轮螺旋桨发动机建立了基于T-MATS平台的涡桨发动机总体性能0D仿真模型。对涡桨发动机可用功分配提出了2种优化方案。对原方案和2种优化方案的自由涡轮、尾喷管2个部件进行了2D流道和叶型设计,通过S_1流面与通流CFD计算验证了所设计部件的气动性能满足发动机总体性能指标要求。为提高非设计状态下发动机总体性能预估精度,采用0D/2D耦合总体性能预估方法分析了3种方案。结果表明:优化方案1使发动机当量耗油率在设计、巡航、地面状态分别降低2.1%、1.2%、2.0%。     

基于dSPACE的性能寻优控制工程应用研究

发动机性能寻优是提高飞机效能的方法之一,其先进控制模态能够综合飞机和发动机的信息,在安全运行的前提下,实现发动机某项或综合性能指标的最优。为提高飞机效能,本文在对飞行/推进系统性能寻优控制理论及现有成果的学习基础上,通过最小二乘法求取线性模型,获得较为精确的全包线推进系统矩阵,从而确定线性小区间内性能指标和约束条件的线性表达式,进而将发动机性能寻优问题表述成线性规划问题,通过单纯形法获取寻优模式下的各项性能指标。从验证性能寻优控制算法工程可行性的角度出发,将性能寻优程序模块嵌入到数控系统中;在dSPACE设备上搭建快速控制原型仿真平台,进行了实时仿真验证,仿真结果能够获得预期的指标优化结果。研究表明:性能寻优算法在工程应用上具有可行性及有效性。     

基于遗传算法的涡扇发动机最大状态性能寻优

对某型涡扇发动机的最大非加力寻优模式进行分析,在满足该发动机各部件的物理约束条件下,采用遗传算法对其进行性能寻优,提高其最大剩余推力值.寻优过程由基于GAlib类库的遗传算法和该涡扇发动机非线性数学模型结合编程实现.在此基础上,对遗传算法的主要运行参数进行分析和优化.在地面状态下进行仿真,其剩余推力值与设计点相比提高了4.84%.研究结果表明:遗传算法作为一种有效的全局并行优化搜索工具,适合于像涡扇发动机最大非加力状态性能寻优这样大规模、高度非线性及无解析表达式的性能优化问题;通过对遗传算法运行参数的优化,能有效的提高寻优速度并减小计算量,提高运算效率.     

航空发动机性能寻优控制混合优化算法

根据性能寻优控制(Perform ance Seek ing Con trol)优化模式的特点,针对某型涡扇发动机,研究了把发动机性能优化问题描述为线性规划问题。同时针对线性规划方法可能会收敛于局部极小值和非线性方法计算量大的问题,提出了基于LP(L inear P rogramm ing)和MAPS(M odel-A ssisted Pattern Search)混合优化方法,并研究了LP和MAPS混合优化方法在航空发动机性能寻优控制中的应用,同时在最大推力控制模式和最小油耗控制模式下进行了仿真。大量仿真结果表明,采用混合优化方法可进一步提高发动机的性能,并且大大减少了计算量。      

基于DMOM算法的航空发动机性能寻优控制

提出一种分散迁移优化算法(DMOM),可实现多峰值优化问题的全局最优解搜索.该算法通过随机选择参考粒子,不断迁移搜索自身所处区域峰值点,再通过分散操作排除局部最优点,重新生成新个体,可快速搜索到全局最优区域.将DMOM应用于航空发动机性能寻优控制仿真,结果表明:在最小油耗和最低涡轮温度模式下, DMOM的寻优速度相比遗传算法(GA)和粒子群算法(PSO)提高了2倍以上;同时DMOM的优化精度相比自组织迁移算法(SOMA)提高了60%以上,相比可行性序列二次规划(FSQP)算法提高了20%以上.验证了DMOM相比其他优化算法有更强的跳出局部最优的能力,在航空发动机最小油耗和最低涡轮温度这类多峰值寻优问题中具有明显的优势.      

填充函数法在发动机加力最小油耗模式控制中的应用

主要研究了航空发动机性能寻优控制(PSC)算法问题。提出一种用于解决非线性约束优化问题的基于填充函数方法(FFM)的实时优化控制策略。通过构造填充函数,该算法可以在优化计算过程中能够不断跳出局部最优点,使得算法本身具备了全局寻优能力。详细介绍了其算法主要内容与实现途径,基于上述的填充函数优化算法,以某型涡扇发动机加力最小油耗优化控制模式为仿真算例,验证了该算法在解决航空发动机性能寻优控制问题时,相比传统的序列线性规划方法在全局寻优方面具有更好的效果。     

基于粒子群和人工蜂群混合算法的气动优化设计

现代启发式智能算法存在全局与局部搜索能力的平衡问题,针对此问题,采用双种群进化策略和信息交流机制,提出一种基于粒子群算法和人工蜂群算法相结合的新型混合优化算法——MABCPSO,并分别进行函数测试和翼型的气动优化设计验证。结果表明:MABCPSO新型混合优化算法具有更好的寻优能力,相比粒子群算法和人工蜂群算法,该算法能以更少的进化代数分别提高1.7%和2.2%的减阻效果。     

基于FSQP算法的涡扇发动机多变量最优加速控制

深入研究了新的非线性规划算法———FSQP算法。提出了一种基于FSQP算法的涡扇发动机多变量最优加速控制方法。该方法可以提高发动机的加速性能并满足加速过程中的各项约束条件。最后,通过仿真表明了该控制算法的可行性和良好的控制效果。     

直升机/发动机系统变旋翼转速串行优化方案

提出了一种用于直升机/涡轴发动机综合控制的变旋翼转速串行优化方案.首先基于Levenberg-Marquarat(L-M)算法/一维最优搜索算法,在保证直升机飞行状态不变的情况下,寻优得到旋翼所需最小功率,再通过优化发动机操纵量,在保证发动机约束成立的条件下得到当前发动机运行最优工作点,即达到直升机巡航时油耗最小或者涡轮前温度最低.最后,在UH-60直升机/涡轴发动机综合控制仿真平台上进行了最小油耗控制模式的仿真,数字仿真结果表明了该串行优化方案的可行性.      

信赖域滤子算法在航空发动机在线优化中的应用

主要研究了航空发动机在线优化问题.以非线性发动机部件级模型为优化对象,将信赖域滤子算法应用于航空发动机在线优化,相比基本信赖域算法,该算法由于采用非单调的滤子算法和松弛重置,兼顾了算法在目标函数值下降与可行性保持两方面的品质,通过松弛重置避免子问题的不可行性,滤子算法则保证了算法收敛到全局最小解.最后,基于信赖域滤子算法,以涡扇发动机最小油耗寻优控制为仿真算例,验证了该算法的优越性.      

Model parameters estimation of aero-engine based on hybrid optimization algorithm

A hybrid optimization algorithm for the time-domain identification of multivariable,state space model for aero-engine was presented in this paper.The optimization procedure runs particle swarm optimization (PSO) and least squares optimization (LSO) "in series".PSO starts from an initial population and searches for the optimum solution by updating generations.However,it can sometimes run into a suboptimal solution.Then LSO can start from the suboptimal solution of PSO,and get an optimum solution by conjugate gradient algorithm.The algorithm is suitable for the high-order multivariable system which has many parameters to be estimated in wide ranges.Hybrid optimization algorithm is applied to estimate the parameters of a 4-input 4-output state variable model (SVM) for aero-engine.The simulation results demonstrate the effectiveness of the proposed algorithm.      

基于截尾概率-非概率混合模型的可靠性优化算法

针对工程中截尾概率变量与非概率变量同时存在的情况,给出一种新的截尾概率与非概率混合可靠性模型。在该混合可靠性模型基础上,按照可靠性指标(RIA)法给出双层嵌套可靠性优化模型,并采用改进搜索策略后的ST-Powell优化算法在外层搜索设计变量的最优值,内层采用能保证收敛的改进的有限步长迭代法求解混合可靠性指标。数值算例表明,改进搜索策略后的ST-Powell优化算法的全局寻优性得到显著提升;改进搜索策略后的ST-Powell优化算法与改进的有限步长迭代法相结合求解双层嵌套混合可靠性优化模型的正确性得到验证,且对于非线性程度较高的极限状态函数同样能够得到满足截尾概率与非概率混合可靠性模型指标要求的最优解,并对工程结构算例具有很好的适应性。