基于试飞数据的航空发动机加力瞬态过程模型辨识

为了对某航空发动机慢车至最大以及最大至慢车加力瞬态过程的工作状态进行监控,在该发动机实际飞行试验数据基础上,基于三层前向人工神经网络,辨识得到了该型发动机加力瞬态过程模型,对模型预测精度进行了分析讨论,利用额外的飞行试验数据对模型进行了检验。结果表明,辨识模型能够指示加力燃烧室工作状态,模型计算模拟参数与实际飞行试验数据吻合良好。该辨识模型可应用至该型发动机飞行试验的实时监控中,也可为其他型号发动机模型辨识提供参考。     

飞行试验数据驱动的涡扇发动机模型辨识

为实现航空发动机飞行试验实时监控,分析整理了涡扇发动机实际飞行试验数据,并以三层前向人工神经网络为基础,通过引入输出层反馈至输入层,形成该涡扇发动机的NNARX模型。对包括高压转子转速在内的11个发动机关键参数变化模型进行研究,并在额外架次全程飞行试验数据上验证和讨论辨识模型的推广能力。结果表明,辨识模型样本点上最大相对误差在5%以内,辨识模型可以应用到该型发动机的试飞实时监控中,同时也可为后续建立涡扇发动机的全包线自适应实时监控模型提供参考。     

基于飞行试验数据的双转子航空发动机 加减速瞬态模型辨识

为辨识航空发动机飞行过程中加减速瞬态模型,通过对某型航空发动机慢车至中间以及中间至慢车过程的飞行试验数据进行分析整理,将发动机上述加、减速过程简化为静态参数预测过程,利用3层前向人工神经网络,建立了某型发动机加、减速瞬态过程中的发动机关键参数预测模型,对发动机参数预测模型预测结果与飞行试验记录数据进行了对比分析,同时利用额外的飞行试验数据验证了辨识模型的泛化能力.结果表明:辨识得到的发动机模型在油门杆稳定时参数预测相对误差不超过3％,在油门杆动作期间参数预测相对误差不超过5％;验证点上辨识模型参数预测误差不超过3％.证明该型发动机参数预测模型可以很好地预测发动机瞬态过程中的参数变化情况.该方法为建立发动机其他状态的加、减速过程参数变化模型奠定了基础,也能为建立全包线范围内发动机瞬态参数预测模型提供参考.     

航空发动机控制问题研究中飞行包线区域的划分方法

根据矩阵扰动分析理论,分析了发动机进口参数的扰动对发动机模型状态系数矩阵特征值的影响,并在此基础上进行了飞行包线区域划分,在应用这一方法得到的飞行区域内,发动机模型的结构参数摄动量可以在指定范围内变化,计算结果也表明该分区方法是正确的。      

用于控制器分区设计的发动机飞行包线区域最优划分

结合最优化理论和线性系统理论,对控制问题中航空发动机飞行包线区域划分方法展开了研究.首先基于小偏离线性动态模型,根据线性系统理论,将发动机动态特性的摄动归为线性模型的状态矩阵特征值和稳态增益的摄动来表征.然后在此基础上,定义了一种广义距离以表征发动机动态特性的摄动程度,并以定义了区域的划分原则.继而提出将飞行包线区域划分问题转化为一个基于该广义距离的最优化问题.最后就某型涡扇发动机情形,对其飞行包线区域进行了划分计算,并对划分区域内发动机线性模型摄动进行了比较,结果表明该区域划分和标称点选择方法的有效性.      

涡扇发动机主燃油流量监控模型的建立及验证

单发飞机装配新型发动机试飞具有较高的风险,作为发动机重要性能参数的燃油流量,可在一定程度上反映发动机的潜在故障。为确保某型涡扇发动机飞行试验安全,需对发动机主燃油流量建立监控模型。利用地面台架试验数据,结合主燃烧室喷嘴和主燃油计量装置的工作特性,建立了主燃油流量监控模型,并与装机后的地面试验数据进行对比。结果表明,该监控模型有较高的准确性和通用性,能及时发现发动机可能存在的问题和故障,确保飞行试验安全。     

基于蒙特卡洛的航空发动机试飞数据模型误差容限分析

将发动机实时趋势监控中的误差容限划分成两部分,一部分由发动机工作包线内的模型建模误差导致,一部分由发动机工作参数的不确定性导致。建模误差的影响采用包线内最大预测误差,由参数不确定性引起的误差采用蒙特卡洛分析确定。将不同概率分布下的测量参数作为发动机模型的输入参数,采用蒙特卡洛策略分析模型预测值的均值和标准差分布,采用3σ置信水平作为因测量不确定性引起的误差容限。选取未参与发动机模型辨识的整个飞行架次的试验数据进行验证,结果表明考虑输入参数不确定性后,模型误差带的分布更为合理。该技术可用于航空发动机飞行试验中,提前发现发动机工作中的异常现象,可提高发动机飞行试验的质量和效率。     

利用神经网络设计航空发动机全包线最优控制器

本文提出一种用神经网络拟合飞行条件、发动机工况与发动机最优控制器参数之间关系, 从而设计适合于全飞行包线范围内发动机最优稳态控制器的方案。该方案可以针对发动机分段线性化模型, 利用成熟的线性控制设计方法设计非线性控制器, 且控制器结构简单、实时性好。仿真结果表明, 所设计的发动机控制系统在整个飞行包线内的设计点及非设计点均具有良好的性能。      

基于喘振裕度估计模型的发动机高稳定性控制

为解决超机动飞行中发动机喘振裕度不可测量的难题,提出一种发动机喘振裕度的建模方法.喘振裕度的模型分为常规飞行时的无畸变模型与超机动飞行时的损失量模型两部分.无畸变模型是基于喘振裕度特征选择算法筛选最优模型输入,以非线性拟合方法建模实现;损失量模型则基于在线攻角预测模型实时评估发动机进口畸变度,进而计算获得.而后利用上述估计模型对发动机的稳定性进行实时预测,在不改变发动机原控制回路的基础上,对涡轮落压比控制指令进行喘振损失补偿,实现高稳定性控制.最后,通过大攻角机动飞行的数字仿真,验证了上述方案可以准确控制发动机喘振裕度在11%~13%,保证了发动机工作的稳定性和高效性.      

基于直升机/发动机非线性综合仿真模型的ALQR控制器设计

构建了UH-60A直升机六自由度非定常、非线性气动力模型以及完整的直升机/涡轴发动机非线性综合仿真模型。使用增广LQR方法设计了直升机飞行控制器,包线内大量仿真结果及与 控制器效果的对比表明该控制器解耦性能、指令跟踪性能优越,鲁棒性强。此外,该控制器设计过程简单和调参方便。借助上述综合仿真模型研究了发动机闭环系统与直升机的功率匹配关系,数字仿真表明,发动机能够满足直升机机常规飞行任务下的功率需求,功率涡轮转速下垂量满足直升机飞行操纵品质规范（ADS-33E）的要求。     

某型双轴加力涡扇发动机实时性能仿真模型

对飞行模拟机用的多变量控制的双轴加力涡扇发动机实时性能仿真模型进行了研究。根据某型发动机的控制规律、各部件间的共同工作关系及大量的实验数据 ,结合飞行模拟机的发动机模型的特点 ,研究了数据拟合 ,表格插值 ,公式推导 ,正交设计等数学方法在发动机模型中的应用 ,采用 C++语言 ,在计算机上实现了一台双轴混排加力涡扇发动机的实时仿真 ,模拟了发动机的工作状况。稳态模型误差小于 2 % ,动态模型误差小于 5 % ,完成一次计算任务时间小于 4ms      

基于RBF网络的航空发动机辨识模型

利用实测到的发动机飞行试验数据作为学习样本, 采用径向基函数 (RBF)神经网络建立了发动机的辨识模型。利用这种方法对不同飞行高度发动机的参数进行了辨识, 并与几种 BP网络进行了比较。研究结果表明: 这种方法具有训练时间短、学习速度快、辨识精度高等优点。      

航空发动机推力的测量和确定方法

从推力的定义和表达式及其导出的条件出发,讨论了航空发动机地面与飞行状态下在各类试验设备上推力的确定方法和程序以及必须进行的发动机部件与模型试验、整机地面试验和模拟高空试验乃至飞行试验,并分析了模拟高空试验在正确确定飞行推力中的重要作用。      

基于试飞数据的涡轴发动机性能建模技术

为了实现军用涡轴发动机在装机状态下的虚拟预测试飞，通过罚函数法求解超定非线性方程组的最小二乘解，并采用回归分析对部件特性耦合因子进行曲线拟合，优化基准稳态模型，构建了某型涡轴发动机稳态性能计算模型；在此基础上，应用发动机加减速试飞数据，综合考虑部件容腔效应、转动部件的转子动力学和高温部件的传热效应，开发了涡轴发动机部件级过渡态性能计算模型。采用该模型对包线范围内不同工况的发动机稳态和过渡态工作过程进行了仿真预测，结果表明：与真实装机试验结果相比，发动机各工作参数的稳态预测精度在4.2%以内，过渡态预测精度在9.2%以内，满足工程精度要求。该模型能够满足虚拟预测试飞的技术需求，对涡轴发动机的设计、试飞和使用具有重要作用。     

发动机空中起动包线扩展试飞组织与实施

适航条款要求装配两台发动机的飞机,在单发失效后在一定的高度、速度和发动机状态下具备重新起动的能力。为表明对适航条款的符合性,飞机主制造商必须开展发动机空中起动包线扩展试飞(简称空起扩包试飞)试验。而发动机空起扩包试飞是一项风险高、难度大,影响因素众多而复杂的试飞任务。以某型飞机的空起扩包试飞为参考,从试飞科目分析、试飞准备、试飞组织与实施、试飞试验结果等方面总结了相关试飞经验,分析了试飞员、指挥员、试飞工程师、课题和设计人员在空地决策机制方面的专业知识和角色定位。及时把握飞机的状态,并判读试验点的有效性,是试验高效和安全开展的有力保障。该空起扩包试飞的成功组织与实施为后续试飞活动及未来其他型号的类似试验奠定了良好的基础,提供了一定的技术储备。     

弹用涡喷发动机飞行试验启动加速性能仿真

结合导弹飞行的应用实际，利用有限的部件特性，建立了弹用涡喷发动机启动加速至巡航状态全过程的动态性能仿真模型。对仿真模型计算结果进行了分析，模型计算结果与飞行试验数据吻合较好。该模型的建立对导弹发射过程发动机性能的分析具有重要的现实意义。     

低空突防任务下综合飞行/推进系统的建模与仿真

建立了综合飞行／推进系统的数学模型，介绍了飞机全维非线性数学模型和涡轮风扇发动机非线性部件级数学模型的建模及综合方法。对飞机执行地形中随任务时，飞行员调节飞行速度的方法与基于总能量的调节飞行速度的方法进行了比较。结果表明，基于总能量的方法比飞行员直接控制飞行速度能够减小发动机的燃油消耗，降低发动机的磨损，进而可以增加飞机的航程，延长发动机的使用寿命。     

航空发动机多变量三层神经网络控制

提出了一种发动机多变量神经网络控制方法。采用三层前向神经网络对非线性项进行补偿,神经网络权重自适应律采用在线学习算法。控制系统的设计不需要知道精确模型,适应于全飞行包线。仿真研究表明发动机多变量神经网络控制具有良好的动、静态性能。      

民用涡扇发动机预测控制器设计

对一定包线范围内的稳态预测控制器和加速减速过渡态控制器设计展开研究.针对某大涵道比民用涡扇发动机,根据发动机进口参数的相对变化指标对控制区域进行划分,以标称点处发动机线性模型为对象设计了相应的预测控制器,利用提出的多层参数调度方案实现了不同飞行条件及不同发动机状态下预测控制器参数的自适应调整.仿真结果表明:所设计的发动机预测控制系统在控制区域内的设计点和非设计点均具有良好的性能,为全包线设计提供了有效方法.