基于显式预测控制的涡扇发动机控制器设计

模型预测控制因其能够较好地处理涡扇发动机约束问题且实现多变量控制而具有较大的应用潜力。为了解决传统模型预测控制算法在实际应用中存在运算量大、实时性较差的问题,基于显式模型预测设计了航空发动机多变量控制器。在控制结构上采用多速率双闭环系统,保证了控制精度;在计算上通过多参数规划将在线优化问题转化为线性函数计算问题,大幅度减少了计算量;在发动机从开环切闭环的过程提出一种增量式切换方法,实现无扰切换。数值仿真和硬件在环仿真结果表明,转速和压比稳态误差分别不超过±0.25%和±1%,控制器在25ms控制周期内能完成计算,满足嵌入式系统实时性要求。     

篦齿容积效应对盘腔空气系统瞬态特性的影响

针对航空发动机中空气系统的瞬态响应问题,以多级封严盘腔为研究对象,开展了考虑篦齿容积效应下的空气系统瞬态计算分析研究.在研究中,采用一维瞬态流体网络计算方法,重点分析了封严篦齿和旋转盘腔的容积效应,并建立了相应的一维瞬态数学模型,通过迭代求解瞬态网络守恒方程组,得到了不同边界工况下盘腔内流体参数随时间响应规律.研究结果...     

基于蒙特卡罗法的航空发动机空气系统稳态算法优化

针对目前航空发动机空气系统稳态算法中收敛性依赖初值的问题,将蒙特卡罗方法与流体网络法综合应用到空气系统可压缩流体一维网络计算中,提出了一种新的计算方法Monte Carlo-Fluid Network（MC-FN）。该方法将空气系统简化为由节点和元件组成的网络,借助蒙特卡罗方法获得空气系统内各节点压力分配,再根据空气系统中各元件流阻特性和换热特性计算流量、温度。计算中通过将游动次数比较少的蒙特卡罗方法的计算结果作为流量残差法节点压力、温度的初始值,实现快速求得精确收敛解。与流量残差算法相比,MC-FN方法计算精度不变,收敛速度提升了66.5%;与线性求解法相比,MC-FN方法的计算精度提升了25.2%,收敛速度提升了43.8%。     

一种涡轴发动机控制系统自适应扭振抑制方法研究

为了解决直升机机动飞行时涡轴发动机控制系统扭振不稳定性问题,根据扭矩动力传递链特点,设计了一种基于最小均方差(LMS)的自适应滤波器,以抑制自由涡轮转速中的扭振动态,并与常规的陷波滤波器效果进行了对比。仿真结果表明,在定旋翼转速下,陷波滤波器和基于LMS的自适应滤波器均能抑制1.90Hz对应的固定扭振分量,但后者能使扭振幅值降低至5%以下,滤波效果明显优于前者;同时,变旋翼转速飞行时,发动机端的扭振基频率会随着转速变化在1.30~2.20Hz变动,此时常规陷波滤波器不再适用,而基于LMS的自适应滤波器仍可显著抑制扭振动态。     

基于双层LPV模型的涡扇发动机切换控制

航空发动机飞行包线和参数变化范围大,要想保证整个参数区间存在一个单一的LPV控制器,往往需要牺牲一些区域的性能。针对上述问题,提出一种基于双层LPV模型的切换控制方法。首先通过发动机进口条件将飞行包线划分为几个局部重叠的子区域,分别建立各个子区域的双层LPV模型并求取对应的Lyapunov函数,进而根据所得的Lyapunov函数设计各子区域的控制器,并采用滞后切换策略和共同二次Lyapunov函数相结合的方式实现各子区域间的切换,解决控制器在切换时抖振问题的同时保证切换的稳定性,最后以某型涡扇发动机为对象进行仿真,结果表明所设计的控制器在全包线内有良好的控制效果。     

基于改进牛顿法的航空发动机起动建模技术

为进行涡扇发动机起动过程性能仿真研究,在发动机慢车以上部件级模型的基础上,通过指数外推法获得低转速部件特性,在建立起动附件模型的同时,修正起动过程各部件总压恢复系数,从而建立起包含地面起动过程的全状态性能模型。在求解发动机各部件共同工作非线性方程组时,采用基于传统牛顿拉夫森迭代求解方法的改进方法,即在第1次完成中心差分得到Jacobian矩阵后,使用修正项迭代更新上一步的Jacobian矩阵。结果表明:该建模方法可以有效地建立起动过程性能模型,并大幅改善模型的执行效率、提高模型仿真求解速度。     

高超声速进气道曲面压缩技术综述

高超声速曲面压缩系统能够同时利用弯曲激波和等熵波压缩来流,具有良好的综合性能,本文简要回顾了相关研究取得的成果,分析了这种新型压缩方式的流动特征,总结了基于曲面压缩概念提出的多种流场设计方法,重点介绍了其中根据出口截面或壁面上气动参数实现的流场反设计以及在高超声速进气道设计中的应用研究,同时指出了三维流场的反设计、粘性条件下的反设计等有待深入研究的问题。     

高超声速进气道/隔离段内流特性研究进展

作为超燃冲压发动机的增压部件,高超声速进气道/隔离段内部存在一系列的复杂流动现象,本文概述了该领域的相关研究进展。高超声速进气道/隔离段内存在多种激波/边界层干扰现象,并受到膨胀波系等的干扰,使其特性偏离了传统基于简化模型的研究结果,具有显著的三维干扰特征、多波组合干扰特征,并在通道内诱导出了显著的二次流,特别是角区旋涡流动。隔离段内存在复杂的激波和膨胀波结构,这些背景波系在隔离段内不断反射,形成显著的流向和横向参数间断。当出口流道发生几何或热力壅塞时,隔离段内会出现更为复杂的激波串现象。激波串和上游背景波系、角涡相干,呈现出明显的偏向性,并在前移过程中可能会出现两种特殊的动态前移过程。尽管最近对高超声速进气道/隔离段内流特性的认识得到了极大地提高,但仍然有较多的基础问题亟待解决。     

一种提高螺旋桨相同步噪声模型辨识精度的方法

相同步降噪一般先通过一定飞行条件下的实测数据辨识出螺旋桨噪声模型,然后基于噪声模型计算出该条件下的最优相角,再将最优相角用于相同步降噪。在噪声模型辨识的过程中,受飞行速度、高度和气流变化等的影响,实测数据经常会发生较大的波动,从而影响辨识模型和最优相角的准确性。提出一种基于小波滤波和三参数正弦拟合法的最小数据波动的噪声数据选取方法,提高噪声模型的辨识精度,该方法通过小波滤波算法从噪声信号中提取出螺旋桨的叶尖通过频率信号,采用三参数正弦拟合算法合理地选择出波动最小的数据用于噪声模型辨识,从而有效地回避较大波动数据,提高辨识模型的精度。试验结果表明相较于传统使用固定数据辨识所得的噪声模型,使用最小波动数据辨识所得噪声模型能够获得更高的精度,且噪声模型预测的声压级和实际测量的声压级误差小于1dB,模型预测的最优相角与实际最优相角的误差小于5°,最优相角在试验位置点能够实现高达19.5dB的降噪效果。     

航空发动机健康估计的神经网络修正卡尔曼滤波算法

针对商用航空发动机与气路相关的传感器分布不均、且个数小于气路健康参数的个数、使用卡尔曼滤波算法估计全部气路健康参数时容易出现误判的特点,提出一种神经网络修正的卡尔曼滤波算法。该算法在每个采样周期内利用BP神经网络来修正个体的偏移方向,按粒子滤波算法计算每个个体的权值用以估计总体的均值和协方差,然后利用卡尔曼滤波算法更新所有个体,并将总体的均值作为当前时刻的估计结果。通过对商用航空发动机部件级模型在多个飞行状态点数字仿真模拟9种气路突变故障,由7个可测输出估计全部10个健康参数,该混合算法的估计误差相比BP神经网络与无迹卡尔曼滤波算法分别平均降低了34.6%与47.9%。