试车数据驱动的涡轴发动机起动过程模型辨识

针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明:得到的辨识模型输出参数,如燃气发生器转速n_g、输出轴转速n_r和涡轮后温度T₄都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。     

暖机对舰载机滑跃起飞安全影响分析

针对发动机不暖机会产生推力损失，进而影响舰载机滑跃起飞安全的问题，分析了暖机与不暖机两种情况下舰载机起飞极限重量的差异。建立舰载机滑跃起飞动力学模型，根据滑跃起飞安全准则，利用飞行轨迹最小爬升率不小于零判定起飞极限重量，并在不同甲板风和大气温度下比较两种跑道暖机与不暖机起飞极限重量。结果表明:暖机对105 m短跑道滑跃起飞极限重量影响更大；随着甲板风的增大，舰载机暖机与不暖机滑跃起飞极限重量相对偏差逐渐减小，其中105 m跑道对应最大偏差和最小偏差分别为2.70%和2.44%，195 m跑道对应最大偏差和最小偏差分别为2.64%和2.40%；随着大气温度升高，舰载机暖机与不暖机滑跃起飞极限重量相对偏差变化趋势先增大后变缓，其中105 m跑道对应最大偏差和最小偏差分别为2.79%和2.56%，195 m跑道对应最大偏差和最小偏差分别为2.69%和2.46%。      

基于混合算法的涡轴发动机稳态性能仿真模型

以自由涡轮式涡轴发动机为研究对象,建立了涡轴发动机的稳态性能仿真模型,提出了基于天牛须算法和N+1点残量法的求解发动机模型的混合算法(BAS-N+1混合算法),利用发动机台架试车数据对仿真计算结果进行了验证。结果表明,该稳态性能仿真模型各参数的求解误差在3%以内。与PSO-N+1混合算法相比,BASN+1混合算法求解精度更高,收敛更快。BAS-N+1混合算法既保留了智能算法对初猜值误差的包容性,也拥有接近经典迭代算法的收敛速度和精度,能够实现涡轴发动机稳态仿真模型的高精度大范围快速收敛。