涡轴发动机/直升机综合控制仿真平台设计

建立了UH-60直升机/T700涡轴发动机综合控制数字仿真平台。基于VC++环境开发了包含UH-60直升机/T700涡轴发动机综合实时模型的上位机程序,与运行机载涡轴发动机+旋翼实时模型及在线优化控制模式的下位机程序。两者基于TCP/IP协议实时通讯,可进行模拟实际直/发综合优化控制的数字仿真实验。在该数字仿真环境下,分别给出了提高直升机常规飞行性能的多种优化控制模式仿真、变旋翼转速优化控制以及快速功率跟随控制模式仿真,充分表明该平台可为新一代直/发综合系统的开发研制提供一个可靠的前期数字仿真验证。     

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.      

涡轴发动机非线性模型预测控制

 对涡轴发动机进行了非线性模型预测控制(NMPC)研究,设计了非线性模型预测,该控制器主要包括3个方面：预测模型、滚动优化和反馈校正。利用神经元网络模型预测涡轴发动机动态响应过程,得到预测模型;运用序列二次规划(SQP)优化算法进行发动机的在线滚动优化,得到发动机的燃油控制量;根据神经元网络模型与实际发动机对象的输出误差,对控制器的指令信号进行了反馈校正。最后进行了仿真实验,与常规串级PID控制相比较,非线性模型预测控制器的超调量从2.2%降低到0.8%,响应时间从6 s降低到2 s,具有很好的控制品质。     

基于变旋翼转速的涡轴发动机优化控制

研究了涡轴发动机/旋翼一体化优化控制问题, 分析了直升机旋翼需用功率与涡轴发动机工况的关系, 旋翼转速、旋翼总距、纵向周期变距及横向周期变距对旋翼需用功率的影响.以最小旋翼需用功率为目标函数, 用线性规划算法进行发动机/旋翼性能寻优.进行了巡航状态下变旋翼转速的涡轴发动机优化的数字仿真实验, 仿真结果表明在巡航状态应用变旋翼转速的涡轴发动机优化, 可以降低油耗1.5%～5.5%, 同时降低涡轮温度4.4～16℃, 具有实际应用价值.      

基于无级变速的直升机变旋翼转速控制模拟方法研究

为了扩大直升机变旋翼转速变化范围,开展了基于无级变速机构的直升机/传动系统/发动机连续变旋翼转速控制模拟方法研究。基于叶素法和容积动力学方法,建立了主旋翼/发动机综合数学模型用于直升机推进系统仿真,该模型由主旋翼简化模型和涡轴发动机部件级模型组成。在主旋翼/发动机综合模型的基础上,加入了基于能量法建立的无级变速传动装置动力学模型,通过变传动比实现变旋翼转速控制模拟,通过定常来流状态下的数字仿真,分析变旋翼转速控制过程对主旋翼和发动机状态的影响。结果表明,提出的变旋翼转速控制模拟方法在保证涡轴发动机动力涡轮转速变化小于1.5%的前提下使旋翼转速连续变化25%,建立的直升机/传动系统/发动机综合模型为变旋翼转速技术的设计与验证提供了较可靠的数字仿真平台。     

直升机扭振固有频率测量试验方法

直升机扭振与FADEC控制的耦合具有强大的破坏作用,在FADEC中必须采取有效措施防止这种共振,有必要通过试验的方法测量扭振的固有频率。独创性地设计了用于直升机扭振固有频率测量的新方案:采用颤振扫频技术,直接对FADEC系统动力涡轮转速给定值进行激励,通过闭环系统对发动机动力涡轮转速进行扫频激励的方法,获取了直升机扭振系统不同工作模态下的扭振频率点。试验结果表明:该新方法能够在直升机平台准确地获取扭振固有频率。     

涡轴发动机简化实时模型研究

涡轴发动机数控系统传感器故障诊断需机载的发动机数学模型,由于缺乏部件特性数据,根据某型发动机地面试车稳态数据和动态数据,建立涡轴发动机慢车以上状态简化数学模型。该模型具有较好的实时性,稳态模型采用插值算法,动态模型针对不同参数分别采用动态系数法和转子动力学方法。数值仿真结果表明：该简化模型具有较高的动态和稳态精度,可以满足传感器故障诊断的需求。     

基于在线可变导叶角的涡轴发动机优化控制

研究了基于在线可变压气机导叶角的涡轴发动机最小油耗优化控制.分析了压气机导叶角的变化对涡轴发动机的影响.提出了基于在线可变导叶角的涡轴发动机优化控制方法.最后,进行了涡轴发动机最小油耗优化控制的仿真实验.仿真结果表明通过调节压气机导叶角可以使单位功率耗油率降低3%～7%,具有实际应用价值.      

涡扇发动机气路传感器故障诊断

为了实现对某涡扇发动机传感器故障的在线诊断,提出并设计了1种基于在线贯序极端学习机的故障诊断算法。其核心思想是在定位某传感器故障后,在线建立针对该故障传感器"预学习"的信号重构算法,解决多故障混叠问题。在线信号重构算法以泛化能力指标为判定条件,利用选择策略对算法网络权值进行选择性更新,提高了故障诊断系统的实时性。以某型涡扇发动机为对象开展了传感器故障诊断与重构仿真,结果表明:该算法能够对发动机单、双传感器故障进行准确地诊断与信号重构,且具有良好的实时性。