基于整机试验数据辨识的雷诺数对涡扇发动机的性能影响

为了研究雷诺数对涡扇发动机性能的影响并提升稳态性能模型在工作包线内的计算精度,提出了一种基于整机试验数据辨识的计算分析方法。选取用于气路分析的测量参数,提升辨识算法的收敛性和计算结果的有效性;结合非线性气路分析算法辨识计算出各试验点的部件性能修正因子,统计分析雷诺数和各部件性能修正因子的变化关系,定量得到雷诺数对发动机各部件性能的影响程度;修正基线稳态性能模型,并对计算精度进行验证对比。结果表明:对比试验结果,修正后的稳态性能模型各参数计算偏差不大于2.5%。对比基线稳态性能模型各参数计算结果,计算精度平均提升2.3%,最大提升9.2%。      

基于粒子群算法的涡扇发动机气路性能修正

针对由于建模过程中条件简化及发动机零部件的差异性导致的发动机数学模型计算结果与整机性能实测数据偏差较大的问题,提出基于粒子群算法(PSO)的发动机模型修正方法,运用修正因子提高模型计算精度。将修正后发动机模型的计算结果与实测数据对比,结果表明:运用PSO算法对模型进行的修正能够显著提高模型的精度,修正前模型计算值与实测值的最大误差达4.85%,修正后最大误差只有0.97%,修正效果良好,且涡轮等后端部件比压气机等前端部件精度提高更为明显。     

某型涡扇发动机状态模型修正

为了针对每一台发动机建立准确的气路故障诊断模型,采用部件法建立了某型涡扇发动机的基准数学模型,分析了模型失配的原因,确定出需要修正的特性参数,采用小波分析实现对可测参数数据的预处理,通过求解所建的扩展非线性方程组完成了发动机模型的离线修正。经仿真验证该算法有较高精度,且易于工程实现,为建立准确的稳态气路故障诊断方程奠定了基础。     

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%。     

基于优化智能网络的发动机推力指令模型

针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法.其中子模型Ⅰ采用BP网络映射与推力密切相关的气路参数,其输出作为子模型Ⅱ的输入;子模型Ⅱ采用优化极端学习机(ELM)算法,输出为额定发动机推力,并以此推力为性能蜕化缓解控制指令.为了减小ELM网络规模,提高推力指令模型实时性,采用微分进化算法(DE)优化ELM初始网络参数.数字仿真验证表明:各飞行包线内推力指令模型预测值最大相对误差小于4‰,远优于单一神经网络最大8.17％和单一极端学习机最大14.5％的误差,模型推力指令计算时间仅需0.64ms,实时性好,验证了该推力指令模型的有效性.     

基于燃气发生器法的小型中涵道比发动机性能计算分析

为了研究小型中涵道比分排涡扇发动机装机性能,建立了基于燃气发生器法的性能计算模型。由CFD数值模拟计算喷管特性,由发动机地面台架试验及针对小型中涵道比的特点发展的修正方法获取内外涵喷管进口总压和总温的修正系数曲线,经高空模拟台试验验证,发动机最大状态下的推力计算误差≤0.5%。再基于飞行试验测试数据,计算得到发动机在装机条件下的空气流量与飞行推力,与发动机设计厂家的模型计算结果相比,发动机各状态下推力最大误差≤1.3%,流量最大误差≤2.5%。结果表明：发展的性能模型修正方法适用于小型中等涵道比涡扇发动机的装机性能确定;同时修正中等涵道比分排发动机的内外涵喷管进口压力可提高模型推力计算精度;同时修正小流量分排发动机内外涵喷管进口温度可提高流量计算精度。     

航空发动机参数不确定模型辨识方法

针对航空发动机线性模型在工况点附近使用范围较小的问题,提出一种航空发动机不确定性模型辨识方法。该方法使用非线性规划处理航空发动机模型辨识问题,求解过程考虑线性模型中矩阵参数不确定性的影响,以期获得一个具有适用范围大、形式简单的航空发动机模型。使用该方法对DGEN380发动机在某一稳态点进行辨识,定义实际工况偏差参数和模型最大偏差参数分析DGEN380发动机参数不确定模型的误差范围。使用实验数据与参数不确定模型仿真结果进行比较,结果表明油门杆角度变化小于22%时,参数不确定模型与实际发动机状态的偏差量较小,能够在1%误差范围内模拟实际发动机状态。     

环境压力大偏差条件下拉瓦尔喷管发动机高空推力的确定

简析了拉瓦尔喷管发动机高空模拟试验的特殊性,提出了大模拟偏差条件下确定和修正拉瓦尔喷管发动机推力的方法。试验结果表明,在保证推力不确定度优于1.0%的条件下,拉瓦尔喷管发动机高空模拟试验的模拟偏差容限约为14%。当设备能力限制或其他特殊原因而采用环境压力大模拟偏差技术时,可以采用本研究的推力系数确定方法确定发动机的推力。      

S-WFA方法改进关联度计算的民航发动机气路故障诊断研究

针对民航发动机气路故障诊断难度大、准确度不高等问题,提出一种基于改进关联度算法的故障向量识别方法,该方法首先从发动机气路测量参数入手进行发动机的故障诊断研究,利用发动机性能趋势图提取监控参数的偏差量,然后将Sigmoid函数改进后用于属性参数的重要程度计算。结合WFA属性权重分配方法改进了灰色关联度算法,并利用故障案例进行验证,验证表明改进后的算法诊断准确率较高。     

某型固体火箭发动机推力测量不确定度的评定

根据“固体火箭发动机测量不确定度的评定”航天工业行业标准ＱＪ１２７５－９４,对某型固体发动机推力测量进行了不确定度的评定。文中简述了发动机推力测量系统工作原理、不确定度来源、不确定度计算。给出了固体发动机推力测量不确定度。     

液体火箭发动机动态特性数学模型的验证

用试车数据检验某泵压液体火箭发动机动态特性非线性数学模型的准确度,考虑了发动机参数实际测量的误差范围。计算结果表明：在整个过渡过程中,所有可以实际测量的发动机参数的计算值与实测值之间的偏差均在±７．１％以内。     

基于模型的液体推进系统故障诊断算法

给出串联双涡轮结构以泵作为供应系统的液体火箭发动机系统故障仿真的准动态数学方法和基于灰色关联度分析的实时诊断算法。该算法对于调整计算确定的具体系统和预先设定的典型故障模式进行仿真计算、事先形成该发动机系统的故障模式样本集。试车时, 利用诊断算法对采集的发动机性能参数进行实时分析, 从而给出发动机所处的健康状况, 以便及时采取措施, 提高发动机的安全性和可靠性。      

基于部件特性未知的航空发动机故障诊断技术

以航空发动机部件通用特性为基础运用单纯形优化方法,发展了一种预测发动机部件特性的自适应模型方法。并以此为基础运用气路分析原理,选取表征发动机性能参数变化的症兆变量和测量参数,建立了发动机故障诊断小偏差方程。诊断结果表明:症兆变量的选取和相对变化值大小对故障诊断误差有决定性的影响,其值的选取应以门限值1/3为最佳;故障诊断模型症兆变量与实际故障症兆变量变化值相对误差控制在5%内,且不会对故障类型的判断产生影响;故障诊断模型在已知的检验结果内无误诊现象。      

应用神经网络诊断航空发动机气路故障的前景

介绍了近几年来国内外应用神经网络对航空发动机气路故障进行诊断的基本方法和研究进展。对单一故障进行定性的诊断已经取得了试验验证，结果表明神经网络具有较高的诊断准确率。对反映发动机气路部件健康状况的气流量、效率等参数的多故障、定量的诊断则取得了一些仿真研究成果。相对于基于发动机气动热力学数学模型的方法而言，神经网络方法具有更大的工程应用潜力。     

航空发动机故障融合诊断研究

结合气路诊断与振动分析方法,建立发动机故障融合诊断模型,探讨气路与振动故障融合诊断方法的可行性。构建故障融合诊断3级体系(故障特征级、故障模式级以及故障决策级融合),实现基于性能参数和振动参数的综合评估方法,获得基于小偏差法的气路故障判据,形成基于动力学分析的振动故障判据,提出故障特征融合的方法,通过算法实现故障融合识别,并在模拟试验器上进行涡轮叶片掉块故障试验验证,获得相应的故障诊断决策。结果表明:设计的发动机故障融合诊断方法合理,算法正确。     

涡轴发动机监视参数选择与诊断方法研究

介绍了涡轴发动机性能参数与监测参数选取的依据和方法 ,建立了利用故障因子概念诊断发动机故障的数学模型 ,给出了亚定型故障诊断方程组的解法及其发动机健康状况判定依据和故障诊断有效性的评价指标。运用发动机的实际无故障数据和模拟故障数据进行了仿真。结果表明 :建立的诊断模型可信 ;选取不同的测量参数可诊断不同的发动机故障 ;减少系统测量误差可以提高诊断的有效性。该系统对在役涡轴发动机的健康监视具有实用性 ,对其它发动机具有参考价值。     

液体火箭发动机系统故障实时监测算法研究

利用水力系数（ＣＡＤＥ）的性质和现有液体火箭发动机管路系统中压力域流量的测量值，进行适当分段组合，计算出相应的压力和水力系统改变量。并根据实际试车经验确定出相应的根限值。同时使用灰色理论中ＧＭ预测模型对发动机的监测参数进行预测。从而及早分析出发动机所处工况。该算法能尽早地探测出发动机系统中出现的故障，以提供足够的时间对发动机采取措施。     

航空发动机的模糊故障诊断方法研究

提出了一种基于T-S模糊模型的故障诊断方法, 该方法从样本空间提取模糊规则, 在模糊系统参数最优化的同时实现了对模糊系统结构的自适应优化, 并给出了故障判定的阈值确定方法.以某涡扇发动机定检稳态的机载记录数据为依据, 将基于T-S模糊模型的故障诊断方法应用于航空发动机, 研究结果表明, 该方法能准确地判定某涡扇发动机的健康状况, 将其应用于航空发动机故障诊断是可行、有效的.      

发动机故障隔离技术的主特征量模型

本文提出了发动机气路分析故障隔离技术的主特征量模型。主特征量模型的基本原理如下:发动机征兆量和发动机特征量之间存在着特殊的函数关系,即 n 个征兆量小偏差方程可以被少于 n 的 t 个故障量偏差所满足。利用这一特性可以对多于征兆量数目的 m 个特征量进行故障隔离。与目前广泛采用的影响系数矩阵法比较,主特征量模型不仅具有更广泛的实用意义,而且数学模型更加严格,并且能提供较多的故障诊断信息。文中给出了主持征量模型的两种求解方法,即最小征兆量偏差残差模法和最小特征量偏差法。文中还给出了主特征量模型的计算例题,并对计算结果进行了分析。