离心压气机温升效应对涡轴发动机起动性能的影响

介绍了涡轴发动机起动过程中部件材料温升对离心压气机效率影响的数学模型。按照某涡轴发动机起动供油规律,利用建立的数学模型计算了此发动机起动性能,并和发动机试验结果进行比较,以验证模型建立的准确性。然后,利用建立的数学模型分析部件材料温升对燃气涡轮轴发动机起动性能的影响。      

基于台架试验的涡轴发动机喘振发生位置规律

为了探究某型涡轴发动机喘振发生位置规律,采集并分析了台架喘振试验时进气道、轴流压气机叶尖、轴流压气机出口和离心压气机出口的压力信号。采用连续小波时频变换对压力信号进行特征提取,以小波系数作为喘振信号特征,阈值为小波系数最大值的10%,结果表明:某型涡轴发动机的轴流压气机总是比离心压气机先发生喘振,喘振在轴向上由进气道向离心压气机传递的同时,在周向上也沿着压气机转子叶片旋转方向传递。对某型号发动机进行实时喘振监测时,监测轴流压气机能比监测离心压气机更早发现喘振,在后续某型涡轴发动机改型设计时,可增加轴流压气机的喘振裕度来提升整机防喘能力。      

一种通用涡轴发动机起动过程建模方法研究

涡轴发动机可靠、快速的起动过程是进入驱动旋翼飞行器安全工作的前提,高置信度的发动机起动过程模型不仅可以对起动过程进行分析与优化控制,而且减少了代价昂贵的发动机台架试车次数。本文针对起动过程复杂非线性特性的建模难题,提出一种通用的建模方法:即基于级累叠方法,根据进口条件计算各级气体流动参数来获得压气机低转速特性数据,同时根据相似原理外推出燃气涡轮、自由涡轮低转速部件特性,并将冷转动模型和部件级模型相结合。最后,建立了涡轴发动机起动模型,进行了地面状态起动过程的数字仿真,并与试车数据进行对比,最大误差小于10%,结果表明所建立的模型能准确模拟涡轴发动机的起动过程。     

某型涡轴发动机起动冷转异响故障分析

针对外场某型涡轴发动机首次装直升机起动冷运转过程中,发动机有异常响声的故障现象,对发动机进行了分解检查、质量复查、原因分析和机理分析等工作,找准了故障原因,制定了预防措施,完善规范了发动机装配工艺规程,有利于预防同类故障的再发生,提高了该型航空发动机的安全性和可靠性。     

航空发动机过失速及退喘模型研究

针对涡喷和涡扇发动机,通过求解带源项的2维欧拉方程组,发展了模拟发动机整机过失速及退喘动态过程的理论模型,实现了2种发动机稳定状态-喘振/旋转失速-退喘动态过程的模拟。分析了某单轴涡喷发动机算例,模拟结果展现出喘振和旋转失速相应的基本特征;对某小涵道比双轴混排涡扇发动机进、退喘模拟结果进行分析,发现风扇与压气机均发生了喘振,且喘振频率相等,并最终都恢复至稳定状态。     

某型涡轴发动机喘振攻关与验证

针对某型涡轴发动机夏季试车时常发生加速喘振故障的问题,使用故障树初步分析引起喘振的主要原因,并通过径向扩压器叶片进行流场仿真、串装、多台发动机对比计量、试车试验等,对喘振原因进行深入分析。研究表明径向扩压器进口叶根倒角变大对发动机加速性能有一定程度的改善作用,大气条件对发动机加速性有一定影响,径扩面积越大、叶根圆角与进气边转接越顺滑,越有利于加速性能。     

涡轴发动机稳定性实验研究

为了评定涡轴发动机的稳定性,采用了可移动插板式压力畸变发生器评定方法对其稳定性进行评定,通过分析喘振时的压力信号,得到了临界状态下的各种参数和临界畸变指数,在此基础上间接地比较了四台发动机的稳定性的好坏,并且发现该发动机由于离心压气机首先失稳从而引起发动机喘振,且低转速下对喘振的容忍能力要高于高转速状态,这些结论可以作为该型涡轴发动机改进和设计使用的参考依据.     

基于QPSO-ELM的某型涡轴发动机起动过程模型辨识

针对解析法建立某型涡轴发动机起动过程模型困难的问题,提出一种基于量子粒子群优化-极限学习机（QPSO-ELM）的某型涡轴发动机起动过程模型数据驱动辨识方法。首先构建基于状态空间法描述的某型涡轴发动机起动过程分段模型,然后结合发动机起动试验数据,采用QPSO-ELM算法对该起动模型进行辨识,试验结果表明：燃气发生器转子转速、发动机输出轴转速和燃气涡轮后温度的辨识结果都良好地逼近了实测数据,最大相对误差的均值分别为1.358%、1.628%和2.195%,满足实际应用的精度需求,并且QPSO-ELM的辨识精度优于极限学习机（ELM）、支持向量机（SVM）和反向传播（BP）神经网络。     

涡扇发动机起动过程气动稳定性的数值计算

1引言国内外发表的关于燃气涡轮发动机起动过程的研究论文很少涉及燃气涡轮发动机起动过程气动稳定性的研究[1~3]。由于起动过程发动机的共同工作线非常靠近喘振线,起动极易诱发发动机出现失速或喘振现象,因此,有必要对燃气涡轮发动机起动过程的气动稳定性问题进行深入的研究。     

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。