基于飞/发性能一体化快速迭代的循环参数匹配

针对150 kN级大涵道比涡扇发动机总体性能参数匹配设计问题,以A340-300飞机对发动机的任务需求为例,采用基于飞/发性能一体化快速迭代优化方法,将飞机/发动机一体化设计与发动机总体性能优化设计进行耦合迭代,对多约束条件下的大涵道比涡扇发动机总体性能方案进行优化设计。结果表明：在保证发动机满足飞机任务需求和任务载荷要求,以及发动机尺寸、质量、污染排放要求等约束条件下,飞机的最大起飞质量较初始方案减轻约14.33%,较A340-300飞机的最大起飞质量减轻约8%～9%;燃油消耗量较初始方案减少约20.6%;在保证发动机与飞机良好匹配性的前提下,通过飞发优化迭代使发动机和飞机的设计难度都有一定程度地降低。采用的研究思路与方法是合理、可行的,具有工程实用价值。     

基于飞/发一体化的Ma=8~10飞行器任务性能快速评估与分析

针对典型飞行马赫数Ma=8~10高超声速飞行器/超燃冲发动机一体化构型,建立了飞/发性能一体化模型,可以快速评估飞行器气动力、发动机性能和飞行任务性能。对比了在起始推重比为0.3、0.4、0.5和0.6下的飞行器飞行性能,以燃料消耗最小为目标,基于飞/发性能一体化模型,利用MATLAB优化工具箱中的序列二次规划（SQP）算法,得到了该飞行器的最优起始推重比为0.422。给出了Ma=8~10飞行器/发动机的概念方案总体参数,在载荷质量为1 000 kg下,飞行器总质量为5 943 kg,发动机推力为2 505 daN。该飞行器在攻角范围为4.1°~3.8°下总的飞行时间为489 s,飞行距离为1 360 km。     

基于樽海鞘群极限学习机的进/发一体化性能寻优控制模型研究

为充分发挥航空推进系统的性能,提高性能寻优控制的实时性,将樽海鞘群算法（SSA）与极限学习机（ELM）相结合,基于进/发一体化部件级模型建立数据集,提出一种基于SSA-ELM的数据驱动模型。将该建模方法与广义回归神经网络（GRNN）、BP神经网络（BPNN）和极限学习机（ELM）比较,结果表明,相比于BPNN,ELM,GRNN,SSA-ELM用于预测可以使安装推力的均方根误差（RMSE）分别降低7.41%,17.01%,72.57%,安装油耗的RMSE分别降低4.32%,19.41%,66.77%,具有更高的预测精度。将基于SSA-ELM的数据驱动模型作为机载模型应用到性能寻优控制,结果表明,该机载模型能够维持理想的寻优效果。针对最大安装推力模式开展实时性分析,该机载模型相比于进/发一体化部件级模型,平均计算时间由184.05 ms缩短至1.357 ms,实时性得到显著改善,大大提高了寻优效率。