利用多状态试车数据修正发动机部件特性

针对经典的航空发动机部件特性修正因子法的不足,提出一种于多状态试车数据的修正方法.利用发动机部件匹配模型方程以及试车参数计算值和实测值的差值组成目标方程组,采用改进的免疫粒子群算法优化求解获得部件特性修正系数.以多个不同状态下的修正系数为基础,利用滑动最小二乘方法拟合修正系数曲面,进而得到修正的部件特性图.数值试验表明:综合利用不同状态下发动机试车数据进行部件特性修正,克服了传统方法的不足.提高了修正部件特性在整个工作范围的精度.      

涡轴发动机部件特性修正及更新方法

针对由航空发动机零部件制造、装配及性能退化引起的发动机模型与实际发动机之间的性能不匹配问题,提出1种基于粒子群优化算法(PSO)的发动机部件特性自动修正及更新方法。根据发动机部件级模型的输出数据和发动机性能分析软件GasTurb计算结果,以发动机关键测量参数所定义的目标函数最小为优化目标,利用PSO获取不同相对换算转速下的部件特性修正因子,并在线完成特性图的自动更新。并以某型涡轴发动机为对象进行仿真验证,结果表明:该方法可有效提高涡轴发动机部件级模型的精度,并直接输出更新后的部件特性。     

涡轮发动机部件特性自适应模型的确定方法

针对现有航空涡轮发动机部件特性自适应模型中存在的不足,提出了合理的解决方法:根据测量参数合理选择部件特性修正因子;使用部件特性删除法求解部件特性修正因子;部件特性修正因子的数值拟合方法。采取这些改进措施后,使得现有航空涡轮发动机部件特性自适应模型得到改善。计算结果与两种型号的涡喷发动机的试验数据对比表明本文的改进方法合理。     

基于部件级模型修正的某发动机整机动态特性计算

针对型号研制初期产品缺乏试验、动力学识别误差较大的问题,采用一种经修正的简化模型计算发动机动特性。首先,使用多类型有限元单元进行整机刚度等效简化建模及单元耦合,计算得到喷管延伸段的结构模态特性;然后,对比喷管延伸段简化模型、全三维模型与振动台模态试验结果,以100 Hz内主要模态频率为优化目标,使用多目标遗传优化算法对简化模型进行修正重构;最后,计算重建后整机模型动态特性,得到发动机模态特性与各部件位置谐响应分布规律。该模型修正方法在型号研制初期不具备试验条件情况下,能通过多轮模型修正得到较为准确的整机动特性。     

航空发动机仿真模型参数自适应校正

采用修正因子方法建立自适应仿真模型,运用改进的共轭梯度算法求解非线性规划问题,依据发动机台架试车和空中试飞测量数据,对发动机仿真模型的部件特性参数进行校正,使模型的计算输出与试验测量数据吻合。应用本文方法对某型双转子加力涡喷发动机仿真模型进行校正,获得了满意的仿真精度。     

两种涡扇发动机部件特性自适应模型对比

发展了航空发动机自适应模型．并对以两种优化算法为基础的自适应模型进行了对比分析。两种模型以通用特性为基础运用优化方法,以发动机主要性能参数和过程参数偏差函数最小为优化目标,以部件特性耦合因子为被优参数,可以预测出不同飞行条件下的发动机风扇、压气机、燃烧室、高压涡轮、低压涡轮等部件特性。运用单纯形和遗传算法为基础的自适应模型对某型涡扇发动机性能的计算结果表明：相对于单纯形算法模型．遗传算法模型对发动机主要性能参数和过程参数的计算偏差降低了20％～30％;对发动机各截面总温、总压计算偏差降低了15％～20％;遗传算法模型相对于单纯形模型具有更为宽广的自适应模拟范围。对某型已知部件特性的涡扇发动机模拟结果显示．遗传算法模型部件特性模拟结果与已知部件特性差别甚微。     

航空发动机部件特性修正技术研究

针对传统部件特性修正方法未考虑发动机多状态导致修正精度不高的问题,提出了1种基于粒子群优化和滑动最小二乘法的某型发动机部件特性修正方法。该方法利用粒子群优化算法分别求得在发动机不同状态下的修正系数,并以这些系数为基础,采用滑动最小二乘方法拟合修正系数曲面,从系数曲面上获取原有部件特性图上各点对应的修正系数,从而得到修正特性。试验结果表明:该方法克服了传统方法的不足,提高了特性修正精度,为开展单机监控和视情维修提供准确的部件数据基础。     

基于遗传算法的涡喷发动机身份证模型建立

为建立发动机身份证模型,针对发动机个体差异和寿命期内性能蜕化引起的发动机模型与真实发动机之间的失配问题,提出1种基于遗传算法的发动机部件级模型自动修正方法。在发动机部件级模型中,引入能反映个体发动机部件特性的性能调节因子。根据发动机试车数据与待修正部件级模型输出数据,以发动机关键测量参数残差最小为优化目标,采用遗传算法获得不同换算转速下的特性修正系数,建立发动机身份证模型。以某型涡喷发动机为对象进行试验验证,结果表明该方法能有效提高发动机部件级模型精度,适用于建立发动机身份证模型。     

基于微分进化算法的航空发动机模型修正

为了提高航空发动机性能仿真模型精度,采用微分进化算法对发动机部件特性进行修正.对微分进化算法进行改进,提出折线式交叉变量变化方式,提高了算法的寻优能力.提出变步长牛顿-拉夫逊迭代算法,基于平衡方程残差范数变化趋势,改变牛顿-拉夫逊算法迭代计算步长,提高了模型的收敛性和收敛速度.在设计点,对各部件特性、引气系数、总压恢复系数进行修正,使修正后的模型输出与试验数据相匹配.仿真结果表明:改进后的牛顿-拉夫逊迭代算法收敛性更强、计算速度更快,修正后的各输出参数的最大建模误差减小到1.3762％,满足建模误差需求.     

航空发动机部件特性自适应计算方法

发展了一种预测发动机部件特性的自适应模型方法,该方法以发动机通用特性为基础,利用单纯型优化方法,将发动机主要性能参数和过程参数的偏差函数最小为优化目标,以部件特性藕合因子为被优参数,此法能较好地预测出不同飞行条件下发动机的风扇、压气机、燃烧室、高、低压涡轮等部件特性.应用于某算例的计算结果表明,发动机主要性能参数和过程参数的计算偏差均在0.5%之内,对发动机各截面总温、总压计算偏差均在1%之内.预测出的部件特性已成功用于发动机故障诊断方程的建立.     

基于数据的发动机模型匹配方法研究

针对在使用环境条件下发动机部件特性未知的问题,为获得在实际装机条件下的发动机部件特性,采用1种基于参考数据的发动机部件级模型匹配方法,在对测量数据和模型特征分析的基础上,选取适当调整参数,以模型在非设计点的仿真输出与参考数据的匹配精度为目标,通过迭代方法求解部件特性。仿真数据表明:采用基于数据的发动机匹配技术得到的发动机模型,其仿真输出与参考数据的偏差均在允许范围内。利用该方法可以得到在使用条件下的发动机部件特性,为装机状态发动机的仿真预测提供技术支撑。     

涡扇发动机部件特性的滤波自动修正更新方法

针对航空发动机部件制造装配以及性能蜕化引起的平均模型与个体发动机之间的性能不匹配问题,提出一种基于非线性滤波算法的发动机部件特性自动修正方法。根据发动机部件级平均模型输出与个体量测数据的残差,利用数据处理策略结合无迹卡尔曼滤波算法的不可测部件特性变化估计,自动更新发动机部件特性,建立发动机个体物理模型。通过小涵道比涡扇发动机仿真验证,结果表明该方法可自动修正发动机部件特性,相比较平均模型,通过该方法修正的发动机个体模型中各截面温度、压力计算偏差均在0.5%以内,有效提高涡扇发动机个体物理模型稳态、动态精度。     

航空发动机部件性能参数融合预测

为了改善目前单独采用基于模型和数据驱动的部件健康参数预测精度,提高数据驱动方法的故障诊断的泛化能力,提出一种自调整决策融合机制,对航空发动机部件性能蜕化在连续蜕化空间进行融合诊断。传感器测量值同时输入到机载自适应模型和数据驱动的诊断模块中,分别利用卡尔曼滤波算法和自适应遗传算法优化的支持向量回归机(AGA-SVR)对主要部件性能进行预测,再利用自调整决策权重的量子粒子群寻优(QPSO)进行决策级融合诊断。以某型涡扇发动机为对象进行气路部件蜕化的仿真研究表明,与单独使用基于模型和数据驱动的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度。     

液体火箭发动机喷管简化建模及模型修正

为了准确掌握喷管的动力学特性,提出了一种等效简化建模结合试验数据的模型修正方法。首先,将喷管的原始几何模型经过几何处理成简化模型,建立了喷管的有限元模型,对有限元模型在自由条件下进行模态计算,将得到的计算数据与测试数据对比分析,再利用测试数据对有限元模型的弹性模量参数进行修正,修正后的喷管有限元模型前9阶模态计算结果与测试结果频差在5%以内,MAC值(模态置信准则)在0.8以上。表明此方法是一种高效可行的喷管简化建模方法,既保证了精度又提高了计算效率,对其动力学特性分析、振动响应预测等方面具有重要应用价值,对于液体火箭发动机其他部件的动力学建模及分析也具有普适性。     

研发阶段涡扇发动机模型自适应方法

为了实现研发阶段涡扇发动机整机试验数据的快速评估和模型自适应,提出一种发动机模型自适应方法。该方法以整机试验数据为输入,结合气动热力过程约束方程和发动机整机匹配约束条件,重构出各部件的性能参数。文中提出了按照高压涡轮导向器喉部流通能力确定核心机流量的方法,并以载荷系数为媒介实现叶轮机械部件参数修正计算,完成了小涵道比涡扇发动机的自适应建模计算。计算结果表明,17个测量参数与计算结果完全一致,该方法完成单个状态点自适应计算的平均时间约为1.44ms,主要部件特性的修正系数在0.95～1.05。采用该方法计算的部件特性参数自适应修正系数可为发动机性能调试和故障诊断提供依据。     

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。