基于部件特性的航空发动机性能模型修正

研究了基于部件特性修正的航空发动机稳态性能模型修正方法,并通过对部件特性的研究总结了部件特性修正因子选择原则。以此为基础,提出了基于多状态试验数据的发动机性能模型修正方法,并采用双轴涡扇发动机地面试验节流特性数据对稳态性能模型进行修正。结果表明,采用单个试验状态数据修正后的稳态性能模型不能完全满足工程使用要求,使用基于多状态试验数据修正后的节流特性转速范围内模型计算精度与修正前相比有很大提高,验证了该方法的有效性和实用性。     

基于云粒子群算法的航空发动机性能衰退模型研究

压气机和涡轮是发动机的关键部件,其性能下降对发动机性能有重要影响。本文研究了压气机和涡轮的性能衰退,将部件性能衰退等价转化为部件失效因子,修正部件特性,建立了某型涡扇发动机的非线性性能衰退计算模型;提出了云粒子群优化算法,以改善迭代收敛速度慢、计算时间长的问题。基于非线性发动机性能衰退模型,进行了部件性能衰退对发动机性能影响的定量计算,所得结论为发动机状态监控提供了依据。     

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。     

基于混合遗传算法的航空发动机数学模型解法

针对发动机模型现有平衡方程迭代解法存在不收敛或计算效率差的不足,以涡轮风扇发动机为对象,结合遗传算法与牛顿-拉夫逊法的优点,设计了在模型不收敛点采用遗传算法与牛顿-拉夫逊法交替计算的平衡方程求解混合算法。理论分析与数值仿真结果表明,对于整个模型而言,该算法既保持了牛顿-拉夫逊法的高计算效率,又吸收了遗传算法全局收敛的优点,可实现模型大范围收敛。     

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。     

基于实数编码量子进化算法和模态区间数学的航空发动机设计

本文将实数编码量子进化算法和模态区间数学相结合用于解决模态区间数学中的某些难以求解的问题。应用量子进化算法进行了模态区间数学方程组的求解和模态区间矩阵的求逆,将量子进化算法和模态区间数学用于航空发动机的设计,给出了基于模态区间数学的航空发动机总体性能设计方法。这种设计方法能够考虑设计的不确定性。并以某型涡喷发动机为例进行计算,设计结果更符合实际情况。     

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。     

建立航空发动机状态空间模型的修正方法

以阶跃输入响应进行模型的检验，提出了状态空间模型的修正方法：基于动态响应较好的状态空间模型，进行其矩阵B，D，F，G的修正，获得基于稳态修正的模型，解决了航空发动机状态空间模型检验与修正的问题。仿真表明，使用该方法修正的状态空间模型具有与原非线性数学模型完全一致的稳态响应和基本一致的动态过程响应。这种方法为航空发动机多变量数字电子控制器的设计奠定了强有力的基础。     

基于DE-RLSSVM算法的航空发动机传感器故障诊断

为了使约简最小二乘支持向量机(RLSSVM)具有更好的稀疏性和泛化能力,利用微分进化(DE)算法选择RLSSVM的支持向量,提出了DE-RLSSVM算法.在benchmark回归数据集上的仿真试验表明该算法具有很好的稀疏性和泛化能力.然后将该算法用于航空发动机传感器故障的诊断,提出了基于DE-RLSSVM算法的航空发动机传感器故障诊断方法.该方法利用DE-RLSSVM算法对传感器故障进行监测,然后进行定位和隔离.数字仿真结果表明该传感器故障诊断系统能够实现对航空发动机传感器硬故障的检测与隔离.      

基于复合优化的航空发动机模型参数估计

本文提出了一种复合优化方法,用于发动机多变量,状态空间模型的时域辨识。优化中粒子群优化算法和最小二乘优化算法按照“串联”方式运行。粒子群优化从一个初始种群出发,通过进化来搜索最优解。然而有些时候,粒子群算法会陷入次优解。那么最小二乘优化算法就可以从粒子群的次优解出发,通过共轭梯度法获得问题的最优解。本方法适用于待估计参数较多,且参数变化范围大的高阶多变量系统。本文将复合优化算法用于4输入4输出状态变量模型参数的估计。仿真结果表明了所提出方法的有效性。     

基于遗传算法的航空发动机多目标优化PID控制

提出采用多目标遗传算法,对航空发动机PID控制器参数进行优化设计.使用先进多目标遗传算法NSGA-Ⅱ对航空发动机PID控制器进行参数整定.针对某型航空发动机在飞行包线内的飞行状态进行控制器参数的优化选取,仿真结果表明,与传统手动试凑调节PID控制器参数进行比较,转速阶跃响应过程的性能指标得到了很好的优化,获得了令人满意的优化效果.      

基于Fibonacci搜索方法的航空发动机性能寻优

介绍了Fibonacci搜索方法应用于发动机性能优化中的原理,建立带两个出口面积、气流马赫数可变的引射器的涡喷发动机的总体性能计算模型,应用Fibonacci搜索方法在优化参数区间内对该发动机进行了最大推力、最低油耗、最低涡轮前温度模式的寻优.举例说明了Fibonacci搜索方法应用的具体过程.给出了不同高度、马赫数下的寻优结果.结果表明:最优目标性能满足的约束边界与飞行高度、马赫数密切相关.不同的飞行高度、马赫数对应了不同的最优控制策略.但不论飞行任务如何,根据该方法进行的优化控制所获得的目标性能是最佳的.该优化方法不仅适用于该类涡喷发动机,也为其他类型航空发动机的优化控制打下一定的基础.      

基于Kriging模型和遗传算法的齿轮修形减振优化

针对齿轮修形优化时计算啮合刚度计算量大、计算精度低、操作繁琐等问题,提出一种基于Kriging模型和遗传算法的齿轮减振修形优化算法.以典型直齿轮传动为例开展齿轮修形优化,通过拉丁抽样建立Kriging模型,解决齿轮修形优化的多响应和隐式函数的问题,通过Kriging预测的啮合刚度与有限元法的对比可知,时变啮合刚度函数各参数的误差最大值为7.79×10-5,1.20×10-3及1.30×10-4,验证了Kriging多响应预测啮合刚度函数的精确性.将Kriging预测函数代入直齿轮啮合传动的动力学微分方程,采用遗传优化算法时将齿轮动态传动误差响应波动最小作为优化目标,得到最优的齿轮修形参数.算例表明:相比于ISO(International Standardization Organization)修形和未修形的齿轮,该算法的减振效果最好,验证了基于遗传算法与Kriging模型对齿轮进行修形优化的正确性、高效性.相比于直接采用有限元法进行齿轮修形优化,该算法计算时间由26.91d减小为2.24h,证明了该算法计算效率的优越性.      

基于自校正Broyden拟牛顿法的航空发动机模型数值计算

以Broyden拟牛顿法为基础结合计算发散判断和校正机制,提出自校正Broyden拟牛顿法.该算法结合牛顿法(Newton-Raphson method)平方收敛和Broyden拟牛顿法超线性收敛特性,通过自适应调整计算步长和校正函数,在非线性系统中具有更好的计算性能.以变循环发动机部件级模型为对象,应用自校正Broyden拟牛顿法进行稳态及动态仿真计算,并与牛顿法和Broyden拟牛顿法作对比.结果表明:自校正Broyden拟牛顿法对恶劣的初始计算条件适应性更高,计算速度更快且收敛能力性更强,动态计算中部件模型计算调用次数为牛顿法的15%,模型动态误差低于Broyden拟牛顿法的15%,同时也低于牛顿法的28%,动态计算最大残差量低于其他两种算法的25%.验证结果表明了自校正Broyden拟牛顿法的优越性.      

基于混合遗传算法的航空发动机PID控制参数寻优

结合某型航空发动机的比例积分微分控制(PID)参数整定与优化问题, 提出了一种全局最优且与初值无关的优化算法.算法采用与单纯形相结合的混合遗传算法, 结合了遗传算法良好的全局收敛性和单纯形算法的优秀的局部搜索能力, 提高了搜索速度与精度.仿真结果表明这种方法具有较好的收敛性与稳定性.      

基于T-S模糊模型的航空发动机模型辨识

提出了一种航空发动机的Takagi-Sugeno(T-S)模糊模型辨识方法,该方法通过最小二乘法辨识模糊模型的后件参数,通过反向传播法辨识模糊模型的前件参数,并实现了模糊模型结构的自适应优化。以航空发动机机载记录数据为依据,通过对输入输出数据的学习建立了航空发动机的T-S模糊辨识模型,通过该模型对机载记录数据的辨识,结果表明该模糊辨识模型具有辨识精度高、鲁棒性强、容错性好等特点。     

基于改进蚁群算法和Mann-Kendall法的涡桨发动机性能预测

针对涡桨发动机复杂、非线性的工作环境,利用层次分析（AHP）法提取发动机工作状态特征参数,考虑各特征参数对工作状态识别的影响,以特征参数加权的改进蚁群算法为基础,进行发动机同一工作状态识别、聚类,并采用Mann-Kendall法开展发动机性能预测分析。利用多台涡桨发动机性能参数飞参数据进行验证,结果表明：该方法能准确识别发动机起飞、额定工作状态,巡航以下工作状态识别准确率达84%以上;此外,发动机性能预测效率提升了近50%,而预测错误率小于10%,可以满足航空兵部队维修保障工作的实际需要。     

发动机故障诊断主因子模型的测量参数选择

研究了航空发动机气路故障诊断的测量参数选择的问题.基于发动机故障诊断的主因子模型,结合预测平方残差和(prediction error sum of squares,简称PRESS)准则,建立了一种选择风扇流量、风扇出口压力、压气机出口压力、压气机出口温度、涡轮后温度和燃油流量这6个测量参数进行单轴涡扇发动机故障诊断的方法.大量的实例表明,合理运用该方法选择测量参数的种类和数量,既能取得比较满意的诊断效果,又能利用发动机控制系统已有的测量参数,降低诊断成本,具有一定的工程应用价值.      

基于小波尺度函数的WSK-SV算法 及其气动性能预测

提出了一种将小波的尺度函数与SV(support vector)算法相结合的WSK-SV(wavelet scaling kernel-support vector)新算法,并将Daubechies小波以及Shannon小波的尺度函数分别构成尺度核函数,而且分别作为SV算法中一个可容许的支持向量核函数使用.该算法充分利用了Daubechies小波函数的紧支集与正交等特点以及小波的MRA(multi-resolution analysis,多分辨分析),并注意了尺度核函数能够满足Mercer条件.该算法除了具有通常SVM(support vector machine)所具有的优点外,还具有很好的收敛性以及泛化能力,能够有效地提高学习与预测效率.典型算例选取了不同的小波尺度函数,数值计算表明:在一维、二维和三维问题中,这些小波的尺度函数均可以用于WSK-SV算法,进而显示了这个新算法的可行性与通用性.