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。     

支持向量机在航空发动机起动模型辨识中的应用研究

支持向量机（SVM）可以优化网络,有效降低模型复杂性,不存在维数灾难和局部极小问题。本文以某型发动机起动调整试验的试车数据为样本,使用SVM对某一大气条件下的发动机起动模型进行了辨识,并使用另外一组试车数据．通过辨识模型对起动过程进行了仿真;最后,比较了SVM和RBF神经网络起动模型的辨识精度。结果表明,用SVM辨识发动机起动过程模型,方法简单,学习速度快,辨识精度较高。     

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。     

基于RBF神经网络的航空发动机起动模型辨识与仿真

为解决基于气动热力学方程建立发动机起动模型时存在的困难,本文以某型发动机起动调整试验的试车数据为样本,使用径向基函数(RBF)神经网络对在某一大气条件下的发动机起动模型进行了辨识;并使用另外一组试车数据,通过辨识模型对起动过程进行了仿真。结果表明,用RBF神经网络辨识发动机起动模型,具有方法简单、学习速度快、辨识精度较高等优点。     

涡轴发动机高精度实时部件级模型研究

提出了基于神经网络的涡轴发动机共同工作方程求解方法。在基于牛顿-拉夫逊迭代法求解共同工作方程的模型上采集离线训练数据,以共同工作方程迭代求解前的残差为输入,迭代收敛后的共同工作方程猜值修正量为输出,训练BP神经网络,对共同工作方程进行求解。采用变缩放因子的萤火虫算法优化神经网络参数,提高了猜值修正量的预测精度。在飞行包线的某一区域内,采集额定发动机在直升机前飞过程的数据进行神经网络离线训练,并将网络参数代入部件级模型对共同工作方程进行求解,在训练数据采集区域附近的爬升状态、远离训练数据采集区域的前飞状态下进行测试,计算模型输出与牛顿-拉夫逊迭代算法模型输出的偏差,与一次通过算法相比,本文提出方法模型输出最大偏差约为一次通过算法的1/34到1/4,模型运行耗时约为一次通过算法的2/5,验证了算法的有效性。     

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。     

涡轴发动机自适应非线性预测控制

为了实现当直升机旋翼负载变化时,尽量保持功率涡轮转速恒定,并提高系统动态品质,研究了一种针对涡轴发动机的自适应非线性预测控制(ANMPC)算法.基于涡轴发动机稳态数据和动态特性,采用递归最小二乘法(RLS)进行模型参数辨识,建立了具有在线自适应能力的涡轴发动机数值-ARX(auto regressive with external input)并联预测模型.在此基础上,通过多步输出预测和反馈校正,利用序列二次型优化(SQP)算法,进行在线滚动优化,从而获得了涡轴发动机ANMPC控制器.仿真结果表明:当旋翼负载变化时,相比于传统的串联PID(比例-积分-控制)控制器,ANMPC控制器能够使得功率涡轮转速收敛更快,超调量/下垂量更小.      

基于辨识法的核心机起动过程数学模型

为了提高航空发动机核心机起动过程数学仿真模型的计算精度,提出了辨识法建模的思路,主要借助核心机试车数据, 通过求解转子扭矩平衡方程和燃气扭矩特性方程,建立核心机起动数学模型。在燃气扭矩特性的计算求解中,创新性地提出了起 动加速过程“虚拟稳态”的概念。利用辨识模型对某型核心机的起动过程进行了仿真计算,并利用试车数据对辨识模型的计算结 果进行了校核。结果表明：辨识法可用于建立核心机起动数学模型,且辨识模型具有较高的计算精度,计算结果与实际试车数据 之间的误差小于2%,因此辨识模型可作为核心机试车调试的辅助手段。随着核心机试车数据库的完善,辨识模型还将进一步发 展,其计算能力和计算精度还将继续提高。     

基于变旋翼转速的涡轴发动机优化控制

研究了涡轴发动机/旋翼一体化优化控制问题, 分析了直升机旋翼需用功率与涡轴发动机工况的关系, 旋翼转速、旋翼总距、纵向周期变距及横向周期变距对旋翼需用功率的影响.以最小旋翼需用功率为目标函数, 用线性规划算法进行发动机/旋翼性能寻优.进行了巡航状态下变旋翼转速的涡轴发动机优化的数字仿真实验, 仿真结果表明在巡航状态应用变旋翼转速的涡轴发动机优化, 可以降低油耗1.5%～5.5%, 同时降低涡轮温度4.4～16℃, 具有实际应用价值.      

基于逐级叠加法的航空发动机起动模型研究

建立起动过程数学模型的主要困难在于缺少发动机低转速部件特性。提出一种逐级叠加与试验数据相结合的方法计算低转速部件特性,并综合考虑了燃烧室效率变化和部件的热惯性对起动过程的影响,成功地把发动机慢车以上的部件法建模应用到发动机起动过程的性能模拟。通过对某型涡轴发动机仿真结果与试验数据的对比表明,这种低转速部件特性的计算方法具有一定的精度,建立的起动模型可满足研究起动供油规律及估算起动性能的需要。     

一种变旋翼转速直升机/涡轴发动机非线性模型预测控制方法研究

为了实现变旋翼转速直升机/涡轴发动机快速响应控制,提出了一种基于神经网络的直升机旋翼预测模型与基于状态变量模型的涡轴发动机预测模型的新型非线性模型预测控制方法。所建目标函数除了包含转速控制指标外,还考虑了经两级变速双离合器传动机构传扭后发动机输出轴的转子动力学特性。不同飞行任务下的数值仿真结果表明:相对于PID控制器而言,非线性模型预测控制器可在满足压气机转速、发动机静强度等限制条件下使动力涡轮转速在变旋翼转速过程中的超调量减小50%,下垂量降至0.2%以内,实现了涡轴发动机的快速响应控制的同时,有利于改善发动机使用寿命。     

涡轴发动机非线性模型预测控制

 对涡轴发动机进行了非线性模型预测控制(NMPC)研究,设计了非线性模型预测,该控制器主要包括3个方面：预测模型、滚动优化和反馈校正。利用神经元网络模型预测涡轴发动机动态响应过程,得到预测模型;运用序列二次规划(SQP)优化算法进行发动机的在线滚动优化,得到发动机的燃油控制量;根据神经元网络模型与实际发动机对象的输出误差,对控制器的指令信号进行了反馈校正。最后进行了仿真实验,与常规串级PID控制相比较,非线性模型预测控制器的超调量从2.2%降低到0.8%,响应时间从6 s降低到2 s,具有很好的控制品质。     

基于在线滚动序列核极限学习机的涡轴发动机非线性模型预测控制

针对涡轴发动机控制系统设计,提出了1种基于在线滚动序列核极限学习机的非线性模型预测控制方法。综合考虑直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速、涡轮级间温度和压气机喘振裕度等信息,设计具有较好实时性、精度和泛化能力的多输出在线滚动序列核极限学习机作为预测模型,引入预测模型输出与发动机输出的误差进行反馈校正,利用序列二次规化算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合平台的仿真环境中进行了直升机大幅度机动飞行仿真验证,结果表明:该模型预测控制器相比于传统串级控制具有更好的控制品质,可显著降低动力涡轮转速超调/下垂量。     

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。      

涡轴发动机全状态实时气动热力学数值模拟

应用“外推”法得到了某型涡轴发动机起动状态的部件特性,采用容积法建立了表达发动机热力过程特性的非线性方程组,从而,解决了通常的部件法建模所带来的需要迭代的问题,建立了涡轴发动机全状态的气动热力学实时模型,给出了某发动机工作全过程的数值模拟结果。     

基于直升机飞行性能需求的涡轴发动机设计参数选取方法研究

以直升机性能计算方法为基础,辅以考虑尺寸效应及设计能力的涡轴发动机设计方法,建立了以直升机旋翼桨盘载荷及最大起飞功重比为特征参数的直升机/涡轴发动机性能约束分析模型、任务分析模型及基于直升机飞行性能需求的涡轴发动机设计参数选取模型。针对涡轴发动机部件/系统设计能力及直升机飞行性能需求,首先开展了给定涡轴发动机循环参数下的流量匹配计算,然后开展了涡轴发动机循环参数选取研究。研究表明,所建立的直升机/涡轴发动机性能约束分析模型、任务分析模型可实现给定飞行任务的直升机/涡轴发动机性能耦合设计;在给定涡轴发动机循环参数条件,由于尺寸效应,涡轴发动机部件效率受进口流量的影响,其设计点功率并不随流量等比例变化,从而使得直升机起飞总重呈现非等比例变化;在涡轴发动机循环参数选择时,在满足直升机飞行性能需求下,存在涡轴发动机耗油率与单位功率之间权衡下的循环参数选取,使得直升机起飞总重最小。