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。     

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.      

基于特性数据的燃气涡轮发动机修正方法

针对燃气涡轮发动机部件特性不匹配造成的模型计算参数与实际试车参数之间的误差问题,提出一种基于特性数据的 燃气涡轮发动机部件特性修正方法。通过变缩放参考中心依次对设计点、慢车点进行整体修正,实现特性图在整个工况范围内的 大致覆盖。通过局部修正非设计点所在的由相邻等转速线和β线所确定矩形域的特性数据,并采用插值法和拟合椭圆曲线法对 等转速线的其他数据点进行补充修正,得到与试车数据匹配的特性图。以涡扇发动机为研究对象进行仿真验证,结果表明：所提 出的特性修正方法能准确、快速地对发动机部件特性进行修正,与试车数据相比,修正后的模型各稳态点误差精度均在1.5%以 内,满足工程精度需求,可用于发动机控制系统研究。     

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。     

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。     

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。     

基于遗传算法的发动机气路性能模型修正研究

确定部件修正参数和目标性能参数作为模型修正基础,结合稳态模型的平衡方程,构造修正发动机非线性模型的代价函数,修正发动机稳态模型。计算了在不同工况修正后的特性参数,并与用影响系数矩阵方法所得结果进行对比,经遗传算法修正后参数精度有了较大提高。利用部件修正参数组合对发动机稳态模型进行修正,其结果表明敏感性参数在模型修正中起关键作用。所用修正方法对发动机性能模型修正、提高模型精度有一定指导意义。     

基于模型辨识的发动机部件特性修正研究

在发动机的总体性能研究中,发动机部件特性图的准确程度对总体性能计算结果有明显的影响.研究表明,部件特性数据的偏差,尤其是风扇、压气机及涡轮等部件特性的偏差会使发动机总体性能计算结果出现很大的偏差,与实际性能不符.本文采用变分加权最小二乘法对试验数据进行模型辨识分析,充分利用发动机整机测量的试验数据对发动机部件特性进行修正,该修正可反馈各部件实际特性信息,可为各部件分析及完善设计提供参考和依据.     

部件三维仿真模型与发动机循环参数分析的耦合方法研究

为了将基于部件三维仿真模型获取的部件工作特性耦合于发动机循环参数分析、提高整机性能预估的可信度,本文提出了改进完全耦合方法,结合核心机驱动风扇级(Core Driven Fan Stage,CDFS)三维仿真模型和变循环发动机(Variable Cycle Engine,VCE)零维仿真模型,使用迭代耦合和改进完全耦合方法建立了VCE多维度仿真模型,研究了修正因子计算方法及边界参数松弛处理方法对VCE多维度仿真模型的影响,对比了迭代耦合与改进完全耦合方法的差异。结果表明,采用改进完全耦合方法时,直接将基于部件高保真度仿真模型得到的压比和等熵效率应用于发动机循环参数分析,可避免非线性方程组线性化过程对部件高保真度仿真模型的重复调用,同时计算过程不依赖于部件通用特性图。采用优化方法计算修正因子或者对边界参数进行松弛处理均可以抑制改进完全耦合方法中迭代残差的震荡,加速收敛。改进完全耦合方法与迭代耦合方法计算结果无明显差异,且在使用优化方法计算修正因子时收敛速度基本一致。超声速巡航状态下,与VCE零维仿真模型的计算结果相比,多维度仿真模型中CDFS压比升高了2.73%,由此导致VCE推力降低了3.48%。     

基于混合卡尔曼滤波器的涡轴发动机模型自适应修正

针对因发动机个体性能差异和性能衰减引起的发动机模型与真实发动机之间的失配问题,提出一种基于混合卡尔曼滤波器的模型自适应修正方法。以MATLAB下封装的GasTurb模型为基础,将其输出作为卡尔曼滤波器的基准值,将发动机部件修正因子作为滤波器的增广状态变量进行估计,再将所得到的部件修正因子作为GasTurb模型输入对发动机个体性能进行计算。以涡轴发动机为应用对象,利用试验数据验证了该方法的有效性和工程实用性。     

环境湿度对民用涡扇发动机性能影响研究

环境湿度会对民用涡扇发动机的性能产生影响.在发动机部件匹配方法的基础上,引入湿度对气体性质和部件特性的修正模块,建立环境湿度对民用涡扇发动机影响的仿真模型;定量分析不同湿度对发动机推力、转速、进口流量等性能参数的影响,得到相应的湿度修正曲线;按照CCAR-25部中有关湿度的考核要求,计算相应湿度对发动机飞行包线内的六个典型工况的影响;将本文发展的仿真模型所得结果与文献结果进行对比.结果表明:发动机高温起飞时受湿度影响最大,其推力下降了0.56％;为了弥补推力损失,风扇相对换算转速需要提高0.23％;本文所得某涡喷和某涡扇发动机的修正曲线与文献结果趋势一致、量级相当,验证了仿真模型的可靠性.     

自适应核模式分析方法及其在航空发动机部件性能衰退识别中的应用

针对测量数据因其部件之间的耦合不能有效识别各个部件性能衰退程度的问题,提出一种基于性能修正因子核模式分析的发动机部件性能衰退识别方法,并能与传感器测量偏差区分开。首先将传感器测量数据输入到自适应模型中去,产生一组用于识别部件性能衰退的修正因子。将修正因子参考模式通过核模式映射到高维特征空间中去,在此可分(基本可分)空间中完成识别。考虑到修正因子参考模式在高维空间中映射的像呈带状分布,几何距离不能有效识别,基于此采用神经网络方法对模式进行识别。识别成功率达到94.34%。进一步分析了特征约简的输入维数对识别效果的影响以及所提方法的泛化能力。考查了噪声对模式识别的影响,得到幅值3%以内的噪声对识别结果无明显影响。证明了“自适应模型+核模式分析+神经网络”识别方法是可行的。      

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。     

基于整机试验数据辨识的雷诺数对涡扇发动机的性能影响

为了研究雷诺数对涡扇发动机性能的影响并提升稳态性能模型在工作包线内的计算精度,提出了一种基于整机试验数据辨识的计算分析方法。选取用于气路分析的测量参数,提升辨识算法的收敛性和计算结果的有效性;结合非线性气路分析算法辨识计算出各试验点的部件性能修正因子,统计分析雷诺数和各部件性能修正因子的变化关系,定量得到雷诺数对发动机各部件性能的影响程度;修正基线稳态性能模型,并对计算精度进行验证对比。结果表明:对比试验结果,修正后的稳态性能模型各参数计算偏差不大于2.5%。对比基线稳态性能模型各参数计算结果,计算精度平均提升2.3%,最大提升9.2%。      

雷诺数对涡扇发动机性能及稳定性影响

综合了Wassell方法和经验数学模型两种雷诺数修正方法,对风扇、压气机、高低压涡轮的部件特性进行了雷诺数修正。运用修正后的部件特性分别对3种涡扇发动机进行了性能计算,定量计算出了雷诺数对涡扇发动机性能的影响程度。计算结果表明:在低空区雷诺数对涡扇发动机性能和稳定性影响可以忽略不计;但在高空低速区,雷诺数对涡扇发动机性能和稳定性影响显著;涡轮前总温剧烈升高;推力增大3%～6%、耗油率增大8%～10%;稳定裕度下降19%～39%。因此在高空低速区航空发动机性能数值模拟必须考虑部件特性雷诺数的影响。      

不同维度缩放方法在航空发动机总体仿真中的应用

为了研究完全耦合和迭代耦合方法的实现途径及两种方法的差异,针对涡扇发动机,建立了风扇部件的二维仿真模型,发展了基于完全耦合和迭代耦合两种维度缩放方法的发动机多维度仿真模型,对比分析了两种方法在仿真结果、计算速度及可操作性等方面的差异,同时对比了基于部件通用特性图的发动机零维仿真模型与多维度仿真模型的计算结果。结果表明:采用完全耦合方法进行维度缩放时,需要结合部件二维仿真模型对边界条件的要求调整迭代变量,同时需使用发动机零维仿真模型的计算结果作为多维度仿真模型中迭代变量的迭代初值,才能保证模型的收敛性;采用迭代耦合方法进行维度缩放时只涉及部件二维仿真模型与发动机零维仿真模型之间的参数传递控制,更容易实现。在计算均收敛的情况下,基于完全耦合方法与迭代耦合方法的发动机模型的计算结果无明显差异,但后者的计算速度更快。与基准模型相比,基于部件通用特性图的发动机零维仿真模型计算得到的推力最大误差大于8.34%,而多维度仿真模型的推力和耗油率的误差均小于3%,多维度仿真模型可更准确地预估发动机性能。     

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。     

加力式SteamJet发动机性能模拟

为了研究射流预冷却涡轮发动机(SteamJet)的发动机特性,建立了喷水预冷却的热交换系统计算、物性修正计算和发动机部件特性修正计算的数学模型,建立了基于双轴混排加力式涡扇发动机的Steam-Jet发动机性能计算模型,并编制了相应的计算程序.计算分析了SteamJet发动机在不同风扇进口总温下沿飞行轨道的特性,以及喷水预冷却对发动机加力燃烧室的影响,并对SteamJet发动机风扇进口总温进行了合理的选择;对加力式SteamJet发动机进行了高度速度特性的计算和分析.结果表明,SteamJet发动机可大幅度拓宽涡轮发动机的工作范围,与非加力式SteamJet发动机相比,加力式SteamJet发动机具有更好的推力特性,能够满足高超声速飞行的需求.      

1种发动机自适应模型的修正方法

为解决由于工艺落后和性能衰退所导致的发动机模型与实际发动机失配的问题,从而达到视情维修的目的,建立了1种基于遗传算法的自适应模型修正方法.利用遗传算法高效率的全局搜索能力,以发动机性能参数为目标,优化部件参数,实现了模型的修正,并通过分析发动机性能参数对部件参数的敏感性,研究了选取不同组合的待修正部件参数对模型修正精度的影响.结果表明:采用该修正方法所建立的发动机模型准确性高、鲁棒性强,且具有良好的通用性,为发动机的健康管理和故障诊断提供了重要依据,具有很好的军事和工程应用价值.