涡扇发动机气路部件衰退对转速差影响研究

针对缺乏涡扇发动机气路部件性能衰退与加力性能关联研究的问题,利用发动机模型在加力和不开加力两种情况下的求解及曲面拟合技术,获得气路部件的流量和效率参数耦合变化对应的转速差值曲面,并与转速差值限制条件比较,确定气路部件满足转速差值限制条件的性能包线。研究结果表明:压气机对转速差值性能的影响大于涡轮,低压压气机(风扇)是影响最大的部件。每个部件效率衰退的影响大于其流量衰退的影响。研究结果明确了对加力性能影响较大需要重点监控的气路部件,为保障发动机加力性能和加力系统稳定工作提供了理论依据。     

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。     

某型涡扇发动机在线流道清洗喷射参数选择与试验

为了解决某型飞机进气道距离长、流道形状不规则造成从进气道唇口喷射清洗发动机时喷射参数难以确定的问题,利用linearized instability sheet atomization（LISA）模型和Spalart-Allmaras（S-A）湍流模型,以液滴颗粒大小和运动轨迹为优化目的,以液滴在发动机气流进口端面的覆盖面和穿透能力为效果目标进行数值仿真,优化选取喷嘴的设计参数,减轻了试车工作量并降低了试验费用。通过飞机进气道与发动机联合整机在线清洗台架验证试验测试评估了预先选择喷射参数的喷嘴的喷射性能。台架试车结果表明:发动机采用冷运转状态清洗,喷射参数确定为雾化角为18°,喷嘴在喷射架上的安装角度为上偏角为7°30′,清洗车的供液压力为1MPa。针对发动机的冷起动或者慢车状态,选取的喷嘴类型、喷射压力、喷射角度和安装角度等优化的喷射参数是合理的,不仅能使清洗液滴覆盖整个发动机的进口区域并穿透整个叶栅,而且不会引起附加的风扇压气机叶片侵蚀。      

基于Stateflow的 无人机多模态控制转换逻辑设计

针对基于Simulink建立的无人机飞行管理系统存在逻辑复杂、全飞行状态航迹仿真建模繁琐等缺点,文章利用有限状态机建立无人机全状态、多种导航控制模态下的控制和逻辑切换流程,并结合飞行管理系统、飞行控制系统和无人机运动学模型建立无人机全状态仿真系统,通过仿真对飞行工作模式的切换效果进行了验证。     

基于模糊指数融合和正交基分解的发动机性能监控

针对发动机性能监控过程中出现的单参数监控信息量不足和多参数容易矛盾的情况,提出一种发动机性能监控模糊指数融合方法。该方法基于滑动窗口参数均值和熵,采取有效的信息融合技术,建立表征发动机性能的模糊融合指数。利用神经网络方法,依据已确定的模糊融合规则推导出剩余决策规则。实例表明,模糊融合指数能很好地跟踪发动机性能缓慢衰退和突变两种情况。用正交基分解的方法对模糊指数进行重构预测,与线性拟合和二次拟合相结合的方法相比,其预测精度更高,能准确预测发动机的性能变化。     

基于平行压气机模型的发动机整机性能计算方法

为了满足航空发动机型号设计、适航审定等阶段所采用的仿真模型能够快速有效计算进气畸变对发动机性能影响的需要,开展了基于平行压气机模型的发动机整机性能计算方法研究。在发动机整机性能通用仿真系统基础上,通过继承、关联等方法,构建平行压气机部件类;以发动机整机性能仿真模型迭代计算参数作为子压气机出口边界约束,进行子压气机工作点迭代计算,从而获得压气机、发动机工作点及发动机整机性能;以某型混合排气加力式双转子涡扇发动机为仿真对象,分别计算了设计点性能和进气畸变条件下的非设计点性能,验证了计算方法的有效性,并分析了进气畸变对压气机及发动机整机性能的影响。     

基于核主元分析方法的燃气涡轮发动机燃烧系统实时监测与诊断

针对燃气涡轮发动机燃烧室状态监测方法不足,故障定位难和故障早期发现难的问题,以涡轮排气温度场周向数据为分析依据,通过研究燃气在涡轮通流部分的偏转规律,利用核主元分析(KPCA)方法对经过有效性处理后的温度场数据进行分析,并结合两台发动机的故障数据,分别对燃烧系统自身故障和热电偶传感器故障进行检测与识别,验证了排气温度场燃气偏转规律与核主元分析相结合的方法对燃烧系统故障和传感器故障进行诊断的有效性.结果表明:该方法能够将安装了环管式分布火焰筒的燃气涡轮发动机燃烧室的故障诊断定位层次从目前的燃烧室这个大部件提高到火焰筒级别的小部件.      

基于K-均值聚类与粒子群核极限学习机的推力估计器设计

鉴于航空发动机直接推力控制与健康管理需要高精度及高实时性的推力估计器,提出了一种基于K-均值聚类与粒子群优化的核极限学习机推力估计方法。采用K-均值聚类对全工况范围内的测量数据进行聚类,在每一个子类中,通过核极限学习机建立推力估计器,采用粒子群算法对核极限学习机的核参数和惩罚系数进行优化,利用了核极限学习机稳定性好、非线性拟合能力强的特点,实现了对发动机推力的估计。经涡扇发动机台架试车数据训练与测试表明,本推力估计方法平均预测时间为0.27ms,实时性满足机载在线状态评估和直接推力控制需求,且在估计精度上较现有方法存在一定优势。