基于高压涡轮叶片寿命损耗的航空发动机功率控制

提出了基于高压涡轮（HPT）叶片寿命损耗计算的功率控制策略.通过飞机和发动机模型在不同环境条件下进行飞行任务仿真,得到推力需求及HPT叶片温度等参数,采用逆向工程方法进行HPT叶片寿命损耗计算.结果表明:在满足推力需求的同时,采用降低HPT叶片温度的控制策略能明显减少在不同环境条件下HPT叶片寿命损耗.通过不断调整发动机高压涡轮环境温度使之工作在推力需求基线附近,达到了有效延长发动机寿命的目的,验证了高压涡轮叶片寿命损耗计算方法简单可行.表明基于HPT叶片寿命损耗的发动机功率控制降低发动机寿命周期成本的有效性.      

一种适用于FADEC系统的宽输入范围AC/DC变换器

针对航空发动机全权限数字电子控制(FADEC)系统专用发电机的输出特性,提出一种电流回馈型恒流变频AC/DC(交流/直流)变换技术,以适应专用发电机的宽输出范围,满足FADEC系统的供电需求.给出了该技术的控制策略、拓扑结构、工作原理、过压故障检测及保护设计方法.试验结果表明:该变换器工作稳定,在-55~125℃全温范围内,满足国家军用标准飞机供电特性(GJB181A)对电源的相关规定.研究成果已成功应用于某型航空发动机数字控制系统中,并通过了台架试车和飞行平台试验.      

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。     

涡轴发动机全状态实时气动热力学数值模拟

用“外推”法得到了某燃气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,解决了通常的部件法建模需要迭代的问题,建立了1个涡轴发动机全状态气动热力学实时模型;在起动建模中考虑了温升对部件效率的影响以及传热对燃气热焓的影响。给出了某发动机从起动到最大状态全过程的数值模拟结果。     

基于无迭代解法的航空发动机实时模型

研究了航空发动机部件级模型,考虑了容积惯性;采用无迭代法保证模型的实时性,并较详细地研究了初值条件较详细的研究。给出了某型发动机慢车以上状态的气体热、动力学实时模型仿真结果。     

航空发动机部件性能故障融合诊断方法研究

提出一种对航空发动机部件性能蜕化进行融合诊断的模糊决策融合机制,以改善单独采用基于模型和基于数据的部件性能故障诊断的漏诊与误诊的问题.传感器测量值同时输入到基于自适应模型的和基于数据的诊断模块中,分别利用卡尔曼滤波算法和最小二乘支持向量机(LSSVM)对主要部件故障性能参数估计,再利用模糊逻辑调整决策权重以进行D-S(Dempster-Shafer)证据理论的决策融合诊断.以某型涡扇发动机为对象进行单部件和双部件蜕化仿真研究表明,与单独使用基于模型和基于数据的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度.      

航空发动机神经网络反步控制方法

针对航空发动机非线性和不确定性的特点,提出了一种基于神经网络的反步控制方法.采用径向基神经网络估计未知系统方程,并用一种平滑切换法有效避免了控制器奇异问题.反步法的设计基于Lya-punov稳定性原理,保证了闭环系统一致渐近有界.最后针对某型涡扇发动机非线性模型设计了高压转速控制器,仿真结果验证了该方法的有效性.      

航空发动机组态建模技术研究

基于组态的方法设计了航空发动机部件模型库、仿真实时数据库以及前台组态系统和后台运行管理系统,构建航空发动机组态建模平台,并在此平台上实现了多种结构发动机模型的稳态仿真和瞬态仿真,其结果达到了一定精度,验证了航空发动机组态建模技术的可用性.      

基于二阶鲁棒滑模观测器的民用涡扇发动机气路故障诊断

针对状态估计器在航空发动机气路参数估计中响应迟缓、鲁棒性不强等问题,以未知输入重构的思路,提出了一种基于Super-twisting滑模观测器的航空发动机气路故障诊断方法。通过将健康参数考虑为未知输入,设计滑模切换项重构健康参数的变化量,由于避免了状态估计器设计中健康参数导数为零的假设,本文的方法在处理突变故障时拥有更快的响应速度。针对鲁棒性问题,提出了一种新的故障向量增广形式,通过将扰动项增广至健康参数向量中,观测器的重构信号能够同时估计出健康参数变化量以及扰动项的大小,实现扰动与部件故障的解耦,从而避免了不确定项对健康参数估计结果的影响。本文建立了民用涡扇发动机包线范围内的线性变参数模型,通过不同故障模式下的数值仿真,并与状态估计器比较,验证了方法的有效性。结果表明,设计的滑模观测器具有小于0.5%的估计误差,有效地提高了气路健康参数的估计速度,增强了对不确定性的鲁棒性。     

涡扇发动机高空起动模型研究

基于慢车以上的部件级模型, 通过外推部件特性, 建立了双转子涡扇发动机部件级高空起动模型, 可执行高空风车起动或起动机起动仿真.模型考虑了起动过程中油气比对燃烧效率的影响, 燃烧室、高低压涡轮的热惯性及起动过程中总压恢复系数的变化, 采用容积动力学方法避免了迭代运算, 仿真结果表明该模型具有实时性, 仿真转速误差小于5%, 能够满足发动机高空起动性能仿真的需求.