基于预测扭矩前馈的涡轴发动机内模控制方法

基于内模原理设计了涡轴发动机功率涡轮转速控制器.针对主旋翼扭矩变化对功率涡轮转速的干扰,提出了一种基于极端学习机的扭矩预测方法.极端学习机训练基于动态仿真数据,其输入通过相关分析获得.基于内模原理的功率涡轮转速控制器采用极点配置的设计方法,将输入信号的内模直接加入控制器,实现鲁棒跟踪.扭矩前馈采用比例微分(PD)控制策略,实现对发动机负载变化干扰的有效补偿.数字仿真结果表明:极端学习机扭矩预测精度高,扭矩相对误差小于1.5‰,与不加前馈控制相比,所提出的控制方法减小了机动飞行过程中功率涡轮转速的超调或下垂30%以上.      

涡轴发动机自适应混合诊断模型高斯加权聚类方法

针对整个飞行包线内涡轴发动机健康参数估计问题,提出基于高斯加权聚类的机载自适应混合模型建立方法.机载自适应混合模型由卡尔曼滤波器和神经网络组成,由于飞行数据样本庞大,采用高斯加权模型对涡轴发动机飞行数据进行实时聚类,利用聚类数据更新神经网络权重,并实现自适应混合模型工作范围的自动扩展.仿真结果表明了该方法的有效性,采用...     

基于流量法的齿轮传动涡扇发动机动态建模

从热力学、气体动力学和发动机基本原理出发,对基于流量法的齿轮传动涡扇发动机动态性能建模技术展开了研究,并推导出了基于流量法的齿轮传动涡扇发动机动态数学模型的求解方程组.基于该模型方程组,利用C++面向对象编程语言,建立起了某齿轮传动涡扇发动机的动态模型.该发动机动态模型与著名的商业化发动机性能计算软件Gasturb 10进行的比对显示:该模型的运算结果与Gasturb 10的运算结果具有良好的一致性,最大误差不大于1.5%.证明了基于流量法的齿轮传动涡扇发动机动态数学模型求解方程组的正确性和适用性.      

基于自适应代理模型的气动优化方法

气动优化设计中,为了减少优化系统的计算周期,提高搜索效率,引入结构简单、计算量较小的代理模型,而运用有效的插值和选样方法(自适应选样)可以大大减少建立代理模型的时间。因此本文提出了一种基于自适应代理模型的气动优化方法。首先对自适应代理模型进行研究,建立了 Kriging 自适应代理模型和支持向量回归自适应代理模型,这两种自适应代理模型在相同样本点情况下比一般代理模型拥有更高的预测能力,然后将这其应用到翼型优化设计中,取得了良好的优化效果,从而表明这两种自适应代理模型不仅简单实用,而且明显提高了气动分析的计算效率。     

基于容积法的某涡扇发动机动态建模方法

考虑了容腔的质量和能量的储能效应,提出了基于容积法的涡扇发动机实时数学模型建模方法,建立了容腔压力和温度的微分方程,容腔的压力和温度可以用不迭代的数值法求解.同时,利用C++面向对象编程语言,建立了某涡扇发动机动态模型.用建立的发动机动态模型和商用软件Gasturb 10分别计算了发动机性能,并进行了对比,结果表明:该模型与Gasturb 10的运算结果具有良好的一致性,高压压气机转速、涡轮进口温度及压气机喘振裕度的响应结果最大相对误差小于1%.容积法避免了数值迭代,可以保证模型计算的实时性.      

基于相似理论的航空发动机风扇转速换算方法的改进

基于相似理论提出一种通过变指数因子计算航空发动机风扇换算转速的改进方法.收集不同公司的某型航空发动机的巡航数据建立数据样本.采用支持向量回归机方法建立指数因子与大气温度的数学模型并利用遗传算法对模型参数进行寻优,进而得到由风扇指示转速和大气温度计算风扇换算转速的变指数因子模型.使用该模型对样本数据进行计算,并把结果与定指数因子方法求解的风扇换算转速进行对比,对改进算法与定指数法换算结果进行了误差分析.结果表明:改进后的变指数因子模型计算的航空发动机风扇换算转速具有更高的精度,同时具有良好的推广泛化性能,该方法是航空发动机风扇换算转速的一种有效算法,在航空发动机性能预测也具有实际的指导意义.      

基于SVM的航空发动机油样光谱诊断界限值制定

运用支持向量机(SVM)估计航空发动机油样光谱数据的概率密度函数,根据光谱数据的概率分布求出航空发动机光谱诊断各金属元素的质量分数、质量分数梯度及质量分数比例的正常、警告、以及异常界限值.利用实际的航空发动机光谱数据进行了研究,并与传统的基于正态分布假设下所确定的界限值进行了比较分析.结果表明,实际的航空发动机光谱数据...     

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。     

基于ADE-ELM的涡轴发动机建模方法

提出了基于自适应微分进化-极端学习机(ADE-ELM)求解平衡方程的高精度涡轴发动机实时部件级模型建立方法.基于牛顿-拉夫逊(N-R)迭代模型,以迭代计算前模型平衡方程残差为输入,迭代收敛后平衡方程猜值修正量为输出,训练极端学习机,并采用自适应微分进化(ADE)算法优化极端学习机(ELM)参数,提高猜值修正量映射精度.ADE算法中采用sigmoid型自适应缩放因子,提高了微分进化算法的寻优能力.在涡轴发动机不同飞行状态下的测试结果表明,以N-R迭代算法模型为基准,基于ADE-ELM的发动机模型,最大建模误差约为一次通过算法的1/3,运算耗时约为一次通过算法的1/3,验证了算法的有效性.      

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SVR的X型发动机传感器故障诊断研究

利用基于回归型支持向量机(SVR)的诊断方法,设计了某型涡扇发动机传感器常见故障诊断系统,实现了传感器故障隔离与信号重构.通过发动机试车数据对SVR进行训练,以传感器的偏置故障、冲击故障和漂移故障为例,用MATLAB语言进行了计算机仿真验证.结果表明:基于SVR的传感器故障诊断具有精确度高,实时性强的特点,是一种很好的传感器故障诊断方法.      

基于支持向量回归机的发动机/直升机扭矩超前控制

主要研究涡轴发动机转速按扰动补偿控制问题,提出了一种基于迭代约简最小二乘支持向量回归机算法和模型预测机制的直升机扭矩动态超前预测模型设计方法.首先用迭代约简最小二乘支持向量回归机设计了旋翼扭矩按飞行状态和操纵量估计的非参数动态反馈模型,然后设置了扭矩模型预测机制,以获得扭矩的超前动态信息.接着利用扭矩超前预测信息设计了...     

A multi-fidelity simulation method research on front variable area bypass injector of an adaptive cycle engine

Front Variable Area Bypass Injector(Front-VABI) is a component of the Adaptive Cycle Engine(ACE) with important variable-cycle features. The performance of Front-VABI has a direct impact on the performance and stability of ACE, but the current ACE performance model uses approximate models for Front-VABI performance calculation. In this work, a multi-fidelity simulation based on a de-coupled method is developed which delivers a more accurate calculation of the Front-VABI performance based on Comp...     

Integration of high-fidelity model of forward variable area bypass injector into zero-dimensional variable cycle engine model

Forward Variable Area Bypass Injector (FVABI) is one of key components which contributes to modulate the cycle parameters of Variable Cycle Engine (VCE) under various operation conditions. The modeling method of zero-dimensional FVABI was reviewed and its deficiency was analyzed based on FVABI flow characteristic. In order to improve the accuracy of VCE performance simulation, the high-fidelity modeling method of FVABI was developed based on its working characteristics. Then it was coupled with the zero-dimensional VCE model and the multi-level VCE model was built. The results indicate that the geometric and aerodynamic parameters can affect the interaction between the two airflows and the zero-dimensional FVABI model is too simple to predict the component performance accurately, especially when the FVABI inner bypass is chocked. Based on the performance curves for single bypass mode and the regression model of multi-scale support vector regression for double bypass mode, the high-fidelity model can predict FVABI performance accurately and rapidly. The integration of high-fidelity FVABI model into zero-dimensional VCE model can be done by adjusting iterative variables and balance equations. The multi-level model has good convergence and it can predict VCE performance when the FVABI inner bypass is chocked.     

基于稀疏最小二乘支持向量机的航空发动机动态过程辨识

针对现有最小二乘支持向量机(LS-SVM)稀疏性不足的难题,提出一种稀疏化策略,应用此方法建立了航空发动机动态过程模型.在对原始样本预求解过程中,该策略使用改进Gram-Schmidt正交化算法对非线性映射矩阵实施递归分解,同时以阈值监督输出向量的残差化过程,从而优选训练样本,降低样本规模,节省内存,提高LS-SVM学习速度.仿真表明,基于优选样本的学习模型较之其他训练样本学习模型提高了回归精度和速度,验证了方法的可行性;基于实际试验数据建立的航空发动机动态过程模型在类似过程参数预测以及性能递推预估仿真表明,高压转子相对转速误差低于0.2%,低压转子相对转速误差低于0.35%,涡轮后燃气温度误差小于3.5℃,满足控制与仿真的需要.      

基于敏感性分析的反应动力学自适应建模方法

为了降低采用基元燃烧模型模拟反应流的计算时间,提出一种基于敏感性分析的自适应化学反应机理简化方法。该方法结合敏感性分析方法与自适应机理简化的思想对详细化学反应机理在不同工况点进行简化,并形成即时简化机理集。在燃烧模拟过程中,对于不同反应工况点使用不同的即时简化机理对反应流进行数值模拟,以替代传统的全局使用单一简化机理的反应流数值模拟方法。基于GRI-3.0机理,采用均相大空间甲烷自燃着火过程对该方法进行了测试;简化机理与详细机理计算结果的比较,证明了该方法的正确性与高效性。     

基于非线性模型预测控制方法的航空发动机约束管理

针对目前航空发动机控制系统普遍采用Min-Max选择逻辑处理输出量约束的方法具有一定保守性的问题,设计了非线性模型预测控制器,提出在非线性序列二次规划(SQP)算法中加入罚函数实现航空发动机输出量约束管理.仿真结果表明:无论是否触及输出量约束限,非线性模型预测控制器都比Min-Max控制逻辑动态响应更快,在达到限制线时更加明显,此时调节时间从1.16s下降到0.82s,且几乎没有超调量.      

基于免疫粒子群算法的滑油屑末支持向量机预测模型设计

将人工免疫理论的克隆选择算法中的抗体克隆、变异和抑制策略引入粒子群优化算法中,提出了一种基于克隆选择的免疫粒子群优化算法,克服了基本粒子群算法易于陷入局部最优解的缺点.针对支持向量机预测模型的参数选择影响其预测精度的问题,引入免疫粒子群优化算法设计了参数自适应优化的航空发动机滑油屑末支持向量机预测模型.仿真结果表明:与传统的交叉验证试算法相比,基于免疫粒子群优化的预测模型实现了参数的自动择优,并且提高了预测精度.      

基于SVM辨识的涡扇发动机全包线稳态控制方法

针对涡扇发动机全飞行包线范围稳态最优控制器的设计问题,首先根据不同飞行条件下发动机各工作状态的稳态“小偏差”线性模型,采用线性二次型调节器(LQR)分别设计得到相应的发动机最优线性控制器参数,然后将所得到的线性控制器用支持向量机方法进行非线性逼近,得到控制器参数的支持向量机辨识模型,以满足发动机全包线、全状态稳态控制的需要.支持向量机模型的输入为飞行高度、马赫数和稳态转速,输出为线性控制器参数.应用实例表明:该方法在全包线范围内对发动机最优稳态控制器的逼近误差均在2%以内,能较好满足控制精度要求.      

基于平衡流形模型的航空发动机线性建模方法

研究了利用平衡流形模型建立航空发动机线性模型的方法。详细讨论了平衡流形模型的构造过程,给出从对象的平衡流形模型获取线性模型的理论依据。比较了线性化模型和平衡流形模型的有效范围,分析了两步法建立平衡流形模型允许采用更大的扰动量的原因。通过仿真验证了利用较大的扰动信号辨识平衡流形模型,进而获取线性模型的有效性。