一种超声速状态下机载推进系统的建模方法技术方案

本发明专利技术公开了一种超声速状态下机载推进系统的建模方法。本发明专利技术利用改进的相似准则来建立简化发动机模型，从而有效提高模型精度；本发明专利技术进一步设计了包含泰勒展开式中非线性二阶项的高精度稳态变量模型，解决了分段线性稳态变量模型在大包线、变状态条件下精度难以保证的问题；本发明专利技术进一步对发动机安装推力进行拆分式计算，利用考虑外流特性的简化进气道模型计算不符合改进的相似准则的项，利用简化发动机模型计算符合改进的相似准则的项，从而有效解决了超声速状态下安装推力与发动机净推力差别较大的问题。本发明专利技术还公开了一种利用该方法建立的超声速状态下机载推进系统模型，可较好地同时满足超声速状态下的精度、实时性及数据存储量的要求。

【技术实现步骤摘要】

本专利技术属于航空宇航推进理论与工程中的系统控制与仿真领域，具体涉及一种超声速状态下机载推进系统的建模方法。
技术介绍
20世纪90年代，NASA提出了性能寻优控制技术(PSC，Performance-SeekingControl)，并在F-15战机动力系统F100改型涡扇发动机上完成了多次性能控制的超音速和亚音速飞行试验。美国第四代战机动力系统F-119及F-135发动机也应用了该技术。根据NASA的研究，PSC的优化过程直接优化推力、单位耗油率、涡轮前温度等指定的发动机性能参数。这类性能参数不可测，须由机载发动机模型在线计算求取。若机载模型不能真实反映发动机实际工作过程，则计算出的性能参数就难以保证具有足够的精度，即优化的目标函数不准确。显然，用不准确的性能目标函数与约束，优化得到的控制参数对真实发动机实施优化控制，很可能会导致发动机工作点超出安全边界。可见，高精度的机载模型是发动机性能寻优控制的关键。近年来，美国Glenn中心的研究表明：基于高精度机载模型的诊断和控制算法为创建集自诊断、自优化、自适应任务及鲁棒性于一体的智能推进系统提供了可能，可提高控制系统的性能、可靠性及安全性。国内航空领域对机载模型也开展了一系列的研究工作。尹大伟进行了基于非线性部级件模型的机载发动机寻优控制，王海泉提出了一种基于非线性部件级模型的改进卡尔曼滤波方法，建立了用于航空发动机在线健康诊断的机载实时自适应模型，鲁峰提出了非线性自适应卡尔曼滤波算法并在快速原型试验平台上实现了算法快速验证，此外还提出一种用卡尔曼滤波算法和最小二乘支持向量机(LSSVM)进行融合诊断的模糊决策融合机制，王芳、朱玉斌等提出了模型辅助模式搜索算法(MAPS)，在寻优中以统计法构建的代理模型取代部件级模型作为机载模型。刘小勇、丁凯峰等分别用BP、RBF神经网络对发动机飞行试验数据进行学习，构建了基于神经网络的机载模型。赵永平建立了基于快速在线学习支持向量回归机(FOAHSVR)的机载模型，用于航空发动机故障诊断及推力估计。王健康建立了基于相似理论的非线性、线性复合的机载模型，用于在线寻优控制。这些方法中，改进卡尔曼滤波法所建立的自适应模型虽然精度很高，但其性能模型为非线性部件级模型，而实际发动机机载计算机处理器计算能力较低，以非线性部件级模型作为机载模型实时性差，难以满足要求。支持向量回归机与神经网络实时性有所提高，但支持向量回归机数据存储量极大；而神经网络缺乏严格的数学理论推导，训练结构难以有效调整，当数据量增加时，很难保证收敛性和泛化精度。传统的分段线性模型实时性好，但精度较低且全包线建模时存储量也很大。模糊决策融合机制虽然提高了部件故障诊断精度，但其基础依旧是线性模型及支持向量机，因而其固有问题仍然没有得到很好解决。因此，这些方法难以同时满足精度、实时性及数据存储量的苛刻要求。
技术实现思路
本专利技术所要解决的技术问题在于克服现有技术不足，提供一种超声速状态下机载推进系统的建模方法，对建立简化发动机模型所需的相似准则进行改进，根据该方法所构建的机载推进系统可较好地同时满足超声速状态下的精度、实时性及数据存储量的要求。本专利技术具体采用以下技术方案解决上述技术问题：一种超声速状态下机载推进系统的建模方法，包括简化进气道模型建立的步骤、简化发动机模型建立的步骤、简化进气道模型与简化发动机模型共同工作匹配模型建立的步骤；所述简化发动机模型的建立所依据的相似准则具体如下：T2＝const，Wfbcor＝const，A8＝const，其中，T2表示发动机进口总温，Wfbcor表示换算燃油流量，A8表示尾喷口喉道面积。进一步地，所述简化发动机模型的建立包括以下步骤：在稳态工作点附近将发动机非线性函数按泰勒级数展开为幂级数，并取级数的一次项和二次项，从而得到含二阶余项的发动机稳态变量模型；所述发动机稳态变量模型任一输出的展开式具体如下：式中，T2、Wfbcor、A8、αf、αc为输入量，依次为发动机进口总温、换算燃油流量、尾喷口喉道面积、风扇导叶角、压气机导叶角；ΔT2、ΔWfbcor、ΔA8、Δαf、Δαc分别表示相应输入量的变化值；其中，(A)项表示基点值，(B)项表示梯度项，(C)项表示二阶项。进一步地，简化进气道模型与简化发动机模型共同工作匹配模型的建立过程中，发动机安装推力Fr的计算公式具体如下：Fr＝Fen-Fspill-Fbleed式中，Fen为发动机净推力，Fspill为发动机溢流阻力，Fbleed为发动机放气阻力；Fen＝WG9.V9-WA2.V0+(Ps9-P0).A8式中，WG9、WA2为尾喷口出口燃气流量及发动机进口空气流量，V9、V0为尾喷口出口燃气流速及发动机进口空气流速，A8为尾喷口喉道面积；并且，在计算安装推力Fr时，利用所建立的简化发动机模型计算所述公式中不含V0和P0的项，公式中其余项利用所建立的简化进气道模型计算。更进一步地，简化进气道模型与简化发动机模型共同工作匹配模型的建立还包括以下步骤：将发动机控制量变化所引起的风扇换算流量的变化输入进气道模型，由于进气道-发动机流量保持平衡，发动机进口流量等于进气道出口流量，从而计算出进气道的流量系数及进口条件P2、T2，进而可以依据其对简化发动机换算参数进行处理，最终得到实际参数值。根据相同的专利技术思路还可以得到一种超声速状态下机载推进系统模型，利用以上任一技术方案所述建模方法建立。相比现有技术，本专利技术具有以下有益效果：本专利技术利用改进的相似准则来建立简化发动机模型，不仅计算稳态基准点的精度更高，且在控制变量变化后的插值计算中,也能始终符合高精度的相似准则。本专利技术进一步对机载分段线性稳态变量模型进行改进，设计了包含泰勒展开式中非线性二阶项的高精度稳态变量模型，解决了分段线性稳态变量模型在大包线、变状态条件下精度难以保证的问题。本专利技术进一步对发动机安装推力进行拆分式计算，利用考虑外流特性的简化进气道模型计算发动机安装推力计算公式中不符合改进的相似准则的项，利用简化发动机模型计算符合改进的相似准则的项，从而有效解决了超声速状态下安装推力与发动机净推力差别较大的问题。本专利技术所提出的建模方法可用于多变量、高精度推进系统稳态模型的建模，所建立的机载推进系统模型具有实时性高、存储量小的优点，可用于航空发动机的在线实时优化控制、状态监测等任务。附图说明图1为某型航空发动机的截面示意图；图2为利用本专利技术方法所建立的机载推进系统模型结构框图；图3a～图3d为本专利技术机载推进系统模本文档来自技高网...

【技术保护点】
一种超声速状态下机载推进系统的建模方法，包括简化进气道模型建立的步骤、简化发动机模型建立的步骤、简化进气道模型与简化发动机模型共同工作匹配模型建立的步骤；其特征在于，所述简化发动机模型的建立所依据的相似准则具体如下：T2＝const，Wfbcor＝const，A8＝const，其中，T2表示发动机进口总温，Wfbcor表示换算燃油流量，A8表示尾喷口喉道面积。

【技术特征摘要】
1.一种超声速状态下机载推进系统的建模方法，包括简化进气道模型建立的步骤、简
化发动机模型建立的步骤、简化进气道模型与简化发动机模型共同工作匹配模型建立的步
骤；其特征在于，所述简化发动机模型的建立所依据的相似准则具体如下：
T2＝const，Wfbcor＝const，A8＝const，
其中，T2表示发动机进口总温，Wfbcor表示换算燃油流量，A8表示尾喷口喉道面积。
2.如权利要求1所述超声速状态下机载推进系统的建模方法，其特征在于，所述简化发
动机模型的建立包括以下步骤：在稳态工作点附近将发动机非线性函数按泰勒级数展开为
幂级数，并取级数的一次项和二次项，从而得到含二阶余项的发动机稳态变量模型；所述发
动机稳态变量模型任一输出的展开式具体如下：
式中，T2、Wfbcor、A8、αf、αc为输入量，依次为发动机进口总温、换算燃油流量、尾喷口喉道
面积、风扇导叶角、压气机导叶角；ΔT2、ΔWfbcor、ΔA8、Δαf、Δαc分别表示相应输入量的变
化值；其中，(A)项表示基点值，(B)项表示梯度项，(C)项表示二阶项。
3.如权利要求2所述超声速状态下机载推进系统的建模方法，其特征在于，简化进气道
模型与简化发动...

【专利技术属性】
技术研发人员：李永进，张海波，李鹏远，徐田镇，陈浩颖，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32