【技术实现步骤摘要】
本专利技术涉及航空发动机，公开了基于机器学习的非平行涵道引射器发动机仿真方法及系统。
技术介绍
1、发动机总体性能仿真是通过数学的方式建立各部件的模型，描述各部件的物理效果，将发动机中流量连续，能量守恒以数学方程组的形成展示，通过求解数学方程组，得到发动机工作时各个截面的流量、温度、压力、速度等物理参数。涵道引射器的数学模型是影响新型燃气涡轮发动机总体性能仿真可靠性的重要因素。
2、涵道引射器是先进燃气涡轮发动机的特征部件，通过涵道引射器开度的调节，可以使得发动机的匹配状态发生变化，从而实现发动机推力、耗油率的主动调节。按照掺混时主流气流和次流气流的方向是否大致平行可将涵道引射器分为平行掺混涵道引射器和非平行掺混涵道引射器两类。
3、平行掺混结构涵道引射器与常规混合排气燃气涡轮发动机的混合器结构类似，因此带有平行掺混涵道引射器的燃气涡轮发动机仿真建模时将涵道引射器等价于混合器，其数学模型采用混合器数学模型，即在发动机仿真中近似认为严格遵守能量守恒、流量连续、动量守恒，并通过掺混处主流和次流静压相等封闭求解方程。<...
【技术保护点】
1.基于机器学习的非平行涵道引射器发动机仿真方法，所述涵道引射器包括主流流道和次流流道，所述主流流道和次流流道之间设置有次流引射孔，所述次流引射孔上设置有开度调节组件；其特征在于，所述仿真方法包括：
2.根据权利要求1所述的基于机器学习的非平行涵道引射器发动机仿真方法，其特征在于，使用牛顿拉夫森迭代法对流量平衡方程、功率平衡方程以及非平行涵道引射器的平衡方程进行联立求解，得到发动机每个截面的温度、压力、流量。
3.根据权利要求2所述的基于机器学习的非平行涵道引射器发动机仿真方法，其特征在于，ε残差限取值为0.001。
4.根据权利要...
【技术特征摘要】
1.基于机器学习的非平行涵道引射器发动机仿真方法，所述涵道引射器包括主流流道和次流流道，所述主流流道和次流流道之间设置有次流引射孔，所述次流引射孔上设置有开度调节组件；其特征在于，所述仿真方法包括：
2.根据权利要求1所述的基于机器学习的非平行涵道引射器发动机仿真方法，其特征在于，使用牛顿拉夫森迭代法对流量平衡方程、功率平衡方程以及非平行涵道引射器的平衡方程进行联立求解，得到发动机每个截面的温度、压力、流量。
3.根据权利要求2所述的基于机器学习的非平行涵道引射器发动机仿真方法，其特征在于，ε残差限取值为0.001。
4.根据权利要求1所述的基于机器学习的非平行涵道引射器发动机仿真方法，其特征在于，所述机器学习算法包括人工神经网络模型、支持向量机、随机森林算法、决策树、xgboost。
5.基于机器学习的非...
【专利技术属性】
技术研发人员：赵龙波，谷彬，王亚军，王为丽，关朝斌，
申请(专利权)人：中国航发四川燃气涡轮研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。