CN108106849B - 一种涡扇发动机部件特征参数辨识方法 - Google Patents
一种涡扇发动机部件特征参数辨识方法 Download PDFInfo
- Publication number
- CN108106849B CN108106849B CN201711341207.5A CN201711341207A CN108106849B CN 108106849 B CN108106849 B CN 108106849B CN 201711341207 A CN201711341207 A CN 201711341207A CN 108106849 B CN108106849 B CN 108106849B
- Authority
- CN
- China
- Prior art keywords
- parameter
- parameters
- adjustable
- identification
- engine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Engines (AREA)
Abstract
本发明提供一种涡扇发动机部件特征参数辨识方法,步骤如下:定义发动机特征参数的辨识问题的目标对象和可调参数;可调参数敏感性分析;设置测量参数的置信区域;可调参数和可测参数之间的关系分析;确定可调参数;构建可解的辨识问题;基于粒子群法进行参数辨识问题的求解;整机条件下部件特性评估。本发明所提供涡扇发动机部件特征参数辨识方法,通过引入临近状态测量参数偏差并设置置信区域的方法,解决了测量恒偏差带来的计算问题,提高了辨识的精度;采用粒子群法进行参数辨识,可得到全局最优解,更加接近发动机真实工作情况。
Description
技术领域
本发明属于航空涡扇发动机结构设计领域,特别涉及发动机实际工作特性评估领域,具体涉及一种涡扇发动机部件特征参数辨识方法。
背景技术
涡扇发动机是由风扇、压气机、燃烧室、高低压涡轮、加力燃烧室和喷管组成的,其整机性能参数由各部件特性共同确定。在发动机设计和调试的过程中,各部件的特性一般通过试验或理论计算的方式来获得。由于制造安装公差的存在,各部件提供的试验或理论特性组成的整机计算模型往往与整机特性不尽相同。而且在发动机的使用过程中,由于存在部件表面积垢沉淀和侵蚀、叶片的摩擦和叶型的磨蚀等问题,会造成各部件性能衰减进而引起整机性能的变化。所以,按照发动机气动热力学特性和部件特性建立的数学模型一般只能表现额定特性,与实际发动机往往存在差异。
20世纪80年代中期提出了设计部件跟踪滤波器来解决模型和发动机输出间的失配。在NASA针对F100发动机展开的性能寻优研究中,采用风扇流量衰减量、风扇效率衰减量、压气机流量衰减量、压气机效率衰减量、高压涡轮通流面积变化量作为反映发动机性能衰减的状态量。采用扩展状态方程,应用卡尔曼滤波器获取这五个衰减量的数值。后又先后出现应用可测参数的变化量来表征发动机的非额定工作情况的理论;将最优化技术引入耦合计算中,在相近部件特性或通用特性的基础上确定10个设计变量并引入约束条件,应用优化计算方法对部件特性进行修正的理论,此外还有应用神经网络对发动机模型进行实时修正的方法。但由于参数数目所限,这几种方法未必能够保证参数反映的是发动机的真实情况,很难解决整机实际工作条件下部件特性评估问题。
发明内容
本发明的目的在于提供一种涡扇发动机部件特征参数辨识方法,克服或减轻现有技术的至少一个上述缺陷。
本发明的目的通过如下技术方案实现:一种涡扇发动机部件特征参数辨识方法,包括如下步骤,
步骤一:定义发动机特征参数的辨识问题的目标对象和可调参数;
步骤二:可调参数敏感性分析;
步骤三:设置测量参数的置信区域;
步骤四:可调参数和可测参数之间的关系分析;
步骤五:确定可调参数;
步骤六:构建可解的辨识问题;
步骤七:基于粒子群法进行参数辨识问题的求解;
步骤八:整机条件下部件特性评估。
优选地是,所述目标对象包括工程上能够实现的整机测量参数以及发动机临近状态的测量参数偏差;所述可调参数为待辨识的部件特征参数,其中目标参数的数量不少于可调参数的数量。
优选地是,所述步骤二具体为:单独调整每个可调参数并进行计算,所得的计算参数与测量参数作差,从而得到每个参数调整后对发动机整机性能影响程度,得到可调参数的敏感性。
优选地是,所述步骤三具体为:通过数值模拟计算或传感器精度分析,给出测量变量与真实截面参数的置信区间。
优选地是,所述测量变量与所述真实截面参数的置信区间E,有如下关
系式:
式中y表示测量参数Y中的某项,ym和yc分别为测量量和计算量,e表示置信区间E中的对应量。
优选地是,所述步骤四中,在满足所述目标参数的数量不少于所述可调参数的数量的前提下,确定所述可调参数的数量以及所述可测参数的具体数量。
优选地是,所述步骤五具体为:根据实际发动机热力参数以及设计状态的偏差产生的原因,通过条件数分析所述可调参数之间的相关性,确定可调参数。
优选地是,所述步骤六具体为:根据确定的所述可调参数,构建方程组,建立可解的辨识问题。
优选地是,所述步骤七具体为:
采用分析条件数的方法,根据m个截面/性能参数Y,确定实际可辨识的n个可调参数X,可知部件特征参数辨识的基本问题为:
Y=f(X,n1r) (1)
发动机各个参数都应用公式(1)规律转化为标准大气条件下的换算参数,其中n1r为低压涡轮换算转速,代表发动机状态;
实际测量参数Ym与真实截面参数间存在偏差errm:
Ym+errm=f(X,n1r) (2)
计算模型中截面/性能参数为Yc:
Yc=f(X,n1r) (3)
参数的基本辨识问题即通过调整可调参数X使Yc逼近Y;
若发动机两个临近状态的可调参数基本一致,对于另一个的状态对应的转速为n′1r:
Ym'+errm=f(X,n′1r) (4)
由于偏差errm是恒偏的,两个状态作差时可以消除其影响:
ΔYm=Ym-Ym'=f(X,n1r)-f(X,n′1r) (5)
两个状态的计算模型中截面/性能参数差值为:
ΔYc=Yc-Yc'=f(X,n1r)-f(X,n′1r) (6)
调整X使ΔYc逼近ΔYm;
在上述公式的基础上,使用粒子群法进行参数辨识来得到全局最优解,步骤如下:
1)将N个粒子参数Xi(i=1~N)带入发动机计算式(3、6),获得m个n1r状态输出参数Yci和m个临近状态输出参数的差值ΔYci;
2)计算输出参数Yci和ΔYci与测量参数Ymi和ΔYmi做差,若某个误差Ei=Ymi-Yci进入置信区间E,并且ΔEi=ΔYmi-ΔYci二范数小于设定值,则认为参数Xi满足辨识要求,辨识完成;
3)如果N个参数Xi都不满足辨识要求,根据每个粒子的历史最小误差值Eimin与所有粒子的最小误差值Emin,对每个粒子的下一步速度Vi+1和参数Xi+1进行进一步的计算:
Vi+1=wVi+c1rand[Eimin-Xi]+c2rand[Emin-Xi]Xi+1=Xi+Vi+1
式中,w为惯性权重,取值范围为0.1~0.9;c1、c2为加速因子,取值范围为1~2;rand为取值范围的0~1之间的随机函数;
4)将新的Xi+1带入式(1)中进行计算。
本发明所提供的一种涡扇发动机部件特征参数辨识方法的有益效果在于,通过引入临近状态测量参数偏差并设置置信区域的方法,解决了测量恒偏差带来的计算问题,提高了辨识的精度;采用粒子群法进行参数辨识,可得到全局最优解,更加接近发动机真实工作情况。
具体实施方式
下面对本发明的涡扇发动机部件特征参数辨识方法做进一步详细说明。
一种涡扇发动机部件特征参数辨识方法,具体实施步骤如下:
步骤一:定义发动机特征参数的辨识问题的目标对象和可调参数
与现有技术方案不同,此处目标对象除工程上可实现的整机测量参数外,还增加了发动机临近状态的测量参数偏差,可调参数是指待辨识的部件特征参数。目标参数的数量不能小于可调参数的数量;
步骤二:可调参数敏感性分析
单独调整每个可调参数并进行计算,所得的计算参数与测量参数作差,从而得到每个参数调整后对发动机整机性能影响程度.得到可调参数的敏感性。
步骤三:设置测量参数的置信区域
通过数值模拟计算或传感器精度分析,给出测量变量与真实截面参数的置信区间,具体如下:
发动机整机性能参数,如转速和推力等,测量相对准确。由于测量位置、测点个数、传感器测量精度等限制,截面测量参数Ym往往与理论参数Y存在差异errm:
Ym+errm=Y
如果应用最小二乘使测量参数与计算参数的二范数最小,会存在:
||Ym-Yc||2=||Y-Yc-errm||2
实际期望计算参数Yc与理论参数Y的偏差二范数||Y-Yc||2最小,可见由于存在测量偏差使目标函数是有偏的。
如果测量偏差是可评估的,如通过CFD计算或传感器精度分析,可以给出测量变量与真实截面参数的置信区间E,可以设定:
式中y表示测量参数Y中的某项,ym和yc分别为测量量和计算量,e表示置信区间E中的对应量。
通过设置置信区间可以避免由于测量恒偏差带来的计算问题,还可以根据信号的冗余关系保证辨识的精度。
步骤四:可调参数和可测参数之间的关系分析
在满足步骤一所要求的目标参数的数量不小于可调参数的数量的前提下,确定可调参数的数量范围,以及可测参数的具体数量。
步骤五:确定可调参数
根据实际发动机热力参数与设计状态的偏差产生的主要原因,通过条件数分析可调参数之间的相关性,最终确定可调参数。
步骤六:构建可解的辨识问题
根据最终确定的可调参数,构建方程组,建立可解的辨识问题。
步骤七:求解辨识问题
基于粒子群法进行参数辨识问题的求解。具体过程如下。
首先说明相关计算式。
双轴涡扇发动机稳态模型可以修正的部件特征参数包括部件效率、流量等20多个参数,需要采用分析条件数的方法根据m个截面/性能参数Y,确定实际可辨识的n个可调参数X。此时部件特征参数辨识的基本问题为:
Y=f(X,n1r) (1)
发动机各个参数都应用相似规律转化为标准大气条件下的换算参数,n1r为低压涡轮换算转速,代表发动机状态。
实际测量参数Ym由于传感器测量偏差或受感部布置位置与真实截面参数会存在偏差errm:
Ym+errm=f(X,n1r) (2)
计算模型中截面/性能参数为Yc:
Yc=f(X,n1r) (3)
参数的基本辨识问题就是通过调整X使Yc逼近Y。
假设发动机两个临近状态(比如转速差在2%范围内)的可调参数基本一致。对于另一个的状态对应的转速为n′1r:
Ym'+errm=f(X,n′1r) (4)
由于偏差errm往往是恒偏的,两个状态的偏差应该相差不大,两个接近的状态作差时基本可以消除其影响:
ΔYm=Ym-Ym'=f(X,n1r)-f(X,n′1r) (5)
两个状态的计算模型中截面/性能参数差值为:
ΔYc=Yc-Yc'=f(X,n1r)-f(X,n′1r) (6)
考虑临近状态的时候,增加了一系列的对比参数,需要调整X使ΔYc逼近ΔYm。
在上述公式的基础上,使用粒子群法进行参数辨识来得到全局最优解,具体步骤如下:
1)将N个粒子参数Xi(i=1~N)带入发动机计算式(3、6),获得m个n1r状态输出参数Yci和m个临近状态输出参数的差值ΔYci;
2)计算输出参数Yci和ΔYci与测量参数Ymi和ΔYmi做差,如果某个误差Ei=Ymi-Yci进入置信区间E,并且ΔEi=ΔYmi-ΔYci二范数小于设定值,则认为参数Xi满足辨识要求,辨识完成;
3)如果N个参数Xi都不满足辨识要求,根据每个粒子的历史最小误差值Eimin与所有粒子的最小误差值Emin,对每个粒子的下一步速度Vi+1和参数Xi+1进行进一步的计算:
Vi+1=wVi+c1rand[Eimin-Xi]+c2rand[Emin-Xi]Xi+1=Xi+Vi+1
式中,w为惯性权重,取值范围为0.1~0.9;c1、c2为加速因子,取值范围为1~2;rand为取值范围的0~1之间的随机函数;
4)将新的Xi+1带入式(1)中进行计算。
步骤八:整机条件下部件特性评估
根据求解结果,实现整体条件下的部件特性评估。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.一种涡扇发动机部件特征参数辨识方法,其特征在于,包括如下步骤,
步骤一:定义发动机特征参数的辨识问题的目标对象和可调参数;
步骤二:可调参数敏感性分析;
步骤三:设置测量参数的置信区域,具体为:通过数值模拟计算或传感器精度分析,给出测量变量与真实截面参数的置信区间;
步骤四:可调参数和可测参数之间的关系分析;
步骤五:确定可调参数;
步骤六:构建可解的辨识问题;
步骤七:基于粒子群法进行参数辨识问题的求解,具体为:
采用分析条件数的方法,根据m个截面/性能参数Y,确定实际可辨识的n个可调参数X,可知部件特征参数辨识的基本问题为:
Y=f(X,n1r) (1)
发动机各个参数都应用公式(1)规律转化为标准大气条件下的换算参数,其中n1r为低压涡轮换算转速,代表发动机状态;
实际测量参数Ym与真实截面参数间存在偏差errm:
Ym+errm=f(X,n1r) (2)
计算模型中截面/性能参数为Yc:
Yc=f(X,n1r) (3)
参数的基本辨识问题即通过调整可调参数X使Yc逼近Y;
若发动机两个临近状态的可调参数基本一致,对于另一个的状态对应的转速为n’1r:
Y’m+errm=f(X,n’1r) (4)
由于偏差errm是恒偏的,两个状态作差时可以消除其影响:
△Ym=Ym-Y’m=f(X,n1r)-f(X,n’1r) (5)
两个状态的计算模型中截面/性能参数差值为:
△Yc=Yc-Yc’=f(X,n1r)-f(X,n’1r) (6)
调整X使ΔYc逼近ΔYm;
在上述公式的基础上,使用粒子群法进行参数辨识来得到全局最优解,步骤如下:
1)将N个粒子参数Xi(i=1~N)带入发动机计算式(3、6),获得m个n1r状态输出参数Yci和m个临近状态输出参数的差值ΔYci;
2)计算输出参数Yci和ΔYci与测量参数Ymi和ΔYmi做差,若某个误差Ei=Ymi-Yci进入置信区间E,并且ΔEi=ΔYmi-ΔYci二范数小于设定值,则认为参数Xi满足辨识要求,辨识完成;
3)如果N个参数Xi都不满足辨识要求,根据每个粒子的历史最小误差值Eimin与所有粒子的最小误差值Emin,对每个粒子的下一步速度Vi+1和参数Xi+1进行进一步的计算:
Vi+1=wVi+c1rand[Eimin-Xi]+c2rand[Emin-Xi] Xi+1=Xi+Vi+1
式中,w为惯性权重,取值范围为0.1~0.9;c1、c2为加速因子,取值范围为1~2;rand为取值范围的0~1之间的随机函数;
4)将新的Xi+1带入式(1)中进行计算;
步骤八:整机条件下部件特性评估。
2.根据权利要求1所述的涡扇发动机部件特征参数辨识方法,其特征在于,所述目标对象包括工程上能够实现的整机测量参数以及发动机临近状态的测量参数偏差;所述可调参数为待辨识的部件特征参数,其中目标参数的数量不少于可调参数的数量。
3.根据权利要求2所述的涡扇发动机部件特征参数辨识方法,其特征在于,所述步骤二具体为:单独调整每个可调参数并进行计算,所得的计算参数与测量参数作差,从而得到每个参数调整后对发动机整机性能影响程度,得到可调参数的敏感性。
5.根据权利要求3所述的涡扇发动机部件特征参数辨识方法,其特征在于,所述步骤四中,在满足所述目标参数的数量不少于所述可调参数的数量的前提下,确定所述可调参数的数量以及所述可测参数的具体数量。
6.根据权利要求5所述的涡扇发动机部件特征参数辨识方法,其特征在于,所述步骤五具体为:根据实际发动机热力参数以及设计状态的偏差产生的原因,通过条件数分析所述可调参数之间的相关性,确定可调参数。
7.根据权利要求6所述的涡扇发动机部件特征参数辨识方法,其特征在于,所述步骤六具体为:根据确定的所述可调参数,构建方程组,建立可解的辨识问题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711341207.5A CN108106849B (zh) | 2017-12-14 | 2017-12-14 | 一种涡扇发动机部件特征参数辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711341207.5A CN108106849B (zh) | 2017-12-14 | 2017-12-14 | 一种涡扇发动机部件特征参数辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108106849A CN108106849A (zh) | 2018-06-01 |
CN108106849B true CN108106849B (zh) | 2020-08-11 |
Family
ID=62216006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711341207.5A Active CN108106849B (zh) | 2017-12-14 | 2017-12-14 | 一种涡扇发动机部件特征参数辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108106849B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110175383A (zh) * | 2019-05-17 | 2019-08-27 | 中国航发沈阳发动机研究所 | 一种地面台架试车条件下涡扇发动机部件特性辨识方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3777559A (en) * | 1972-04-21 | 1973-12-11 | Northrop Corp | System for analyzing engine performance |
US6752018B2 (en) * | 2002-06-03 | 2004-06-22 | General Electric Company | Method and apparatus for characterizing an acoustic impedance |
CN102175460A (zh) * | 2011-01-28 | 2011-09-07 | 中国人民解放军海军工程大学 | 基于模糊Petri网的船用燃气轮机气路故障诊断方法 |
CN103942357B (zh) * | 2014-02-13 | 2017-02-08 | 南京航空航天大学 | 包线内全状态的涡扇发动机机载实时模型构建方法 |
CN105319071B (zh) * | 2015-09-21 | 2017-11-07 | 天津大学 | 基于最小二乘支持向量机的柴油机燃油系统故障诊断方法 |
CN107357176B (zh) * | 2017-08-05 | 2020-09-25 | 中国科学院工程热物理研究所 | 一种航空发动机试车数据建模方法 |
-
2017
- 2017-12-14 CN CN201711341207.5A patent/CN108106849B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108106849A (zh) | 2018-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108829928B (zh) | 一种涡轴发动机自适应部件级仿真模型构建方法 | |
CN108647428B (zh) | 一种涡扇发动机自适应部件级仿真模型构建方法 | |
CN109162813B (zh) | 一种基于迭代学习修正的航空发动机智能转速控制方法 | |
CN110502840B (zh) | 航空发动机气路参数在线预测方法 | |
CN110647052B (zh) | 一种变循环发动机模式切换自适应身份证模型构建方法 | |
CN108062428B (zh) | 一种涡扇发动机在线部件故障诊断方法及系统 | |
CN109800449B (zh) | 一种基于神经网络的航空发动机压缩部件特性修正方法 | |
EP4177473A1 (en) | Method of controlling the geometrical configuration of a variable geometry element in a gas turbine engine compressor stage | |
CN112284752A (zh) | 一种基于改进状态跟踪滤波器的变循环发动机解析余度估计方法 | |
CN108106849B (zh) | 一种涡扇发动机部件特征参数辨识方法 | |
CN110516395A (zh) | 一种基于非线性模型预测的航空发动机控制方法 | |
CN107357176B (zh) | 一种航空发动机试车数据建模方法 | |
CN115903484A (zh) | 基于合作博弈的航空发动机多变量鲁棒控制器优化方法 | |
CN116127863A (zh) | 一种确定整机条件下雷诺数对发动机性能影响的计算方法 | |
US20200103846A1 (en) | Blade sentencing | |
CN110532517A (zh) | 基于改进的arukf的燃气管道参数估计方法 | |
Kuznetsova | Parametric diagnosis of the adaptive gas path in the automatic control system of the aircraft engine | |
CN113158564B (zh) | 基于数据驱动的航空发动机状态变量模型建立方法 | |
CN105117530B (zh) | 一种粗细结合调节实现汽轮机及其调速系统参数辨识方法 | |
CN110595470A (zh) | 一种基于外定界椭球集员估计的纯方位目标跟踪方法 | |
CN110362960B (zh) | 基于多胞折合平衡流形展开模型的航空发动机系统辨识方法 | |
CN114818205B (zh) | 一种航空发动机全生命周期叶尖间隙在线感知方法 | |
CN111852662A (zh) | 航空发动机最大推力状态容错二自由度h∞控制器 | |
CN104102770A (zh) | 一种柴油机实时模型的压气机流量特性拟合方法 | |
Kurzke et al. | Model based performance analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |