CN111475889B - 一种物理与数据驱动的航空发动机数字孪生建模方法 - Google Patents

一种物理与数据驱动的航空发动机数字孪生建模方法 Download PDF

Info

Publication number
CN111475889B
CN111475889B CN202010241658.7A CN202010241658A CN111475889B CN 111475889 B CN111475889 B CN 111475889B CN 202010241658 A CN202010241658 A CN 202010241658A CN 111475889 B CN111475889 B CN 111475889B
Authority
CN
China
Prior art keywords
model
pressure
aircraft engine
sensor
dynamic physical
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
Application number
CN202010241658.7A
Other languages
English (en)
Other versions
CN111475889A (zh
Inventor
刘金鑫
宋志平
李应红
耿佳
李明
陈雪峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202010241658.7A priority Critical patent/CN111475889B/zh
Publication of CN111475889A publication Critical patent/CN111475889A/zh
Application granted granted Critical
Publication of CN111475889B publication Critical patent/CN111475889B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01M15/14—Testing gas-turbine engines or jet-propulsion engines

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Feedback Control In General (AREA)

Abstract

本公开揭示了一种物理与数据驱动的航空发动机数字孪生建模方法，包括：建立航空发动机本体、航空发动机传感器和航空发动机执行器的动态物理模型；对航空发动机传感器和航空发动机执行器的动态物理模型进行标定；以风扇转速为基准，对航空发动机本体的动态物理模型的燃油流量输入进行校正；根据校正后的航空发动机本体的动态物理模型建立航空发动机本体的数据驱动补偿模型，根据标定后的航空发动机执行器的动态物理模型建立航空发动机执行器的数据驱动补偿模型，航空发动机本体的数据驱动补偿模型、航空发动机执行器的数据驱动补偿模型与标定后的航空发动机传感器的动态物理模型构成航空发动机数字孪生体。

Description

一种物理与数据驱动的航空发动机数字孪生建模方法
技术领域
本公开属于航空燃气涡轮发动机建模领域，具体涉及一种物理与数据驱动的航空发动机数字孪生建模方法。
背景技术
数字孪生是指针对物理世界中的物理实体，通过数字化的手段来构建一个与之对应的数字对象，借此来实现对物理实体的分析、优化、控制和管理。数字孪生实际上是系统建模理论在新一代信息技术发展促进下的一种创新形态。数字孪生的概念最初由Grieves教授于2003在美国密歇根大学的产品全生命周期管理课程上提出，直到2011年，美国空军研究实验室和NASA合作提出了构建未来飞行器的数字孪生体，才引起学者的广泛关注和重视。在NASA的定义中，数字孪生体表达为“一个面向飞行器或系统的集成的多物理、多尺度仿真模型，它利用当前最好的可用物理模型、更新的传感器数据和历史数据等来反映与该模型对应的物理孪生体的状态”。此后，数字孪生已连续多年被高德纳(Gartner)评为十大战略性科技发展趋势。可以看出，现有数字孪生的概念中反映了物理实体(物理孪生体)和虚拟模型(数字孪生体)之间的双向动态映射关系，而并没有体现二者的应用场景。
航空发动机实时动态模型是数字孪生的典型应用，作为物理发动机在数字空间(Digital Domain)的映射，其可用于航空发动机先进控制、智能运维等诸多场景。在实现航空发动机数字孪生的过程中，航空发动机建模技术是一项关键技术。美国NASA开发了SMOTE、DYNGEN等分析软件，用于航空发动机建模及性能仿真并沿用至今。国内科研人员一直广泛使用的建模思想和模型求解算法都是沿用美国开发的部件级建模思想，并主要采用精度较好的变比热部件法建模和经典N-R迭代求解方法。总体而言，尽管目前针对航空发动机部件级建模的理论研究已经趋于成熟，但在实际应用中，针对传感器误差、未建模动态等因素导致的物理孪生体和数字孪生体不一致的情况，现有的部件级建模方法很难有进一步的提升，从而很难适应航空发动机运行状态下的先进控制、健康管理的需求。
发明内容
针对现有技术中的不足，本公开的目的在于提供一种物理与数据驱动的航空发动机数字孪生建模方法，能够最大程度吸收航空发动机数字孪生建模中的误差，获得能够反应航空发动机物理孪生体真实情况的数字孪生体模型。
为实现上述目的，本公开提供以下技术方案：
一种物理与数据驱动的航空发动机数字孪生建模方法，包括如下步骤：
S100：分别建立航空发动机本体、航空发动机传感器和航空发动机执行器的动态物理模型；
S200：对所述航空发动机传感器的动态物理模型和航空发动机执行器的动态物理模型进行标定；
S300：以风扇转速为基准，对所述航空发动机本体的动态物理模型的燃油流量输入进行校正；
S400：根据所述校正后的航空发动机本体的动态物理模型建立航空发动机本体的数据驱动补偿模型，根据标定后的航空发动机执行器的动态物理模型建立航空发动机执行器的数据驱动补偿模型，所述航空发动机本体的数据驱动补偿模型、所述航空发动机执行器的数据驱动补偿模型与标定后的航空发动机传感器的动态物理模型构成航空发动机数字孪生体。
优选的，步骤S100中，所述航空发动机本体的动态物理模型包括：
高压轴的功率平衡方程：
Figure BDA0002431578340000031
其中，IH为高压转子转动惯量，nH为高压转速，LTH为高压涡轮功率，LCH为高压压气机功率，LAdd为起动过程中，起动机作用于发动机的附加功率；
低压轴功率平衡方程：
Figure BDA0002431578340000032
其中，IL为低压转子转动惯量，nL为低压转速，LTL为低压涡轮功率，LCL为低压压气机/风扇功率；
高压涡轮流量平衡方程：
Wg41xcor＝Wg41cor
其中，Wg41xcor为根据高压涡轮流量特性曲线计算出来的高压涡轮进口换算流量，Wg41cor为由高压涡轮导向器流入高压涡轮的实际换算流量；
低压涡轮流量平衡方程：
Wg45xcor＝Wg45cor
其中，Wg45xcor为根据低压涡轮流量特性曲线计算出来的低压涡轮进口换算流量，Wg45cor为由低压涡轮导向器流入低压涡轮的实际换算流量；
内外涵出口静压平衡方程：
ps6＝ps16
其中，ps6为低压涡轮内涵出口燃气静压，ps16为外涵出口空气静压；
喷口喉道总压平衡方程：
ptC8＝pt8
其中，ptC8为流量连续计算的喷口总压，pt8喷口喉道燃气背压；
风扇特性方程：
Wacor_Fan＝f1(nLcor，πFan，αV_Fan)
ηFan＝f2(nLcor，πFan，αV_Fan)
其中，Wacor_Fan为换算流量特性，ηFan为效率特性，
Figure BDA0002431578340000041
为风扇换算转速，
Figure BDA0002431578340000042
为风扇进口总温，
Figure BDA0002431578340000043
为风扇进口总温设计点值，πFan为风扇压比，αV_Fan为风扇可调导叶角度，f1为风扇流量特性函数，f2为风扇效率特性函数；
高压压气机特性方程：
Wacor_CH＝g1(nHcor，πCH，αV_CH)
ηCH＝g2(nHcor，πCH，αV_CH)
其中，Wacor_CH为换算流量特性，ηCH为效率特性，
Figure BDA0002431578340000051
为高压压气机换算转速，
Figure BDA0002431578340000052
为高压压气机进气总温，
Figure BDA0002431578340000053
为高压压气机设计点进气总温，πCH为高压压气机压比，αV_CH为高压压气机可调导叶角度，g1表示压气机流量特性函数，g2表示压气机效率特性函数；
高压涡轮特性方程：
Figure BDA0002431578340000054
其中，Wacor_TH为高压涡轮的换算流量，λTH为高压涡轮的温降比，
Figure BDA0002431578340000055
为高压涡轮换算转速，
Figure BDA0002431578340000056
为高压涡轮进口总温，
Figure BDA0002431578340000057
为设计点高压涡轮进口总温，低压涡轮特性与高压涡轮特性一致，πTH表示高压涡轮落压比，nH表示高压转速。
优选的，步骤S100中，所述航空发动机传感器的动态物理模型包括：
温度传感器模型：
Figure BDA0002431578340000058
其中，XUT(s)为温度传感器模型输出电压信号的拉普拉斯变换，XTemp(s)为温度传感器模型输入温度的拉普拉斯变换，T为时间常数，K为开环增益，s为拉普拉斯域的复变量；
压力传感器模型：
Figure BDA0002431578340000061
其中，XUP(s)为压力传感器模型输出电压信号的拉普拉斯变换，XP(s)为压力传感器模型输入压力的拉普拉斯变换，T为时间常数，K为开环增益，s为拉普拉斯域的复变量；
位移传感器模型：
Figure BDA0002431578340000062
其中，XUD(s)为位移传感器模型输出电压信号的拉普拉斯变换，XDis(s)为位移传感器模型输入位移的拉普拉斯变换，K为开环增益，s为拉普拉斯域的复变量；
流量传感器模型：
Figure BDA0002431578340000063
其中，Cd为流量系数，A为计量活门开度，ρ为燃油密度，ΔP为计量前后压差。
优选的，步骤S100中，所述航空发动机执行器的动态物理模型包括：
电液伺服阀模型：
Figure BDA0002431578340000064
其中，Xsv(s)为阀芯位移的拉普拉斯变换，Usv(s)为阀输入电压的拉普拉斯变换，Ksv为阀的开环增益，ωsv和ξsv分别为阀的等效固有频率和阻尼比，s为拉普拉斯域的复变量；
作动筒模型：
Figure BDA0002431578340000071
其中，Xhc(s)为作动杆位移的拉普拉斯变换，
Figure BDA0002431578340000072
为等效固有频率，
Figure BDA0002431578340000073
为等效阻尼比，M为负载质量，βe为液体弹性模量，A为柱塞面积，Vtot为油腔体积，ωsv为伺服阀等效频率，ξsv为伺服阀等效阻尼比，Ko为作动筒的开环增益，KL为伺服阀流量压力系数，Ctot为总泄露系数，s为拉普拉斯域的复变量。
优选的，步骤S200中，对所述航空发动机传感器的动态物理模型进行标定采用如下子步骤：
S201：利用传感器标定设备制造标准的温度、压力和位移环境，分别利用航空发动机温度传感器、压力传感器和位移传感器测量获得温度、压力和位移标准值；
S202：将标准的温度、压力、位移值分别输入所述航空发动机传感器的动态物理模型，获得所述航空发动机传感器的动态物理模型的温度、压力和位移输出值；
S203：分别求取所述航空发动机传感器的动态物理模型的温度、压力和位移输出值与测量获得的温度、压力和位移标准值的偏差，获得温度偏差、压力偏差和位移偏差；
S204：根据所述温度偏差、压力偏差和位移偏差调整所述航空发动机传感器的动态物理模型的参数，包括：调整温度传感器模型的开环增益K和时间常数T，调整压力传感器的开环增益K和时间常数T，调整位移传感器的开环增益K；直到所述航空发动机传感器的动态物理模型的温度、压力和位移输出值和所述温度、压力和位移标准值的偏差小于容差范围。
优选的，步骤S200中，对所述航空发动机执行器的动态物理模型进行标定采用如下子步骤：
S2001：分别给航空发动机电液伺服阀、作动筒输入一组伪随机信号作为激励信号并测量其响应信号；
S2002：将同样的激励信号输入所述航空发动机执行器的动态物理模型，并获得所述电液伺服阀模型、作动筒模型的响应信号；
S2003：分别求取所述电液伺服阀模型、作动筒模型的响应信号与所测量的电液伺服阀、作动筒的响应信号的偏差，获得电液伺服阀输出偏差、作动筒输出偏差；
S2004：根据所述电液伺服阀输出偏差和作动筒输出偏差调整执行器动态物理模型的参数，包括：调整电液伺服阀模型的开环增益Ksv、等效固有频率ωsv和等效阻尼比ξsv，调整作动筒模型的开环增益Ko、等效固有频率ωhc和等效阻尼比ξhc，直到所述航空发动机执行器的动态物理模型的响应信号与测量所得的响应信号误差小于容差范围。
优选的，步骤S204及步骤S2004中，所述容差范围均设置为1％-5％。
优选的，步骤S300中，对所述航空发动机本体的动态物理模型的燃油流量输入进行校正采用如下子步骤：
S301：通过相应传感器测量航空发动机的主燃油流量Wf以及风扇转速信号N1a；
S302：求取所述航空发动机本体的动态物理模型的风扇转速信号N1m与风扇转速信号N1a的偏差ΔN1，即ΔN1＝N1m-N1a，根据所述主燃油流量Wf和偏差ΔN1求取燃油校正量ΔWf，所述燃油校正量ΔWf表示为：
ΔWf＝kΔNl/Wf
其中，k为修正系数；
S303：将所述燃油校正量ΔWf和所述主燃油流量Wf叠加，得到校正后的主燃油流量Wfr，记为Wfr＝ΔWf+Wf。
优选的，步骤S400中，所述航空发动机本体的数据驱动补偿模型表示为：
O＝g(V·H-B)
其中H＝{h1 h2 … hN}T为隐层输出向量；g(x)＝x为输出层激发函数，V为输出层的(L×N)维权值矩阵；B＝{b1 b2 … bL}T，为输出层阈值向量，隐层的神经元节点数目为N，输出层的神经元节点数目为L。
优选的，步骤S400中，所述航空发动机执行器的数据驱动补偿模型表示为：
Y＝W·X
其中：Y＝{y1，y2，...，yJ}T表示补偿模型的输出，X＝{x1，x2，...，xJ}T表示模型的输入，W＝{w1，w2，...，wJ}T表示补偿模型的权系数，模型系数长度为J。
与现有技术相比，本公开带来的有益效果为：可以克服输入参数误差、输出参数误差、未建模因素、个体差异和性能退化五类因素导致的航空发动机数字孪生体与物理孪生的偏差，从而实现对航空发动机物理孪生状态参数的准确刻画。
附图说明
图1是本公开一个实施例提供的一种物理与数据驱动的航空发动机数字孪生建模方法流程图；
图2是本公开另一个实施例提供的物理与数据驱动的航空发动机数字孪生模型与物理孪生模型的结构示意图。
具体实施方式
下面将参照附图1至附图2详细地描述本公开的具体实施例。虽然附图中显示了本公开的具体实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
需要说明的是，在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解，技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异作为区分组件的方式，而是以组件在功能上的差异作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本发明的范围。本公开的保护范围当视所附权利要求所界定者为准。
为便于对本公开实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且各个附图并不构成对本公开实施例的限定。
一个实施例中，如图1所示，本公开提供一种基于物理与数据驱动的航空发动机数字孪生建模方法，包括如下步骤：
S100：分别建立航空发动机本体、航空发动机传感器和航空发动机执行器的动态物理模型；
S200：对所述航空发动机传感器的动态物理模型和航空发动机执行器的动态物理模型进行标定；
S300：以风扇转速为基准，对所述航空发动机本体的动态物理模型的燃油流量输入进行校正；
S400：根据所述校正后的航空发动机本体的动态物理模型建立航空发动机本体的数据驱动补偿模型，根据标定后的航空发动机执行器的动态物理模型建立航空发动机执行器的数据驱动补偿模型，所述航空发动机本体的数据驱动补偿模型、所述航空发动机执行器的数据驱动补偿模型与标定后的航空发动机传感器的动态物理模型构成航空发动机数字孪生体。
本实施例是针对航空发动机数字孪生架构提出的一种建模方法，图2是物理与数据驱动的航空发动机数字孪生模型与物理孪生模型的结构示意图，所图2所示，物理孪生体包括航空发动机本体、第一传感器(如位移传感器)、第二传感器(如温度传感器和压力传感器)、执行器(如电液伺服阀、作动筒)以及航空发动机面临的环境变量(如进口温度、压力)；数字孪生体包括航空发动机本体动态物理模型、第一传感器动态物理模型、第二传感器动态物理模型、航空发动机执行器动态物理模型、航空发动机本体的数据驱动补偿模型、航空发动机执行器的数据驱动补偿模型。其中，物理孪生体和数字孪生体同时接受控制器的输入，并且将计算的输出返回到控制器形成控制闭环。具体地，在物理孪生体内部由执行器接受控制器输入信息，并将执行作用力输入航空发动机本体，通过第一传感器和第二传感器分别测量执行器的作用力和航空发动机本体的状态输出，其中航空发动机本体的状态输出返回至控制器；在数字孪生体内部，执行器动态物理模型和第一传感器动态物理模型串联，再与执行器的数据驱动补偿模型并联，其中执行器动态物理模型接受来自控制器的信号和来自物理孪生的环境变量信号，第一传感器动态物理模型接受来自执行器动态物理模型的信号和来自物理孪生的环境变量信号，第一传感器动态物理模型的输出和来自物理孪生的第一传感器的测量值进行求差，执行器的数据驱动补偿模型的输出和上述求差的结果再次求差，利用二次求差的结果进行执行器数据驱动补偿模型的调整；航空发动机本体动态物理模型接受来自物理孪生第一传感器以及环境变量的信号，第二传感器动态物理模型接受来自航空发动机本体动态物理模型与物理孪生环境变量的信号，第二传感器动态物理模型的输出和物理孪生第二传感器的输出值进行求差，航空发动机本体的数据驱动补偿模型的输出和上述的差再次求差，利用二次求差的结果对航空发动机本体的数据驱动补偿模型进行修正。
本实施例通过选取风扇转速作为基准对航空发动机本体的动态物理模型的燃油流量输入进行校正，能够克服输入参数误差和输出参数误差；通过建立航空发动机本体的数据驱动补偿模型，根据标定后的航空发动机执行器的动态物理模型建立航空发动机执行器的数据驱动补偿模型，能够克服因未建模因素、个体差异和性能退化偏差五类所导致的航空发动机数字孪生体与物理孪生的偏差，能够实现对航空发动机物理孪生状态参数的准确刻画以及行为预测和控制能力。
另一个实施例中，步骤S100中，所述航空发动机本体的动态物理模型包括：
高压轴的功率平衡方程：
Figure BDA0002431578340000131
其中，IH为高压转子转动惯量，nH为高压转速，LTH为高压涡轮功率，LCH为高压压气机功率，LAdd为起动过程中，起动机作用于发动机的附加功率；
低压轴功率平衡方程：
Figure BDA0002431578340000132
其中，IL为低压转子转动惯量，nL为低压转速，LTL为低压涡轮功率，LCL为低压压气机/风扇功率；
高压涡轮流量平衡方程：
Wg4lxcor＝Wg41cor
其中，Wg41xcor为根据高压涡轮流量特性曲线计算出来的高压涡轮进口换算流量，Wg41cor为由高压涡轮导向器流入高压涡轮的实际换算流量；
低压涡轮流量平衡方程：
Wg45xcor＝Wg45cor
其中，Wg45xcor为根据低压涡轮流量特性曲线计算出来的低压涡轮进口换算流量，Wg45cor为由低压涡轮导向器流入低压涡轮的实际换算流量；
内外涵出口静压平衡方程：
ps6＝ps16
其中，ps6为低压涡轮内涵出口燃气静压，ps16为外涵出口空气静压；
喷口喉道总压平衡方程：
PtC8＝pt8
其中，ptC8为流量连续计算的喷口总压，pt8喷口喉道燃气背压；
风扇特性方程：
Wacor_Fan＝f1(nLcor，πFan，αV_Fan)
ηFan＝f2(nLcor，πFan，αV_Fan)
其中，Wacor_Fan为换算流量特性，ηFan为效率特性，
Figure BDA0002431578340000141
为风扇换算转速，
Figure BDA0002431578340000142
为风扇进口总温，
Figure BDA0002431578340000143
为风扇进口总温设计点值，πFan为风扇压比，αV_Fan为风扇可调导叶角度，f1为风扇流量特性函数，f2为风扇效率特性函数；
高压压气机特性方程：
Wacor_CH＝g1(nHcor，πCH，αV_CH)
ηCH＝g2(nHcor，πCH，αV_CH)
其中，Wacor_CH为换算流量特性，ηCH为效率特性，
Figure BDA0002431578340000151
为高压压气机换算转速，
Figure BDA0002431578340000152
为高压压气机进气总温，
Figure BDA0002431578340000153
为高压压气机设计点进气总温，πCH为高压压气机压比，αV_CH为高压压气机可调导叶角度，g1表示压气机流量特性函数，g2表示压气机效率特性函数；
高压涡轮特性方程：
Figure BDA0002431578340000154
其中，Wacor_TH为高压涡轮的换算流量，λTH为高压涡轮的温降比，
Figure BDA0002431578340000155
为高压涡轮换算转速，
Figure BDA0002431578340000156
为高压涡轮进口总温，
Figure BDA0002431578340000157
为设计点高压涡轮进口总温，低压涡轮特性与高压涡轮特性一致，πTH表示高压涡轮落压比，nH表示高压转速。
另一个实施例中，步骤S100中，所述航空发动机传感器的动态物理模型包括：
温度传感器模型：
Figure BDA0002431578340000158
其中，XUT(s)为温度传感器模型输出电压信号的拉普拉斯变换，XTemp(s)为温度传感器模型输入温度的拉普拉斯变换，T为时间常数，K为开环增益，s为拉普拉斯域的复变量；
压力传感器模型：
Figure BDA0002431578340000161
其中，XUP(s)为压力传感器模型输出电压信号的拉普拉斯变换，XP(s)为压力传感器模型输入压力的拉普拉斯变换，T为时间常数，K为开环增益，s为拉普拉斯域的复变量；
位移传感器模型：
Figure BDA0002431578340000162
其中，XUD(s)为位移传感器模型输出电压信号的拉普拉斯变换，XDis(s)为位移传感器模型输入位移的拉普拉斯变换，K为开环增益，s为拉普拉斯域的复变量；
流量传感器模型：
Figure BDA0002431578340000163
其中，Cd为流量系数，A为计量活门开度，ρ为燃油密度，ΔP为计量前后压差。
另一个实施例中，步骤S100中，所述航空发动机执行器的动态物理模型包括：
电液伺服阀模型：
Figure BDA0002431578340000164
其中，Xsv(s)为阀芯位移的拉普拉斯变换，Usv(s)为阀输入电压的拉普拉斯变换，Ksv为阀的开环增益，ωsv和ξsv分别为阀的等效固有频率和阻尼比，s为拉普拉斯域的复变量；
作动筒模型：
Figure BDA0002431578340000171
其中，Xhc(s)为作动杆位移的拉普拉斯变换，
Figure BDA0002431578340000172
为等效固有频率，
Figure BDA0002431578340000173
为等效阻尼比，M为负载质量，βe为液体弹性模量，A为柱塞面积，Vtot为油腔体积，ωsv为伺服阀等效频率，ξsv为伺服阀等效阻尼比，Ko为作动筒的开环增益，KL为伺服阀流量压力系数，Ctot为总泄露系数，s为拉普拉斯域的复变量。
另一个实施例中，步骤S200中，对所述航空发动机传感器的动态物理模型进行标定采用如下子步骤：
S201：利用传感器标定设备制造标准的温度、压力和位移环境，分别利用航空发动机温度传感器、压力传感器和位移传感器测量获得温度、压力和位移标准值；
S202：将标准的温度、压力、位移值分别输入所述航空发动机传感器的动态物理模型，获得所述航空发动机传感器的动态物理模型的温度、压力和位移输出值；
S203：分别求取所述航空发动机传感器的动态物理模型的温度、压力和位移输出值与测量获得的温度、压力和位移标准值的偏差，获得温度偏差、压力偏差和位移偏差；
S204：根据所述温度偏差、压力偏差和位移偏差调整所述航空发动机传感器的动态物理模型的参数，包括：调整温度传感器模型的开环增益K和时间常数T，调整压力传感器的开环增益K和时间常数T，调整位移传感器的开环增益K；直到所述航空发动机传感器的动态物理模型的温度、压力和位移输出值和所述温度、压力和位移标准值的偏差小于容差范围。
需要说明的是，步骤S204中，容差范围一般设置在1％到5％之间，具体还要根据用户需求进行设定。
另一个实施例中，步骤S200中，对所述航空发动机执行器的动态物理模型进行标定采用如下子步骤：
S2001：分别给航空发动机电液伺服阀、作动筒输入一组伪随机信号作为激励信号并测量其响应信号；
S2002：将同样的激励信号输入所述航空发动机执行器的动态物理模型，并获得所述电液伺服阀模型、作动筒模型的响应信号；
S2003：分别求取所述电液伺服阀模型、作动筒模型的响应信号与所测量的电液伺服阀、作动筒的响应信号的偏差，获得电液伺服阀输出偏差、作动筒输出偏差；
S2004：根据所述电液伺服阀输出偏差和作动筒输出偏差调整执行器动态物理模型的参数，包括：调整电液伺服阀模型的开环增益Ksv、等效固有频率ωsv和等效阻尼比ξsv，调整作动筒模型的开环增益Ko、等效固有频率ωhc和等效阻尼比ξhc，直到所述航空发动机执行器的动态物理模型的响应信号与测量所得的响应信号误差小于容差范围。
该步骤中，容差范围一般设置在1％到5％之间，不再赘述。
另一个实施例中，步骤S300中，对所述航空发动机本体的动态物理模型的燃油流量输入进行校正采用如下子步骤：
S301：通过相应传感器测量航空发动机的主燃油流量Wf以及风扇转速信号N1a；
S302：求取所述航空发动机本体的动态物理模型的风扇转速信号N1m与风扇转速信号N1a的偏差ΔN1，即ΔN1＝N1m-N1a，根据所述主燃油流量Wf和偏差ΔN1求取燃油校正量ΔWf，所述燃油校正量ΔWf表示为：
ΔWf＝kΔN1/Wf
其中，k为修正系数；
S303：将所述燃油校正量ΔWf和所述主燃油流量Wf叠加，得到校正后的主燃油流量Wfr，记为Wfr＝ΔWf+Wf。
另一个实施例中，步骤S400中，对所述航空发动机本体的数据驱动补偿模型可表示为：
O＝g(V·H-B)
其中，H＝{h1 h2 … hN}T为隐层输出向量；g(x)＝x为输出层激发函数，V为输出层的(L×N)维权值矩阵；B＝{b1 b2 … bL}T，为输出层阈值向量，隐层的神经元节点数目为N，输出层的神经元节点数目为L；
隐层输出可以进一步表示为：
H＝f(W·E-A)
其中，f(x)＝1/(1+e-x)为隐层神经元的激发函数。W为隐层的(N×M)维的权值矩阵；E＝{e1 e2 … eM}T为输入矩阵；A＝{a1 a2 … aN}T为隐层阈值向量；O＝{o1 o2 … oL}T为输出向量；输入层的神经元节点数目为M；
进一步，输入矩阵E可以选取航空发动机高度H、马赫数Ma、风扇导叶角度a1、高压压气机导叶角度a2、喷口面积A8、高压转速N1、低压转速N2构建。
另一个实施例中，步骤S400中，对所述航空发动机执行器的数据驱动补偿模型可表示为：
Y＝W·X
其中：Y＝{y1，y2，...，yJ}T表示模型的输出，X＝{x1，x2，...，xJ}T表示模型的输入，W＝{w1，w2，...，wJ}T表示补偿模型的权系数，模型系数长度为J。
尽管以上结合附图对本公开的实施方案进行了描述，但本公开并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本公开权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本公开保护之列。

Claims (10)

1.一种物理与数据驱动的航空发动机数字孪生建模方法，包括如下步骤：
S100：分别建立航空发动机本体、航空发动机传感器和航空发动机执行器的动态物理模型；
S200：对所述航空发动机传感器的动态物理模型和航空发动机执行器的动态物理模型进行标定；
S300：以风扇转速为基准，对所述航空发动机本体的动态物理模型的燃油流量输入进行校正；
S400：根据所述校正后的航空发动机本体的动态物理模型建立航空发动机本体的数据驱动补偿模型，根据标定后的航空发动机执行器的动态物理模型建立航空发动机执行器的数据驱动补偿模型，航空发动机本体的数据驱动补偿模型、航空发动机本体动态物理模型、航空发动机执行器动态物理模型、航空发动机执行器的数据驱动补偿模型以及第一传感器动态物理模型和第二传感器动态物理模型构成航空发动机数字孪生体；其中，航空发动机执行器动态物理模型和第一传感器动态物理模型串联，再与航空发动机执行器的数据驱动补偿模型并联，其中执行器动态物理模型接受来自控制器的信号和来自物理孪生的环境变量信号，第一传感器动态物理模型接受来自执行器动态物理模型的信号和来自物理孪生的环境变量信号，第一传感器动态物理模型的输出和来自物理孪生的第一传感器的测量值进行求差获得第一差值，执行器的数据驱动补偿模型的输出和第一差值的结果再次求差，利用二次求差的结果进行执行器数据驱动补偿模型的调整；航空发动机本体动态物理模型接受来自物理孪生第一传感器以及环境变量的信号，第二传感器动态物理模型接受来自航空发动机本体动态物理模型与物理孪生环境变量的信号，第二传感器动态物理模型的输出和物理孪生第二传感器的输出值进行求差获得第二差值，航空发动机本体的数据驱动补偿模型的输出和第二差值再次求差，利用二次求差的结果对航空发动机本体的数据驱动补偿模型进行修正。
2.根据权利要求1所述的方法，其中，步骤S100中，所述航空发动机本体的动态物理模型包括：
高压轴的功率平衡方程：
Figure 881114DEST_PATH_IMAGE001
其中，
Figure 627484DEST_PATH_IMAGE002
为圆周率，
Figure 906150DEST_PATH_IMAGE003
为高压转子转动惯量，
Figure 227409DEST_PATH_IMAGE004
为高压转速，
Figure 323017DEST_PATH_IMAGE005
为高压涡轮功率，
Figure 873078DEST_PATH_IMAGE006
为高压压气机功率，
Figure 255518DEST_PATH_IMAGE007
为起动过程中，起动机作用于发动机的附加功率；
低压轴功率平衡方程：
Figure 498412DEST_PATH_IMAGE008
其中，
Figure 536775DEST_PATH_IMAGE009
为低压转子转动惯量，
Figure 624948DEST_PATH_IMAGE010
为低压转速，
Figure 881135DEST_PATH_IMAGE011
为低压涡轮功率，
Figure 278618DEST_PATH_IMAGE012
为低压压气机/风扇功率；
高压涡轮流量平衡方程：
Figure 555010DEST_PATH_IMAGE013
其中，
Figure 227300DEST_PATH_IMAGE014
为根据高压涡轮流量特性曲线计算出来的高压涡轮进口换算流量，
Figure 538327DEST_PATH_IMAGE015
为由高压涡轮导向器流入高压涡轮的实际换算流量；
低压涡轮流量平衡方程：
Figure 919761DEST_PATH_IMAGE016
其中，
Figure 932716DEST_PATH_IMAGE017
为根据低压涡轮流量特性曲线计算出来的低压涡轮进口换算流量，
Figure 625341DEST_PATH_IMAGE018
为由低压涡轮导向器流入低压涡轮的实际换算流量；
内外涵出口静压平衡方程：
Figure 774563DEST_PATH_IMAGE019
其中，
Figure 530160DEST_PATH_IMAGE020
为低压涡轮内涵出口燃气静压，
Figure 30412DEST_PATH_IMAGE021
为外涵出口空气静压；
喷口喉道总压平衡方程：
Figure 60816DEST_PATH_IMAGE022
其中，
Figure 595702DEST_PATH_IMAGE023
为流量连续计算的喷口总压，
Figure 256622DEST_PATH_IMAGE024
喷口喉道燃气背压；
风扇特性方程：
Figure 244169DEST_PATH_IMAGE025
Figure 69475DEST_PATH_IMAGE026
其中，
Figure 678442DEST_PATH_IMAGE027
为换算流量特性，
Figure 25110DEST_PATH_IMAGE028
为效率特性，
Figure 47424DEST_PATH_IMAGE029
为风扇换算转速，
Figure 137739DEST_PATH_IMAGE030
为风扇进口总温，
Figure 866792DEST_PATH_IMAGE031
为风扇进口总温设计点值，
Figure 118782DEST_PATH_IMAGE032
为风扇压比，
Figure 625462DEST_PATH_IMAGE033
为风扇可调导叶角度，
Figure 4622DEST_PATH_IMAGE034
为风扇流量特性函数，
Figure 103028DEST_PATH_IMAGE035
为风扇效率特性函数；
高压压气机特性方程：
Figure 276652DEST_PATH_IMAGE036
Figure 522825DEST_PATH_IMAGE037
其中，
Figure 705676DEST_PATH_IMAGE038
为换算流量特性，
Figure 943409DEST_PATH_IMAGE039
为效率特性，
Figure 537201DEST_PATH_IMAGE040
为高压压气机换算转速，
Figure 755824DEST_PATH_IMAGE041
为高压压气机进气总温，
Figure 726054DEST_PATH_IMAGE042
为高压压气机设计点进气总温，
Figure 346523DEST_PATH_IMAGE043
为高压压气机压比，
Figure 658686DEST_PATH_IMAGE044
为高压压气机可调导叶角度，
Figure 817135DEST_PATH_IMAGE045
表示压气机流量特性函数，
Figure 73280DEST_PATH_IMAGE046
表示压气机效率特性函数；
高压涡轮特性方程：
Figure 784DEST_PATH_IMAGE047
Figure 749429DEST_PATH_IMAGE048
其中，
Figure 145906DEST_PATH_IMAGE049
为高压涡轮的换算流量，
Figure 192359DEST_PATH_IMAGE050
为高压涡轮的温降比，
Figure 787420DEST_PATH_IMAGE051
为高压涡轮换算转速，
Figure 159495DEST_PATH_IMAGE052
为高压涡轮进口总温，
Figure 589076DEST_PATH_IMAGE053
为设计点高压涡轮进口总温，低压涡轮特性与高压涡轮特性一致，
Figure 455532DEST_PATH_IMAGE054
表示高压涡轮落压比，
Figure 92050DEST_PATH_IMAGE055
表示高压转速。
3.根据权利要求1所述的方法，其中，步骤S100中，所述航空发动机传感器的动态物理模型包括：
温度传感器模型：
Figure 182496DEST_PATH_IMAGE056
其中，
Figure 537254DEST_PATH_IMAGE057
为温度传感器模型输出电压信号的拉普拉斯变换，
Figure 941822DEST_PATH_IMAGE058
为温度传感器模型输入温度的拉普拉斯变换，
Figure 698425DEST_PATH_IMAGE059
为时间常数，K为开环增益，s为拉普拉斯域的复变量；
压力传感器模型：
Figure 956844DEST_PATH_IMAGE060
其中，
Figure 815210DEST_PATH_IMAGE061
为压力传感器模型输出电压信号的拉普拉斯变换，
Figure 7157DEST_PATH_IMAGE062
为压力传感器模型输入压力的拉普拉斯变换，
Figure 368999DEST_PATH_IMAGE063
为时间常数，
Figure 316095DEST_PATH_IMAGE064
为开环增益，
Figure 396178DEST_PATH_IMAGE065
为拉普拉斯域的复变量；
位移传感器模型：
Figure 657395DEST_PATH_IMAGE066
其中，
Figure 611094DEST_PATH_IMAGE067
为位移传感器模型输出电压信号的拉普拉斯变换，
Figure 932354DEST_PATH_IMAGE068
为位移传感器模型输入位移的拉普拉斯变换，K为开环增益，s为拉普拉斯域的复变量；
流量传感器模型：
Figure 296470DEST_PATH_IMAGE069
其中，
Figure 846532DEST_PATH_IMAGE070
为流量系数，
Figure 166655DEST_PATH_IMAGE071
为计量活门开度，
Figure 409548DEST_PATH_IMAGE072
为燃油密度，
Figure 244649DEST_PATH_IMAGE073
为计量前后压差。
4.根据权利要求1所述的方法，其中，步骤S100中，所述航空发动机执行器的动态物理模型包括：
电液伺服阀模型：
Figure 595471DEST_PATH_IMAGE074
其中，
Figure 35680DEST_PATH_IMAGE075
为阀芯位移的拉普拉斯变换，
Figure 980633DEST_PATH_IMAGE076
为阀输入电压的拉普拉斯变换，
Figure 522604DEST_PATH_IMAGE077
为阀的开环增益，
Figure 663736DEST_PATH_IMAGE078
和
Figure 709183DEST_PATH_IMAGE079
分别为阀的等效固有频率和阻尼比，s为拉普拉斯域的复变量；
作动筒模型：
Figure 74305DEST_PATH_IMAGE080
其中，
Figure 94783DEST_PATH_IMAGE081
为作动杆位移的拉普拉斯变换，
Figure 774026DEST_PATH_IMAGE082
为等效固有频率，
Figure 736297DEST_PATH_IMAGE083
为等效阻尼比，M为负载质量，
Figure 226316DEST_PATH_IMAGE084
为液体弹性模量，
Figure 523305DEST_PATH_IMAGE085
为柱塞面积，
Figure 756971DEST_PATH_IMAGE086
为油腔体积，
Figure 26278DEST_PATH_IMAGE087
为伺服阀等效频率，
Figure 684268DEST_PATH_IMAGE088
为伺服阀的等效阻尼比，
Figure 219286DEST_PATH_IMAGE089
为作动筒的开环增益，
Figure 240332DEST_PATH_IMAGE090
为伺服阀流量压力系数，
Figure 380457DEST_PATH_IMAGE091
为总泄露系数，
Figure 523862DEST_PATH_IMAGE092
为拉普拉斯域的复变量。
5.根据权利要求3所述的方法，其中，步骤S200中，对所述航空发动机传感器的动态物理模型进行标定采用如下子步骤：
S201：利用传感器标定设备制造标准的温度、压力和位移环境，分别利用航空发动机温度传感器、压力传感器和位移传感器测量获得温度、压力和位移标准值；
S202：将标准的温度、压力、位移值分别输入所述航空发动机传感器的动态物理模型，获得所述航空发动机传感器的动态物理模型的温度、压力和位移输出值；
S203：分别求取所述航空发动机传感器的动态物理模型的温度、压力和位移输出值与测量获得的温度、压力和位移标准值的偏差，获得温度偏差、压力偏差和位移偏差；
S204：根据所述温度偏差、压力偏差和位移偏差调整所述航空发动机传感器的动态物理模型的参数，包括：调整温度传感器模型的开环增益K和时间常数T，调整压力传感器的开环增益K和时间常数T, 调整位移传感器的开环增益K; 直到所述航空发动机传感器的动态物理模型的温度、压力和位移输出值和所述温度、压力和位移标准值的偏差小于容差范围。
6.根据权利要求4所述的方法，其中，步骤S200中，对所述航空发动机执行器的动态物理模型进行标定采用如下子步骤：
S2001：分别给航空发动机电液伺服阀、作动筒输入一组伪随机信号作为激励信号并测量其响应信号；
S2002：将同样的激励信号输入所述航空发动机执行器的动态物理模型，并获得所述电液伺服阀模型、作动筒模型的响应信号；
S2003：分别求取所述电液伺服阀模型、作动筒模型的响应信号与所测量的电液伺服阀、作动筒的响应信号的偏差，获得电液伺服阀输出偏差、作动筒输出偏差；
S2004：根据所述电液伺服阀输出偏差和作动筒输出偏差调整执行器动态物理模型的参数，包括：调整电液伺服阀模型的开环增益
Figure 749439DEST_PATH_IMAGE093
、等效固有频率
Figure 574175DEST_PATH_IMAGE094
和等效阻尼比
Figure 306158DEST_PATH_IMAGE095
，调整作动筒模型的开环增益
Figure 371197DEST_PATH_IMAGE096
、等效固有频率
Figure 67757DEST_PATH_IMAGE097
和等效阻尼比
Figure 243655DEST_PATH_IMAGE098
,直到所述航空发动机执行器的动态物理模型的响应信号与测量所得的响应信号误差小于容差范围。
7.根据权利要求5或6所述的方法，其中，步骤S204及步骤S2004中，所述容差范围均设置为1%-5%。
8.根据权利要求1所述的方法，其中，步骤S300中，对所述航空发动机本体的动态物理模型的燃油流量输入进行校正采用如下子步骤：
S301:通过相应传感器测量航空发动机的主燃油流量
Figure 342061DEST_PATH_IMAGE099
以及风扇转速信号
Figure 515684DEST_PATH_IMAGE100
;
S302：求取所述航空发动机本体的动态物理模型的风扇转速信号
Figure 244081DEST_PATH_IMAGE101
与风扇转速信号
Figure 410620DEST_PATH_IMAGE100
的偏差
Figure 379845DEST_PATH_IMAGE102
，即
Figure 35954DEST_PATH_IMAGE103
，根据所述主燃油流量
Figure 457839DEST_PATH_IMAGE099
和偏差
Figure 428069DEST_PATH_IMAGE102
求取燃油校正量
Figure 251800DEST_PATH_IMAGE104
，所述燃油校正量
Figure 844191DEST_PATH_IMAGE104
表示为：
Figure 737061DEST_PATH_IMAGE105
其中，
Figure 792873DEST_PATH_IMAGE106
为修正系数；
S303：将所述燃油校正量
Figure 985957DEST_PATH_IMAGE104
和所述主燃油流量
Figure 672284DEST_PATH_IMAGE099
叠加，得到校正后的主燃油流量
Figure 318029DEST_PATH_IMAGE107
,记为
Figure 177532DEST_PATH_IMAGE108
。
9.根据权利要求1所述的方法，其中，步骤S400中，所述航空发动机本体的数据驱动补偿模型表示为：
Figure 707346DEST_PATH_IMAGE109
其中，
Figure 79421DEST_PATH_IMAGE110
为隐层输出向量；
Figure 759932DEST_PATH_IMAGE111
为输出层激发函数，
Figure 610077DEST_PATH_IMAGE112
为输出层的
Figure 262906DEST_PATH_IMAGE113
维权值矩阵；
Figure 353353DEST_PATH_IMAGE114
，为输出层阈值向量，隐层的神经元节点数目为
Figure 442532DEST_PATH_IMAGE115
，输出层的神经元节点数目为
Figure 115608DEST_PATH_IMAGE116
。
10.根据权利要求1所述的方法，其中，步骤S400中，所述航空发动机执行器的数据驱动补偿模型表示为：
Figure 668949DEST_PATH_IMAGE117
其中，
Figure 133560DEST_PATH_IMAGE118
表示模型的输出，
Figure 975614DEST_PATH_IMAGE119
表示模型的输入，
Figure 183872DEST_PATH_IMAGE120
表示补偿模型的权系数，模型系数长度为
Figure 342452DEST_PATH_IMAGE121
。
CN202010241658.7A 2020-03-30 2020-03-30 一种物理与数据驱动的航空发动机数字孪生建模方法 Active CN111475889B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010241658.7A CN111475889B (zh) 2020-03-30 2020-03-30 一种物理与数据驱动的航空发动机数字孪生建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010241658.7A CN111475889B (zh) 2020-03-30 2020-03-30 一种物理与数据驱动的航空发动机数字孪生建模方法

Publications (2)

Publication Number Publication Date
CN111475889A CN111475889A (zh) 2020-07-31
CN111475889B true CN111475889B (zh) 2022-12-06

Family

ID=71750262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010241658.7A Active CN111475889B (zh) 2020-03-30 2020-03-30 一种物理与数据驱动的航空发动机数字孪生建模方法

Country Status (1)

Country Link
CN (1) CN111475889B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111967202B (zh) * 2020-08-08 2022-10-25 西北工业大学 一种基于人工智能的航空发动机极速性能数字孪生方法
CN112162543B (zh) * 2020-09-23 2022-02-01 上海海事大学 一种基于数字孪生的叶片转子试验台预测性维修方法及系统
CN114912191A (zh) * 2022-04-21 2022-08-16 南京航空航天大学 一种导叶可调的涡扇发动机部件级机载动态模型设计方法
CN115508102A (zh) * 2022-09-13 2022-12-23 南京航空航天大学 基于数据驱动的航空发动机全系统故障监测与识别方法
CN116659870B (zh) * 2023-04-14 2024-07-05 中国航发沈阳发动机研究所 一种涡扇发动机温度传感器时间常数确定方法及装置
CN116738872B (zh) * 2023-05-09 2024-01-23 北京航空航天大学 基于数字孪生的航空发动机综合热管理可视化仿真系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT1088432B (it) * 1976-12-20 1985-06-10 Gen Electric Metodo ed apparecchio per la rivelazione e la correzione di guasti in un sistema di comando per motore a turbina a gas
CN103306822A (zh) * 2013-05-23 2013-09-18 南京航空航天大学 一种基于喘振裕度估计模型的航空涡扇发动机控制方法
CN105807613A (zh) * 2016-03-08 2016-07-27 清华大学 一种基于涡扇发动机多工作点的鲁棒补偿控制方法
CN105868467A (zh) * 2016-03-28 2016-08-17 南京航空航天大学 一种动稳态航空发动机机载模型构建方法
CN109684727A (zh) * 2018-12-20 2019-04-26 华润电力技术研究院有限公司 孪生体模型构建方法、装置和计算机设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107977526B (zh) * 2017-12-18 2019-02-26 哈尔滨工业大学（威海） 大涵道比民航发动机性能诊断方法及系统
CN109376498B (zh) * 2018-12-20 2020-08-18 清华大学 涡扇发动机的建模方法
CN110532625B (zh) * 2019-07-31 2021-02-02 西安交通大学 航空发动机涡轮盘-转子-支承系统数字孪生建模方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT1088432B (it) * 1976-12-20 1985-06-10 Gen Electric Metodo ed apparecchio per la rivelazione e la correzione di guasti in un sistema di comando per motore a turbina a gas
CN103306822A (zh) * 2013-05-23 2013-09-18 南京航空航天大学 一种基于喘振裕度估计模型的航空涡扇发动机控制方法
CN105807613A (zh) * 2016-03-08 2016-07-27 清华大学 一种基于涡扇发动机多工作点的鲁棒补偿控制方法
CN105868467A (zh) * 2016-03-28 2016-08-17 南京航空航天大学 一种动稳态航空发动机机载模型构建方法
CN109684727A (zh) * 2018-12-20 2019-04-26 华润电力技术研究院有限公司 孪生体模型构建方法、装置和计算机设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Simulation Research of Engine’s Electronic Control System Based on;Sun Jianmin，Gao Linghua，Yang Yun;《Advanced Materials Research》;20141203;第1078卷;235-238 *
航空发动机执行机构故障诊断方法及;倪健;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20170315;第2017年卷(第03期);C031-1337 *

Also Published As

Publication number Publication date
CN111475889A (zh) 2020-07-31

Similar Documents

Publication Publication Date Title
CN111475889B (zh) 一种物理与数据驱动的航空发动机数字孪生建模方法
CN108828947B (zh) 一种航空发动机含时滞的不确定性模糊动态模型建模方法
US8668434B2 (en) Robust flow parameter model for component-level dynamic turbine system control
CN111914362A (zh) 一种研发阶段涡扇发动机模型自适应方法
US20110054704A1 (en) High fidelity integrated heat transfer and clearance in component-level dynamic turbine system control
US8849542B2 (en) Real time linearization of a component-level gas turbine engine model for model-based control
CN106647253A (zh) 航空发动机分布式控制系统多性能鲁棒跟踪控制方法
CN110502840B (zh) 航空发动机气路参数在线预测方法
CN111042928B (zh) 一种基于动态神经网络的变循环发动机智能控制方法
CN109871653B (zh) 航空发动机数学模型部件特性修正方法
Pang et al. Joint steady state and transient performance adaptation for aero engine mathematical model
CN111680357A (zh) 一种变循环发动机机载实时模型的部件级无迭代构建方法
CN112668162A (zh) 一种基于惯性滑模的航空发动机建模方法
Kim Generating a virtual physical model through measurement data and reverse engineering: Applying a performance prediction model for an industrial gas turbine during start-up
CN116702380A (zh) 基于数字孪生的航空发动机性能退化监测和模型修正方法
CN111914367A (zh) 一种航空发动机部件级模型
Hao et al. A new design method for mode transition control law of variable cycle engine
CN117725700A (zh) 基于数字孪生技术的分轴燃气轮机管理系统、方法及设备
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
CN114491417B (zh) 一种基于cdfs模态变化性能的一维输入修正方法
CN113669163B (zh) 一种基于自抗扰控制的串级燃气轮机转速控制方法
CN111523276B (zh) 基于网络模型的燃气涡轮发动机燃油流量校正方法
Wang et al. An Adaptive Modeling Method of Hydrogen-fueled Turbojet Engine
CN113867151B (zh) 一种基于sdnn-mpc的燃-燃联合动力装置负荷分配控制方法

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