CN113051661A - 基于微小容腔多动力学的高温气流动态总压智能软测量方法 - Google Patents
基于微小容腔多动力学的高温气流动态总压智能软测量方法 Download PDFInfo
- Publication number
- CN113051661A CN113051661A CN202110195150.2A CN202110195150A CN113051661A CN 113051661 A CN113051661 A CN 113051661A CN 202110195150 A CN202110195150 A CN 202110195150A CN 113051661 A CN113051661 A CN 113051661A
- Authority
- CN
- China
- Prior art keywords
- model
- pressure
- dynamic
- temperature
- total pressure
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Mathematical Physics (AREA)
- Measuring Volume Flow (AREA)
Abstract
本发明公开一种基于微小容腔多动力学的高温气流动态总压智能软测量方法,包括以下步骤:步骤1、流场中微小容腔内总压衰减动态过程数学建模;步骤2、流场中温度对动态总压量耦合过程数学建模;步骤3、短测管型压阻式智能压力传感器原理样件设计和步骤4、高温气体动态总压智能软测量方法设计。本发明所提的基于短测管的高温气流动态总压智能软测量方法中,围绕微小容腔内气体总压衰减机理和微小容腔内温度压力的耦合机制科学问题的解决,将性能模型与智能方法相结合,建立了微小容腔中动态总压恢复模型、动态总压的温度修正模型,设计了智能总压传感器原理样件,并基于动态总压恢复模型、动态总压温度修正模型提出了动态总压的智能软测量方法。
Description
技术领域
本发明涉及一种基于微小容腔多动力学的高温气流动态总压智能软测量方法,其属于航空发动机测试领域。
背景技术
一直以来,高温气流的动态总压测量是航空领域中压力检测的一个难题,航空发动机中压气机出口总压pt3是这类难于准确测量压力参数中较为典型的一个。不论是装备于传统战机的航空燃气轮机,还是服务于未来高超声速飞行器的多电/全电发动机,压气机都是其核心压缩部件,承担着产生发动机大部分推力的任务,其工作效率和稳定性直接影响着整机的性能和安全性。压气机出口总压pt3是衡量发动机做功能力、判断发动机稳定工作和影响飞行安全性的重要参数。
压气机出口总压决定了其压比,而高压比能使涡轮功高效的传递给空气,产生主要推力,因此发动机出口总压决定着发动机内气体的总机械能,即发动机的推进性能。
压气机进口总压从推力和自身稳定性两个途径影响飞行安全性。首先,对于超声速飞行器,由于压气机出口总压决定推力,因此如果总压脉动,将引起推力脉动并作用于飞行器,造成飞行器机体振动,即可能出现气动弹性/飞行器/推进系统之间的气动推进伺服弹性的动力学耦合现象,严重时危害飞行安全。为了防止或者抑制这种耦合,则需要及时准确获取压气机出口动态总压,通过压气机主动流场控制等方式消除或缓解总压、推力波动,主动抑制气动推进伺服弹性耦合现象。其次,压气机提供高压比的同时也限制了发动机的稳定工作范围。为了近可能的产生大推力,现代先进风扇/压气机等转速线上的最大压比工作点一般落在稳定边界线上。当发动机在受到外界扰动(如进口流场畸变等),发动机的工作点将可能越过稳定边界,出现旋转失速和喘振等不稳定现象,使得发动机性能急剧降低,严重时还会使发动机熄火,或对发动机造成不可逆转的致命伤害。为了保障压气机的正常工作,通常设定“稳定裕度”使得发动机工作点离喘振边界有一定距离。此时,压气机压比不是其最大压比。压气机设计始终面临着压比、效率和稳定裕度之间的矛盾和折衷。旋转失速发生时,压气机出口总压会呈现高频脉动;喘振时,压气机出口总压则呈现轴向的振荡。由此可见,压气机出口总压的稳态值能够反映压比的大小、发动机近喘程度,其频率和幅值大小则能反映发动机瞬时失速或喘振情况。为了保证压气机稳定工作,须对压气机出口总压进行精确实时地测量,尤其是发动机处于高性能状态时,以便控制系统及时采取措施,在失速/喘振初期及时抑制它们,或在它们已经出现时及时退喘。
因此,高温气流动态总压信号的准确传感与测量是发动机性能分析、气路故障诊断、飞/推一体化主动稳定控制、喘振预测与控制中急需解决的问题。
发明内容
发明目的:为了克服航空动力系统、高速飞行器中高温气流动态总压测量技术和手段中存在的不足,本发明提出一种基于微小容腔多动力学的高温气流动态总压智能软测量方法。通过建立流场中微小容腔内总压衰减动态过程数学模型、流场中温度对动态总压量耦合过程数学模型,设计短测管型压阻式智能压力传感器原理样件,采用模型“串联”融合思想和实验数据校正手段,基于上述数学模型、传感器原理样机和实验数据,获得高温气体动态总压智能软测量方法。
本发明采用如下技术方案:
基于微小容腔多动力学的高温气流动态总压智能软测量方法,包括以下步骤:
步骤1、流场中微小容腔内总压衰减的数学建模:
步骤1.1,基于发动机部件级气动热力学模型,建立压气机出口流场简化模型;
步骤1.2,将微小容腔中气流考虑为定常可压缩流,建立一端开口一端封闭的短测管微小容腔3D流场计算模型。基于该模型开展容腔中定常可压缩流滞止过程的数值模拟,获得滞止过程中沿容腔流程的压力分布情况,进而获得微小容腔内总压和静压随流程的变化规律。
步骤1.3,考虑微小容腔中气流的可压缩性,建立容腔中气体的容积动力学模型,获得容腔封闭端压力动态规律。
步骤1.4,基于3D流场计算模型的数值模拟结果和容积动力学计算获得的封闭端压力动态数据,采用极限学习机算法建立量测端(也即微小容腔封闭端)动态压力与流场中测管入口(也就微小容腔开口端)压力的非线性映射,即为动态总压恢复模型,实现不考虑温度影响的流场中某处动态压力软测量。
步骤2、流场中温度对动态总压量耦合的数学建模:
以3D流场模型计算的微小容腔中的压力和温度为边界约束条件,建立短测管强化换热模型;采用串联原理,基于硅电阻的温度容积动力学模型、动态校正模型和稳态校正模型建立压力量测信号的温度校正模型,也即将硅压阻温的温度容积动力学模型输出(温度、压力)作为动态校正模型的输入,动态压力校正模型的输出——校正后的动态压力作为稳态校正模型的输入,通过稳态校正模型获得经过动态温度和稳态温度校正后的压力;将硅电阻测量值和硅电阻校正值相叠加获得校正后的硅电阻输出值,计算硅电阻端的气体总压,完成动态总压的温度校正模型建模;具体步骤为:
步骤2.1,以管内3D流场模型计算获得微小容腔中的压力和温度为边界约束条件,基于多变气体热力学过程建立包含环境、短测管、管内气体在内的短测管强化换热模型。根据该换热模型,计算获得强化换热下,管内气体沿程的温度、气体参数等的变化规律。
步骤2.2,采用神经网络的智能非线性拟合法,建立温度对硅电阻偏置、灵敏度的稳态校正模型。
步骤2.3,采用传递函数法,建立温度对硅电阻输出的温度动态校正模型。
步骤2.4,考虑容腔效应,建立硅电阻端温度容积动力学模型,依据该微分方程计算温度的动态变化规律。
步骤2.5,采用串联原理,基于温度容积动力学模型、动态校正模型和稳态校正模型建立压力量测信号的温度校正模型,即利用动态校正模型计算该模型输出值,以该输出值作为稳态校正模型输入值,利用稳态校正模型计算出硅电阻的校正值。
步骤2.6,将硅电阻测量值和硅电阻校正值相叠加,获得校正后的硅电阻输出值。依据硅电阻的电阻-压力特性,由硅电阻输出值计算获得硅电阻所受的压力值,也就是短测管的硅电阻端的气体总压,至此完成动态总压的温度校正模型建模,即温度对动态总压量耦合过程数学建模。
步骤3、短测管型压阻式智能压力传感器原理样件设计:
基于步骤1和步骤2中所建立动态总压恢复模型和动态总压的温度校正模型以及微小容腔强化换热模型,建立基于量测数据的压气机出口动态总压智能传感模型,压气机出口动态总压智能传感模型的计算过程是:首先,将测量获得的压力测量信号和微小容腔强化换热模型素材的温度信号作为动态总压的温度校正模型的输入,获得该模型的输出,也就是经过温度校正后的动态总压信号;其次,将经过温度校正后的动态总压信号和微小容腔强化换热模型输出的温度作为动态总压恢复模型的输入,通过动态总压恢复模型获得流场中短测管入口处气流动态总压;具体步骤为:
步骤3.1,设计等管径单弯管型短测管:短测管由弯管和硅压阻构成,弯管由互相垂直等两段直管连接构成,弯管的管内径和管外径均为等直径结构,弯管长度由航空发动机压气机出口出机匣厚度和气流附面层厚度决定,理论上长度应大于机匣厚度和附面层厚度之和;硅压阻安装在短测管一端,并将该端封闭,以免被测气体泄漏;硅压阻端通过导线将硅压阻接入压力信号检测智能单元。
步骤3.2,设计压力信号检测智能单元:智能单元包括基于ARM和FPGA的中央处理单元(Center Process Unit,CPU),测量电桥、整形滤波电路、信号采集电路,电源电路、复位电路和晶振电路。
步骤3.3,设计基于压气机出口压力智能传感模型的压力智能传感软件:主要采用硬件描述语言Verilog和C语言编写嵌入式的动态总压恢复模型、动态总压的温度校正模型,具体设计过程为:在没有信号触发时,设计CPU处于空闲状态;当模数转换芯片转换完成,由转换完成使能信号触发CPU的状态转移,使得CPU进入计算状态;进入在计算状态后,CPU读取reg型压力信号和温度信号,随后按照动态总压恢复模型、动态总压的温度校正模型和短测管强化换热模型计算算法计算得到动态压力的大小,存放至reg型变量中;计算完成后,CPU跳转至发送状态,该状态将动态压力值转换为二进制量,以wire型信号输出,随后CPU状态跳转回到空闲状态。
步骤4、高温气体动态总压智能软测量方法设计:
步骤4.1,基于总压恢复模型和压力量测信号的温度校正模型,建立基于量测数据的压气机出口动态总压智能传感模型。采用“串联”思想,将温度校正模型输出值,也就是校正后的压力值传递给动态总压恢复模型,作为该模型输入值,依据该模型计算出模型输出值,这个输出值也就是短测管入口处气流总压数值。
步骤4.2,依托低速压气机试验平台,模拟压气机出口流场,利用短测管型压阻式智能压力传感器原理样件测量该流场压力数据,利用温度传感器测量该流场温度数据。
步骤4.3,根据所测量的压力数据和温度数据,采用非线性拟合方法,修正总压衰减模型、压力量测信号的温度校正模型,即所述动态总压恢复模型和动态总压的温度校正模型,至此形成基于微小容腔多动力学的高温气体动态总压智能软测量方法。
本发明有如下有益效果:
(1)所获得的微小容腔中的动态总压恢复模型、动态总压的温度修正模型及动态压力智能软测量方法可用于航空发动机压气机出口动态总压的测量中。经过适当的修正,这些模型和方法还可用于航空航天领域中高速飞行器、发动机其他关键截面的高温气流的动态总压测量中。
(2)基于定常可压缩流气体动力学、容积动力学、多变气体传热学等基础性理论与方法开展的微小容腔中温度、压力动态的数值模拟方法和过程可用于航空发动机整机或容腔类部件的性能模型的建模中。
(3)智能压力传感器原理样机设计中的智能处理单元构架和相关信号处理电路可以为以模拟量为输出的其他类型智能传感器,如智能位移传感器的智能处理单元设计提供有益参考。
附图说明
图1是高温气流动态总压智能软测量方案。
图2是高温气流动态总压智能传感器方案。
图3是动态总压恢复模型建模技术途径。
图4是动态总压恢复模型建模技术途径。
图5是智能压力传感器智能单元硬件方案。
具体实施方式
本下面结合附图对本发明的技术方案进行详细说明。
本发明的技术方案包括高温气流动态总压智能软测量方案(图1)和高温气流智能压力传感器方案(图2)。
图1所示的高温气流动态总压智能软测量方法中主要包括动态总压恢复模型、微小容腔强化换热模型和动态总压的温度修正模型。软测量方案是通过硅电阻获得短测管B截面处的动态压力信号(也即动态总压),通过强化换热模型获得B截面处温度信号;将温度信号传递给动态压力的温度修正模型,获得经温度修正的压力测量信号;动态总压恢复模型根据修正后的压力量测信号和温度信号,估计(恢复)出短测管入口(A截面)处气流动态总压。图1中红色箭头表示动态压力软测量过程中压力信号的发展过程。
如图2所示,该智能压力传感器由微软测管、硅电阻(压力敏感元件)和智能传感单元构成。短测管一段开口一端封闭,其封闭端(图2中B截面)安装有硅电阻。测量时,将短测管开口端伸入流场A截面,并使小孔正对来流。流场中高温气体进入测管并滞止,压力敏感元件感受滞止后的气体压力(即A截面出气流总压),并将输出电信号传递给智能单元。智能单元对量测信号进行处理与采样后,根据动态总压恢复模型和温度校正模型对量测信号进行修正,获得流道内A截面处的动态总压。
在微小容腔内压力衰减的数学建模过程中,为了降低短测管对被测流场的影响,本发明将建立包含被测流场和短测管在内的三维流体力学计算模型,通过数值模拟方法,确定从管的形状、特征几何尺寸、管的安装位置、流场内管长、管总长度对于流场特征参数,尤其是流速、温度、压力等的影响。以特此特征参数变化最小为优化目标,优化并确定管的特征几何尺寸、安装位置、管总长度、管各段长度和流场内管长。
为了建立一端开放一端封闭的微小容腔内压力从开放端到封闭端衰减的数学模型,在此采用定常可压缩流的滞止过程和容腔效应及其相互耦合的方法,具体技术途径是:
首先并行开展微小容腔3D流场计算模型和容积动力学模型建模工作。将微小容腔中气流考虑为定常可压缩流,建立容腔中3D流场计算模型。基于该模型开展容腔中定常可压缩流滞止过程的数值模拟,获得滞止过程中沿容腔流程的压力分布情况。考虑微小容腔中气流的可压缩性,建立容腔中气体的容积动力学模型,获得容腔封闭端(图3中B截面)压力动态规律。
其次,基于数值模拟结果和封闭端压力动态数据,采用极限学习机算法建立量测端也即容腔封闭端动态压力与流场中测管入口(图3中A截面),也就容腔开口端压力的非线性映射,即为动态总压恢复模型,一方面实现对动态总压衰减的数学建模,另一方面以封闭端的量测压力为输入,通过该模型可以估计出测管入口A截面出气流的总压,实现不考虑温度影响的流场中某处动态压力软测量。
为了建立一端开放一端封闭的微小容腔内温度与压力耦合的数学建模,本发明拟从强化换热、容积效应和温度对硅电阻材料特性影响的角度出发建立温度与压力耦合的数学模型,技术路径如图4所示。沿着图4所示技术途径,采用的方法包括基于多变气体热力学过程建立包含环境、短测管、管内气体在内的强化换热模型。基于该模型计算获得强化换热下管内气体沿程的温度、气体参数等的变化规律。采用神经网络的智能非线性拟合法,建立温度对硅电阻偏置、灵敏度的稳态校正模型。考虑容腔效应,建立硅电阻端温度的容积动力学模型,获得温度的动态变化规律。采用串联原理,基于温度容积动力学模型、动态校正模型和稳态校正模型建立压力量测信号的温度校正模型,即利用动态校正模型计算该模型输出值,以该输出值作为稳态校正模型输入值,利用稳态校正模型计算出硅电阻的校正值。将硅电阻测量值和硅电阻校正值相叠加,获得校正后的硅电阻输出值。依据硅电阻的电阻-压力特性,由硅电阻输出值计算获得硅电阻所受的压力值,也就是短测管的硅电阻端的气体总压,至此完成动态总压的温度修正模型建模,即温度对动态总压量耦合过程数学建模。
在智能压力传感器原理样件设计中,包括等管径单弯管型短测管设计、压力信号检测智能单元设计和基于压气机出口压力智能传感模型的压力智能传感软件设计。短测管由弯管和硅压阻构成。拟采用UG/CAD设计短测管的结构。弯管由互相垂直等两段直管连接构成。弯管的管内径和管外径均为等直径结构。弯管长度由航空发动机压气机出口出机匣厚度和气流附面层厚度决定,理论上长度应大于机匣厚度和附面层厚度之和。硅压阻安装在短测管一端,并将该端封闭,以免被测气体泄漏。
硅压阻端通过导线将硅压阻接入压力信号检测智能单元。压力信号检测智能单元设计中,以ARM和FPGA的中央处理单元(Center Process Unit,CPU)为主,还包括测量电桥、整形滤波电路、信号采集电路、电源电路、复位电路和晶振电路。智能单元硬件方案如图5所示。压力智能传感软件设计中,主要采用Verilog和C语言编写嵌入式的动态总压恢复模型、动态总压的温度校正模型软件,并下载至智能单元CPU中,设计过程为:在没有信号触发时,设计CPU处于空闲状态;当模数转换芯片转换完成,由转换完成使能信号触发CPU的状态转移,使得CPU进入计算状态;进入在计算状态后,CPU读取reg型压力信号和温度信号,随后按照动态总压恢复模型、动态总压的温度校正模型和短测管强化换热模型计算算法计算得到动态压力的大小,存放至reg型变量中;计算完成后,CPU跳转至发送状态,该状态将动态压力值转换为二进制量,以wire型信号输出,随后CPU状态跳转回到空闲状态。。
基于总压恢复模型和压力量测信号的温度校正模型,建立基于量测数据的压气机出口动态总压智能传感模型。采用“串联”思想,将温度校正模型输出值,也就是校正后的压力值传递给动态总压恢复模型,作为该模型输入值,依据该模型计算出模型输出值,这个输出值也就是短测管入口处气流总压数值。
依托低速压气机试验平台,模拟压气机出口流场,利用短测管型压阻式智能压力传感器原理样件测量该流场压力数据,利用温度传感器测量该流场温度数据。根据所测量的压力数据和温度数据,采用非线性拟合方法,修正总压衰减模型、压力量测信号的温度校正模型,即所述动态总压恢复模型和动态总压的温度校正模型,至此形成基于微小容腔多动力学的高温气体动态总压智能软测量方法。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.基于微小容腔多动力学的高温气流动态总压智能软测量方法,其特征在于:包括以下步骤:
步骤1、流场中微小容腔内总压衰减的数学建模:建立量测端动态压力与流场中测管入口压力的非线性映射,构建动态总压恢复模型;
步骤2、流场中温度对动态总压量耦合的数学建模:以3D流场模型计算的微小容腔中的压力和温度为边界约束条件,构建短测管强化换热模型;并将包括温度和压力在内的硅电阻测量值及其经稳态校正模型校正后的硅电阻校正值相叠加,获得校正后的硅电阻输出值,计算硅电阻端的气体总压,构建动态总压的温度校正模型;
步骤3、短测管型压阻式智能压力传感器原理样件设计:
基于所述动态总压恢复模型、动态总压的温度校正模型、微小容腔强化换热模型,建立基于量测数据的压气机出口动态总压智能传感模型;
步骤4、高温气体动态总压智能软测量方法设计:
对测得的压力数据、温度数据进行非线性拟合,修正所述动态总压恢复模型和动态总压的温度校正模型。
2.根据权利要求1所述的基于微小容腔多动力学的高温气流动态总压智能软测量方法,其特征在于:步骤1构建动态总压恢复模型的方法为:建立压气机出口流场简化模型,基于一端开口一端封闭的短测管微小容腔3D流场计算模型的数值模拟结果、容腔中气体的容积动力学模型计算的封闭端压力动态数据,建立量测端动态压力与流场中测管入口压力的非线性映射,即为动态总压恢复模型。
3.根据权利要求1或2所述的基于微小容腔多动力学的高温气流动态总压智能软测量方法,其特征在于:步骤1中具体步骤如下:
步骤1.1,基于发动机部件级气动热力学模型,建立压气机出口流场简化模型;
步骤1.2,将微小容腔中气流考虑为定常可压缩流,建立一端开口一端封闭的短测管微小容腔3D流场计算模型;基于该模型开展容腔中定常可压缩流滞止过程的数值模拟,获得滞止过程中沿容腔流程的压力分布情况,进而获得微小容腔内总压和静压随流程的变化规律;
步骤1.3,考虑微小容腔中气流的可压缩性,建立容腔中气体的容积动力学模型,获得容腔封闭端压力动态规律;
步骤1.4,基于3D流场计算模型的数值模拟结果和容积动力学计算获得的封闭端压力动态数据,采用极限学习机算法建立量测端即微小容腔封闭端的动态压力与流场中测管入口即微小容腔开口端的压力的非线性映射,即为动态总压恢复模型,实现不考虑温度影响的流场中某处动态压力软测量。
4.根据权利要求1所述的基于微小容腔多动力学的高温气流动态总压智能软测量方法,其特征在于:步骤2构建短测管强化换热模型、动态总压的温度校正模型的方法为:以3D流场模型计算的微小容腔中的压力和温度为边界约束条件,建立短测管强化换热模型;采用串联原理,基于硅电阻的温度容积动力学模型、动态校正模型和稳态校正模型建立压力量测信号的温度校正模型,即将硅压阻温的温度容积动力学模型输出作为动态校正模型的输入,动态压力校正模型的输出——校正后的动态压力作为稳态校正模型的输入,通过稳态校正模型获得经过动态温度和稳态温度校正后的压力;将硅电阻测量值和硅电阻校正值相叠加获得校正后的硅电阻输出值,计算硅电阻端的气体总压,完成动态总压的温度校正模型建模。
5.根据权利要求1或4所述的基于微小容腔多动力学的高温气流动态总压智能软测量方法,其特征在于:步骤2中具体步骤如下:
步骤2.1,以管内3D流场模型计算获得微小容腔中的压力和温度为边界约束条件,基于多变气体热力学过程建立包含环境、短测管、管内气体在内的短测管强化换热模型;根据该换热模型,计算获得强化换热下,管内气体沿程包括温度、气体在内的参数的变化规律;
步骤2.2,采用神经网络的智能非线性拟合法,建立温度对硅电阻偏置、灵敏度的稳态校正模型;
步骤2.3,采用传递函数法,建立温度对硅电阻输出的温度动态校正模型;
步骤2.4,考虑容腔效应,建立硅电阻端温度容积动力学模型,依据该模型的微分方程计算温度的动态变化规律;
步骤2.5,采用串联原理,基于温度容积动力学模型、动态校正模型和稳态校正模型建立压力量测信号的温度校正模型,即利用动态校正模型计算该模型输出值,以该输出值作为稳态校正模型输入值,利用稳态校正模型计算出硅电阻的校正值;
步骤2.6,将硅电阻测量值和硅电阻校正值相叠加,获得校正后的硅电阻输出值;依据硅电阻的电阻-压力特性,由硅电阻输出值计算获得硅电阻所受的压力值,也就是短测管的硅电阻端的气体总压,至此完成动态总压的温度校正模型建模,即温度对动态总压量耦合过程数学建模。
6.根据权利要求1所述的基于微小容腔多动力学的高温气流动态总压智能软测量方法,其特征在于:步骤3构建压气机出口动态总压智能传感模型的方法为:首先,将测量获得的压力测量信号和微小容腔强化换热模型素材的温度信号作为动态总压的温度校正模型的输入,获得该模型的输出,也就是经过温度校正后的动态总压信号;其次,将经过温度校正后的动态总压信号和微小容腔强化换热模型输出的温度作为动态总压恢复模型的输入,通过动态总压恢复模型获得流场中短测管入口处气流动态总压,完成压气机出口动态总压智能传感模型的构建。
7.根据权利要求1或6所述的基于微小容腔多动力学的高温气流动态总压智能软测量方法,其特征在于:步骤3中具体步骤如下:
步骤3.1,设计等管径单弯管型短测管:短测管由弯管和硅压阻构成,弯管由互相垂直等两段直管连接构成,弯管的管内径和管外径均为等直径结构;弯管长度大于压气机出口的机匣厚度和附面层厚度之和;硅压阻所在短测管端封闭;硅压阻端通过导线将硅压阻接入压力信号检测智能单元;步骤3.2,设计压力信号检测智能单元:智能单元包括基于ARM和FPGA的中央处理单元、测量电桥、整形滤波电路、信号采集电路、电源电路、复位电路和晶振电路;
步骤3.3,设计基于压气机出口压力智能传感模型的压力智能传感软件,采用Verilog和C语言编写嵌入式的动态总压恢复模型、动态总压的温度校正模型。
8.根据权利要求7所述的基于微小容腔多动力学的高温气流动态总压智能软测量方法,其特征在于:所述步骤3.3基于压气机出口压力智能传感模型的压力智能传感软件,采用硬件描述语言Verilog编写嵌入式的动态总压恢复模型、动态总压的温度校正模型的设计过程为:在没有信号触发时,设计CPU处于空闲状态;当模数转换芯片转换完成,由转换完成使能信号触发CPU的状态转移,使得CPU进入计算状态;进入在计算状态后,CPU读取reg型压力信号和温度信号,随后按照动态总压恢复模型、动态总压的温度校正模型和短测管强化换热模型计算算法计算得到动态压力的大小,存放至reg型变量中;计算完成后,CPU跳转至发送状态,该状态将动态压力值转换为二进制量,以wire型信号输出,随后CPU状态跳转回到空闲状态。
9.根据权利要求1所述的基于微小容腔多动力学的高温气流动态总压智能软测量方法,其特征在于:步骤4修正总压衰减模型、压力量测信号的温度校正模型的方法为:模拟压气机出口流场,短测管型压阻式智能压力传感器原理样件测量压力数据、温度传感器测量温度数据,进行非线性拟合,修正总压衰减模型、压力量测信号的温度校正模型。
10.根据权利要求1或9所述的基于微小容腔多动力学的高温气流动态总压智能软测量方法,其特征在于:步骤4中具体步骤如下:
步骤4.1,基于总压恢复模型和压力量测信号的温度校正模型,建立基于量测数据的压气机出口动态总压智能传感模型:采用“串联”思想,将温度校正模型输出值,也就是校正后的压力值传递给动态总压恢复模型,作为该模型输入值,依据该模型计算出模型输出值,这个输出值也就是短测管入口处气流总压数值;
步骤4.2,依托低速压气机试验平台,模拟压气机出口流场,利用短测管型压阻式智能压力传感器原理样件测量该流场压力数据,利用温度传感器测量该流场温度数据;
步骤4.3,根据所测量的压力数据和温度数据,采用非线性拟合方法,修正总压衰减模型、压力量测信号的温度校正模型,至此形成基于微小容腔多动力学的高温气体动态总压智能软测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110195150.2A CN113051661A (zh) | 2021-02-19 | 2021-02-19 | 基于微小容腔多动力学的高温气流动态总压智能软测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110195150.2A CN113051661A (zh) | 2021-02-19 | 2021-02-19 | 基于微小容腔多动力学的高温气流动态总压智能软测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113051661A true CN113051661A (zh) | 2021-06-29 |
Family
ID=76509957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110195150.2A Pending CN113051661A (zh) | 2021-02-19 | 2021-02-19 | 基于微小容腔多动力学的高温气流动态总压智能软测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113051661A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114063667A (zh) * | 2021-10-25 | 2022-02-18 | 南京航空航天大学 | 一种基于压力敏感电阻的无源自适应振动控制方法 |
CN114077775A (zh) * | 2021-10-29 | 2022-02-22 | 南京航空航天大学 | 一种面向航空发动机的动态压力智能测量方法 |
CN116089800A (zh) * | 2023-04-10 | 2023-05-09 | 武汉工程大学 | 激波流场动态压力测量信号振铃分量提取校正方法及系统 |
-
2021
- 2021-02-19 CN CN202110195150.2A patent/CN113051661A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114063667A (zh) * | 2021-10-25 | 2022-02-18 | 南京航空航天大学 | 一种基于压力敏感电阻的无源自适应振动控制方法 |
CN114063667B (zh) * | 2021-10-25 | 2022-06-28 | 南京航空航天大学 | 一种基于压力敏感电阻的无源自适应振动控制方法 |
CN114077775A (zh) * | 2021-10-29 | 2022-02-22 | 南京航空航天大学 | 一种面向航空发动机的动态压力智能测量方法 |
CN114077775B (zh) * | 2021-10-29 | 2024-09-13 | 南京航空航天大学 | 一种面向航空发动机的动态压力智能测量方法 |
CN116089800A (zh) * | 2023-04-10 | 2023-05-09 | 武汉工程大学 | 激波流场动态压力测量信号振铃分量提取校正方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113051661A (zh) | 基于微小容腔多动力学的高温气流动态总压智能软测量方法 | |
Arts et al. | Aero-thermal performance of a two-dimensional highly loaded transonic turbine nozzle guide vane: A test case for inviscid and viscous flow computations | |
Langston et al. | Three-dimensional flow within a turbine cascade passage | |
Persico et al. | Design and analysis of new concept fast-response pressure probes | |
CN104048808B (zh) | 一种动态熵探针 | |
Venable et al. | Influence of vane-blade spacing on transonic turbine stage aerodynamics: Part I—Time-averaged data and analysis | |
Gong et al. | Aerodynamic and thermodynamic analysis of an aero-engine pre-swirl system based on structure design and performance improvement | |
CN115524134B (zh) | 一种航空发动机防冰系统引气量测试结构及方法 | |
CN207195042U (zh) | 航空发动机空气系统引气管路 | |
CN118408673B (zh) | 基于中介机匣损失模型的压气机进口总压修正方法及系统 | |
CN114462336B (zh) | 一种核反应堆主管道冷却剂平均温度计算方法 | |
Gossweiler et al. | On fast-response probes: part 1—technology, calibration, and application to turbomachinery | |
Li et al. | A non-invasive measurement method of pipeline flow rate based on dual FBG sensors | |
Gerolymos et al. | Multistage three-dimensional Navier-Stokes computation of off-design operation of a four-stage turbine | |
Joo et al. | The simulation of turbomachinery blade rows in asymmetric flow using actuator disks | |
Peyvan et al. | Axial-flow compressor performance prediction in design and off-design conditions through 1-D and 3-D modeling and experimental study | |
CN115575074B (zh) | 一种高速风洞通气模型内阻测量不确定度分析方法 | |
Kielb et al. | Experimental and numerical study of forced response in a full-scale rotating turbine | |
CN108760329B (zh) | 一种低压涡轮噪声试验方法及其改进方法 | |
Kamat et al. | Flow distortion based S-duct optimization using adjoint methodology | |
CN114077775B (zh) | 一种面向航空发动机的动态压力智能测量方法 | |
AGHA et al. | Experimental modeling of twin-entry radial turbine | |
Sears et al. | Interference-free wind-tunnel flows by adaptive-wall technology | |
CN113221404B (zh) | 多物理场耦合下压气机出口总压探针结构智能优化方法 | |
Ye et al. | Turbine efficiency measurement by thermodynamic test method |
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 |