CN113710877B - 涡轮发动机中的模型重置 - Google Patents
涡轮发动机中的模型重置 Download PDFInfo
- Publication number
- CN113710877B CN113710877B CN202080029618.4A CN202080029618A CN113710877B CN 113710877 B CN113710877 B CN 113710877B CN 202080029618 A CN202080029618 A CN 202080029618A CN 113710877 B CN113710877 B CN 113710877B
- Authority
- CN
- China
- Prior art keywords
- model
- pressure
- line segment
- resetting
- reset
- 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
- 238000000034 method Methods 0.000 claims abstract description 81
- 238000005259 measurement Methods 0.000 claims abstract description 23
- 230000003068 static effect Effects 0.000 claims abstract description 14
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 12
- 238000002485 combustion reaction Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 37
- 238000012937 correction Methods 0.000 claims description 36
- 230000007423 decrease Effects 0.000 claims description 11
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 7
- 230000032683 aging Effects 0.000 claims description 7
- 230000008014 freezing Effects 0.000 claims description 5
- 238000007710 freezing Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 8
- 239000001509 sodium citrate Substances 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 239000001508 potassium citrate Substances 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000004307 sodium orthophenyl phenol Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000001839 endoscopy Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000004306 orthophenyl phenol Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000013022 venting Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
- B64F5/60—Testing or inspecting aircraft components or systems
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
- F01D17/00—Regulating or controlling by varying flow
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D33/00—Arrangements in aircraft of power plant parts or auxiliaries not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Manufacturing & Machinery (AREA)
- Transportation (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
- Feedback Control In General (AREA)
- Control Of Turbines (AREA)
Abstract
本发明涉及一种用于对涡轮发动机中的燃烧腔室上游的静态压力模型(mod_Ps3(PCN25R))进行重置的方法,该静态压力模型被称为“Ps3模型”,涡轮发动机包括压缩机(3),Ps3模型用于在燃烧腔室上游的被称为“Ps3压力”的静态压力(Ps3)的两个获取通道(V10,V20)之间进行裁决,两个获取通道(V10,V20)使用两个传感器(10,20),该模型将压力Ps3表示成至少是压缩机(3)的速度(PCN25R)的函数,该速度被称为“PCN25R速度”,且方法包括如下步骤:E1:使用两个传感器(10,20)之一来对压力Ps3值进行测量;E2:使用Ps3的值的测量结果来对Ps3模型进行重置。
Description
技术领域
本发明涉及在涡轮发动机的环境中更新预测模型。
作为初步阶段点,给出多个限定。如图1所示,在涡轮发动机1的框架内考虑,涡轮发动机1包括两个相继的压缩机2、3(低压压缩机2和高压压缩机3),随后是燃烧腔室4。这些限定适用于整个应用。
Ps3是在燃烧腔室上游的平面内测量或计算的静态压力。
Xn12R是低压压缩机2的速度,其根据所述压缩机的温度T12而减小(以避免温度变化),以每分钟转数表示。
PCN12R(或在直接驱动的情况下,N1)是低压压缩机2的速度,其根据T12而减小(以避免温度变化),以最大低压速度的百分比表示。
Xn25R是高压压缩机3的速度,其根据T25而减小(以避免温度变化),以每分钟转数表示。
PCN25R(或N2)是高压压缩机3的速度,其根据所述压缩机的温度T25而减小(以避免温度变化),以最大高压速度的百分比表示。
PT2是总的外部压力(由飞行器提供)。
P25是在高压压缩机中建模的静态压力。
模型是描述物理量(参数)作为一个或多个物理变量的函数而演变的数学定律。
背景技术
在运行期间,涡轮发动机在巡航阶段期间有时会经历错误的抽吸检测(两个压缩机之一的叶片失速)。这些事件具有强烈的运行影响(发动机内窥镜检查)且比较危险。
在这两种情况下,当事件发生时,观察到两个通道Ps3之间的偏差故障,即观察到用于获取燃烧腔室上游的静态压力的两个通道之间的偏差故障。
错误的抽吸检测的影响对运行产生重大影响,因为直到发动机用内窥镜检查以查验损坏之前,飞行器固定不动。
获取线Ps3有时包括接收燃烧腔室4上游的压力的管道以及直接位于飞行器计算器(FADEC,表示全权限数字发动机控制)中的两个压力传感器。
Ps3的测量使用两个独立的传感器来进行。为了合并来自两个传感器的信息,执行在两个传感器之间的选择逻辑。在此假设传感器在进行有效的测量(没有电源故障且测量结果在物理上可靠的测量范围内),且两个传感器在获取测量结果,测量结果彼此存在偏差。这种构造造成偏差故障,但是由于不知道哪个测量结果最接近真实值Ps3,因此不可能支持任何测量结果。
为了克服该问题,计算基于热力学定律的Ps3模型。该模型理论上使得通过提供第三量(分析冗余)能够消除疑问,该第三量独立于Ps3的测量结果,这将使得通过选择逻辑能够支持一个或另一个读数。图2示出了该原理,存在两个获取通道V10、V20,模型mod_Ps3以及切换,当通道V10再次变得比先前偏离通道V10的通道V20更接近模型mod_Ps3时,发生切换。切换使得计算器观察到显著的压力变化ΔPs3。
然而,在实践中,观察到模型值与Ps3的真实值相差甚远。这会导致错误的通道裁决。经过研究后,申请人注意到抽吸的错误检测是由于Ps3的选择的突然变化:当Ps3的两个测量结果发生偏差,所选择的通道在一个计算步长中从Ps3中最强的测量结果转到最小的测量结果,因为模型最初更接近最显著的Ps3,然后更接近最弱的Ps3。当压力没有实际下降时,这种包含至少15%的相对值的错误跃变ΔPs3可能触发错误的抽吸检测。
因此,特别需要通过改进裁决的管理,特别是关于改进对压力Ps3的裁决,还关于改进对任何其他参数的裁决,来防范这种类型的事件。
更通常地,需要更好地处理热力学模型,使得无论是对于Ps3还是其他参数,热力学模型更好地反映现实。
此外,可以对热力学模型进行各种改进或使用,以提高热力学模型的速度、效率以及相关性。
专利申请参考文献US 2014/326213 A1、EP 2 434 127 A2、US 2019/080523 A1以及US 2017/218854 A1也是已知的。
发明内容
本发明的目的是提供上述问题的解决方案。
为此,提出了一种用于对涡轮发动机中的燃烧腔室上游的静态压力模型进行重置的方法,该静态压力模型被称为“Ps3模型”,涡轮发动机包括压缩机,Ps3模型用于在燃烧腔室上游的被称为“压力Ps3”的静态压力的两个获取通道之间进行裁决,两个获取通道涉及两个传感器,
该方法使用存储在存储器中的Ps3模型,模型将压力Ps3表示成至少是压缩机的速度的函数,该速度被称为“速度PCN25R”,且方法包括如下步骤:
E1:通过两个传感器之一来对压力值Ps3进行测量,
E2:使用Ps3值的测量结果来对Ps3模型进行重置。
在一个实施例中,Ps3模型是与压缩机压力相关的Ps3模型,压缩机压力被称为“压力P25”,模型被称为“模型PS3/P25”。
在一个实施例中,模型Ps3/P25表示成压缩机速度的函数,压缩机速度根据压缩机温度而减小,压缩机温度被称为“温度T25”,压缩机速度被称为“速度PCN25R”或“速度Xn25R”。
在一个实施例中,对作为速度PCN25R的函数的Ps3/P25模型执行重置。
在一个实施例中,当涡轮发动机进一步包括高压压缩机上游的低压压缩机时,压缩机是高压压缩机。
在一个实施例中,模型Ps3根据线段来分段限定,且重置步骤包括对每个线段进行重置。
在一个实施例中,在每个线段中,模型PS3是线性的。
在一个实施例中,根据线段来进行重置的步骤使用校正器例如积分校正器来执行。
在一个实施例中,模型PS3进一步表示成低压压缩机速度的函数,低压压缩机速度根据压缩机温度而减小,压缩机温度被称为“温度T12”,低压压缩机速度被称为“速度PCN12R”。
在一个实施例中,模型PS3进一步表示成总外部压力的函数,总外部压力被称为“压力T2”。
在一个实施例中,模型PS3由平面限定,且重置步骤包括对每个平面进行重置。
在一个实施例中,基于压缩机中的飞行器空气排放水平来选择要重置的PS3模型,且存储器存储多个模型PS3,多个模型表示成飞行器空气排放量的函数。
还提出一种用于在两个获取通道之间进行裁决的方法,所述方法包括如下步骤:
-A1:执行如上所述的重置方法,
-A2:选择最接近重置模型的获取路径。
还提出一种用于对涡轮发动机的老化进行分析的方法,该方法包括执行如下步骤:
-F1:执行如上所述的重置方法,
-F2:将重置模型保存在非易失性存储器中,
步骤F1和F2至少重复两次,优选地重复两次以上,
-F3:对不同的重置模型进行比较,以由此推导涡轮发动机的状态演化。
为此,提出一种用于对涡轮发动机或飞行器的运行参数的模型进行重置的方法,
模型被限定成线段表示的定律,线段表示的定律将所述参数的值表示成一个变量的函数,或者模型被限定成平面表示的定律,平面表示的定律将所述参数的值表示成两个运行变量的函数,
所述定律在每个线段上是仿射的或者在每个平面上是仿射的,参数模型存储在存储器中。
例如,运行参数和变量与温度或压力相关,或者与压缩机速度(典型地,低压本体的速度Xn12以及高压本体的速度Xn25)相关。更通常地,运行参数和变量可以是任何运行参数,对于该运行参数,存在允许具有分析冗余的测量结果和模型。
重置方法包括如下步骤:
-得到参数的值,
-通过将参数的所述值与模型的对应值进行比较来计算误差,模型的所述值属于模型的线段或平面之一,
-通过使所述误差最小化来应用校正器,以确定校正,
-使用校正来对模型的线段或模型的平面进行重置,以重新定位所述线段或平面,从而获得物理参数的重置模型。
在一个实施例中,获得参数的值的步骤如下执行:
-使用传感器对所述参数进行直接测量,或
-对所述参数所取决于的第三方参数进行测量,或
-进行仿真。
在一个实施例中,校正器是PID校正器或积分校正器。
在一个实施例中,当模型是线段表示的定律时,通过冻结线段的一个点并通过使用校正来移动线段的另一点而进行重置,优选地,两个点是线段的端部。
在一个实施例中,述模型是线段表示的定律时,通过不固定线段的任何点来进行重置,例如通过使用校正来移动线段的两个端部而进行重置。
在一个实施例中,线段的端部的移动取决于线段的端部各自与模型的所述对应值的距离。
在一个实施例中,待应用到线段的一个端部的校正的分配等于模型的对应值到线段的另一端部的距离与线段的长度之比。
在一个实施例中,对模型的线段进行重置的步骤包括在两个重置点之间进行线性插值。
在一个实施例中,当模型是平面表示的定律时,平面具有被切割成三角形的矩形形状,且通过冻结三角形的一个或两个顶点并使用校正来移动三角形的最后两个顶点或最后一个顶点而进行重置。
在一个实施例中,当模型是平面表示的定律时,平面被切割成三角形,且通过移动三角形的三个顶点而进行重置。
在一个实施例中,对三角形的每个顶点的移动根据由其他两个顶点和模型的所述对应值所限定的子三角形的面积来进行。
在一个实施例中,待应用到三角形的顶点的校正的分配等于由其他顶点和模型的所述对应值所限定的子三角形的面积与三角形的面积之比。
在一个实施例中,对三角形进行重置的步骤包括从重置点进行线性插值。
在一个实施例中,参数是压力Ps3或者压力Ps3除以压力P25,其中:
-当模型是线段表示的定律时,变量是速度PCN25R,以及
-当模型是平面表示的定律时,变量是PCN25R和PCN12R,或者是PCN25R和PT2。
在一个实施例中,根据变量来选择要重置的模型,存储器存储表示成飞行器空气排放量的函数的多个模型,变量可能是压缩机中飞行器空气排放水平。
在一个实施例中,校正器的增益对于模型的不同线段或平面是不同的。
还提出一种用于对涡轮发动机的老化进行分析的方法,方法包括执行如下步骤:
-F1:执行如上所述的重置方法,
-F2:将重置模型保存在非易失性存储器中,
步骤F1和F2至少重复两次,优选地重复两次以上,
-F3:对不同的重置模型进行比较,以由此推导涡轮发动机的状态演化。
附图说明
通过以下纯说明性且非限制性的、并应当参照附图来阅读的描述,本发明的其它特征、目的和优点将显现,在附图中:
图1示意性地示出了涡轮发动机。
图2示出了用于使用热力学模型在两个获取通道之间进行裁决的方法。
图3以图表形式示出了用于对压力Ps3进行重置的方法。
图4示出了用于对参数模型例如压力Ps3进行重置的方法的框图。
图5示出了校正器。
图6a和图6b示出了用于对根据线段对2D模型进行重置的方法。
图7a示出了对于线段,通过加权将2D模型重置为线段的方法。
图7b示出了对于多个线段,通过加权将2D模型重置为线段的方法。
图8示出了平面表示的3D模型。
图9示出了用于对参数的3D模型进行重置的方法的框图,参数例如作为压力PCN12R和PCN25R的函数的压力Ps3。
图10a示出了对于平面,通过加权将3D模型重置为线段的方法。
图10b示出了在形成3D模型的平面的矩形中选择三角形。
图10c示出了在形成3D模型的平面的矩形中给三角形选择权重。
图11通过框图示出了在对模型进行重置之前,作为变量的函数的模型选择。
图12示出了用于对涡轮发动机老化进行分析的方法。
具体实施方式
在此重复引言中给出的环境和限定。
首先,将描述用于对燃烧腔室上游的静态压力模型进行重置的方法。该压力将被称为压力Ps3,该模型将被称为“Ps3模型”并表示为mod_Ps3。这是热力学模型。
特别地,Ps3模型的最终目的是使得能够在两个冗余获取通道V10、V20之间进行裁决,获取通道的功能是测量压力Ps3。每个获取通道V10、V20包括传感器10、20。传感器10、20是标准的,在此不进行描述。
下文将描述用于在两个获取通道V10、V20之间进行裁决的方法。
提供计算单元100,计算单元100包括处理器110和存储器120。计算单元100可以是FADEC(“full authority digital engine control,全权限数字发动机控制”)或者是独立的组件,计算单元布置成尽可能靠近获取通道V10、V20以获得更多的响应。
存储器120存储模型mod_Ps3,该模型使得能够获得作为至少一个变量Var的函数的压力PS3值,该变量是速度PCN25R(高压压缩机速度):因此模型mod_Ps3以形式mod_Ps3(PCN25R)写入。在实践中,模型mod_Ps3包括多个子模型,特别地例如与高压压缩机的压力P25相关的Ps3模型(该模型被称为mod_Ps3/P25),且模型mod_Ps3/P25又表示成高压压缩机的速度PCN25R的函数,高压压缩机的速度根据高压压缩机的温度T25而减小。因此,该模型以形式mod_Ps3/P25(PCN25R/T25)写入。
那么,能够用Ps3/P25的值乘以P25来得到Ps3的值。
因此优选地,不是直接对模型mod_Ps3进行重置,而是对模型mod_Ps3/P25进行重置。以形式mod_Ps3对“Ps3模型”的命名,包括不直接表示压力Ps3但是能够随后获得压力Ps3的模型,例如模型mod_Ps3/P25。
在第一步骤E1中,两个获取通道V10、V20之一使用其传感器10、20对涡轮发动机上的压力Ps3的值Val_Ps3(用作变量的物理量的真实值,即PCN25R)进行测量。在该阶段,假设两个获取通道V10、V20正常,且两个传感器10、20给出正确的测量结果。换言之,在两个测量结果之间不存在传感器10、20的故障或超过预定阈值的偏差。
然后将压力Ps3的值Val_Ps3的测量结果发送到计算单元100。
步骤E2可执行数据的转换或处理:例如,Val_Ps3是静态压力Ps3的值,而模型mod_Ps3/P25使用根据P25而减小的压力Ps3:因此需要将静态压力的值除以P25以获得值Val_Ps3/P25。
然后,在步骤E3中,计算单元100使用压力Ps3的值的所述测量结果来对存储在计算单元的存储器120中的Ps3模型进行重置。重置表示模型mod_Ps3中存在至少一个点(实际上如果模型是连续的,则存在多个点或者甚至无穷多个点),该点的纵坐标已被移动(因此横坐标不变)。重置模型被称为Rmod_PS3/P25。随后,通过保留mod_PS3/P25来简化写入,mod_PS3/P25表示重置前后的模型。
在这种情况下,对于给定变量的值,曲线mod_Ps3(Var)的至少一个点P的值Val_mod_Ps3(Var)已在重置前后改变。在优选实施例中,使用mod_Ps3/P25(PCN25R)和Val_mod_Ps3/P25(PCN25R)。
最后,限定将重置的Ps3模型存储在存储器120中的步骤E4。在一个实施例中,通过删除存储器120中的先前模型,由重置的模型mod_Ps3(在这种情况下,mod_Ps3/P25)来替代。在另一实施例中,不删除存储器120中的先前模型。
优选地,步骤E1、E2以及E3的形式是在每个计算步长中以规则的间隔重复。计算步长大约对应于0.015s。在计算步长期间,可执行两个步骤E1和E3,或者使用来自之前步长的步骤E1的数据来并行地执行步骤E1和步骤E3。
由于模型mod_Ps3以规则的间隔更新,所以可更快且因此更正确地进行裁决,避免了与不及时的通道V10、V20变化相关的跃变ΔPs3。
有利地,使用集成在控制链环路中的校正器112来执行重置。下文将详细地描述该校正器。
还限定一种用于在两个获取通道V10、V20之间进行裁决的方法,该裁决方法包括:步骤A1,执行如上所描述的重置方法;以及步骤A2,对获取通道V10、V20进行选择,在步骤A2期间,处理器在两个通道V10、V20中选择通道V10、V20。根据最接近重置模型的获取通道V10、V20来进行选择。步骤A2是常见的,在此不进行描述。
第二,参照图4的通常表示,描述用于对涡轮发动机参数或飞行器参数(例如绝对或相对温度、压力)的模型mod_PARAM进行重置的具体方法。将讨论“感兴趣参数”。该模型还是热力学模型。该模型将参数的变化描述成一个或多个变量Var的函数,该一个或多个变量实际上还是涡轮发动机的参数或飞行器的参数(例如绝对或相对温度、压力)。模型存储在计算单元100的存储器120中。
该方法完全适用于上文所描述的对压力Ps3进行重置的方法。压力Ps3还将用作参数PARAM的示例,且压力PCN25R作为变量Var,但是该方法可应用于飞行器的任何物理参数PARAM和任何变量Var(例如压力PT2):例如mod_Ps3/P25(PCN25R)、mod_Ps3/P25(PCN25R,PCN12R)、mod_Ps3/P25(PCN25R,PT2)、mod_T25(PCN12R,PT2)、mod_Xn25(PCN12R,PT2)(其中Mach是飞行器的速度)、mod_T3(T25)等。
在此,模型被限定成线段表示的定律(被称为二维2D构造的构造形式)或平面表示的定律(被称为三维3D构造的构造形式),表示所述感兴趣参数的值分别作为变量Var的函数(2D)或作为两个变量Var1、Var2的函数(3D)。该定律在每个线段上是线性的(或者换言之,是分段仿射的:也就是说,该定律的方程的一般形式是z=ax+c)或者该定律在每个平面上是线性的(方程的一般形式是z=ax+by+c)。
将模型限定成线段(2D)定律或平面(3D)定律的益处在于线性自动化原理的应用。例如,模型mod_Ps3/P25(Xn25r)或mod_Ps3/P25(PCN25R)其整体不是线性的。
考虑与前面相同的框架,而具有两个获取通道V10、V20。
在步骤E1中,获得感兴趣参数PARAM的值Val_PARAM。通过测量一个或多个获取通道V10、V20的传感器10、20,特别地通过获取第三方参数且由此推导出所述感兴趣参数,可以在上文所描述的步骤E1的环境中获得感兴趣参数的值。
替代地或此外,可使用仿真来获得感兴趣参数PARAM。
以下步骤和子步骤通过计算单元100的处理器110和存储器120来执行。
当测量参数与模型参数不对应时,可执行数据转换步骤E2:例如,如前面所解释的,Val_Ps3是静态压力值Ps3,而模型mod_Ps3/P25使用压力Ps3,其根据P25而减小。在第三方参数的情况下,所述计算单元100从第三方参数的值来计算感兴趣参数的值Val_PARAM。
然后,执行重置步骤E3。该重置步骤E3包括多个子步骤。
在子步骤E31中,处理器110从模型mod_PARAM恢复值Val_mod_PARAM,该值对应于在步骤E1中获得的感兴趣参数的值Val_PARAM。
因此,模型的值Val_mod_PARAM位于模型mod_PARAM的线段或平面之一上。这种对应可通过模型mod_PARAM的变量Var的值来完成:取模型的值Val_mod_PARAM,该值的横坐标对应于感兴趣参数的值Val_PARAM的横坐标。为此,可能需要实际执行两个测量:一个是对参数PARAM进行测量,另一个是对变量Var进行测量,以获得一对数据。
因此,在压力Ps3的情况下,可能在测量Ps3的同时对PCN25R进行测量。
使用两个值Val_mod_PARAM和Val_PARAM,子步骤E31包括通常通过减法来计算误差ε:ε=Val_mod_PARAM-Val_PARAM。该误差ε在图5中示出。
在子步骤E32中,该误差ε由校正器122处理,校正器的作用是使所述误差ε最小化。校正器122能够计算校正corr,该校正corr是待应用到校正过的定律的点的坐标的偏差,该偏差经由校正器PID通过误差获得(测量结果和模型之间的偏差),且必须将该校正引入模型mod_PARAM。由于模型m_PARAM的分段(线段或平面),使得校正只在执行步骤E3期间所考虑的线段或平面上执行。
下文将描述特定的校正器。
最后,在子步骤E33中,使用校正corr对模型mod_PARAM的线段或平面进行重置。该步骤包括通过先前的模型mod_PARAM和在子步骤E32中计算的校正corr来重新计算线段或平面。特别地,重置包括在子步骤E331中移动模型mod_PARAM的最少数量的点,以及在子步骤E332中在这些点之间对模型的其余部分进行插值:对于线段表示的模型,在两个点之间进行插值,而对于平面表示的模型,在三个点之间进行插值。
下文将描述重置的多个实施例。
进一步注意到,例如在图3中,在重置线段的端部移动的情况下,线段的重置也会影响相邻的线段。可进一步执行对相邻的线段进行插值的步骤。
所选择的校正器是PID(比例积分微分)校正器,如图5所示,其中Gp、Gd以及Gi分别是比例校正器的增益、微分校正器的增益以及积分校正器的增益,S是频率域中的变量(拉普拉斯变量)。
积分校正器(PID的I)使得能够给循环系统引入一定的惯性,与完全校正或无校正相比,这使得能够避免对扰动和空闲点的过度敏感。积分校正器还使得能够控制重置速度,且在传感器10、20之一发生漂移的情况下,避免模型m(param)朝向两个通道V10、V20之间的平均值瞬时漂移。
比例校正器(PID的P)和微分校正器(PID的D)被执行以在必要时更精细地调整校正器122,但不会使用(经验方法已经表明,与积分器的贡献相比,比例校正器和微分校正器的贡献不重要,积分器自然地更好地对期望的行为进行转录以用于重置)。因此可获得Gp=Gd=0。
校正器被调整使得模型mod_PARAM被足够快地重置,以对涡轮发动机进行重新配置(例如,来自高压压缩机的空气排放水平变化)。
线段表示的模型(2D)
在此,置身于模型mod_PARAM的线段上,该模型与在步骤E1中得到的测量结果Val_PARAM相关。该线段具有两个端点,一个端点在左边,且另一个端点在右边,标注为A和B。
逐点重置
如图6a和图6b所示,第一方案在于通过修改线段的单个点的坐标(例如修改端点A或端点B之一的坐标,而另一个端点被冻结)来报告校正。
在这种情况下,校正器122的输出直接影响点B(或点A),且点A(或点B)保持冻结。然而,该方案限制于对模型mod_PARAM的至少一个点进行冻结以作为参照,这将影响模型mod_PARAM的其他线段。因此,在重置步骤E2期间,更具体地在子步骤E231期间,仅移动两个端点之一。然后,执行插值步骤E232。
该方案最简单且计算起来最快。
线段的两点的加权重置
如图7a和图7b所示,第二方案在于以加权方式来分配校正,以使得能够以更有代表性且更有效的方式来对所选线段进行重置。在有利的实施例中,根据值Val_PARAM与线段的点A和点B之间的距离来执行加权,在此,Val_PARAM是Val_Ps3/P25。
图7a和图7b示出了在间隔和计算步长上的重置:
-步骤E1:测量值Val_PARAM通过一个或两个获取通道V10、V20获得;在示例中,测量值是Val_Ps3,
-步骤E2(图7b的图片(a)):测量值Val_PARAM转换成与模型mod_PARAM同质;通过简化,保留相同的参照Val_PARAM,
-步骤E31(图7b的图片(b)):ε是测量值Val_PARAM与模型的值Val_mod_PARAM之间的偏差;在示例中是在压力Ps3下:Val_PARAM=Val_PS3/P25,即测量的压力Ps3除以压力P25模型,且Val_mod_PARAM=Val_mod_Ps3/P25,即重置模型(通过之前的迭代)的压力Ps3除以P25模型,
-步骤E32(图7b的图片(b)):经由校正器122通过对误差ε进行积分,使得误差ε最小化,以计算校正corr,
-步骤E331(图7a):从点Val_mod_PARAM到点A的距离是相对于点A和点B之间的距离来测量(或者在步骤E31之前测量),在此,Val_mod_PARAM是Val_mod(Ps3/P25),点A构成变量Var(在此是PCN25R)区间的下限且是所选择的模型的线性化的函数。最后,校正分配在点A的纵坐标上(以给出A')和校正分配在点B的纵坐标上(以给出B'),
-步骤E332(图7b的图片(c)):在两个重置的点A'和B'之间对新的线段进行插值。
其运行原理是根据与之前相同的原理在A点的纵坐标和B点的纵坐标上分配对区间的校正器122的校正corr:在一个实施例中,X%的校正分配在B点的纵坐标上,其中X是从点Val_mod_PARAM到A点的距离与从点A到点B的距离之间的比。100-X%的校正分配在A点的纵坐标上(图7a中为30%和70%)。
一旦已替换两个点A'和B',就能够在步骤E232中在这两个点之间对模型进行插值。由于该定律通过线段限定,所以线性插值(或仿射插值)简单。
可替代地,线段的任何其他(不同)点可通过校正来移动:选择两个点就足够了,且线性插值(或仿射插值)使得能够使所考虑的线段的其余部分变得完整。
因此,该方法使得能够进行有效且快速的重置,以获得重置模型mod_PARAM。然而,由于该模型mod_PARAM仅取决于一个变量Var(在mod_Ps3的情况下,PCN25R),所以这对于某些飞行情况可能不够,特别地,当感兴趣参数PARAM取决于多个变量Var1、Var2时。
平面表示的模型(3D)
在这方面,为了考虑多个变量,模型mod_PARAM可以是两个变量的函数(mod_PARAM(Var1,Var2)),并以通过平面限定的定律的形式表示,该定律在每个平面上是线性的,如图8所示。
图9示出了在平面表示的模型的情况下重置方法的实现方式。
例如,在压力Ps3的情况下,当激活空气排放水平时,模型mod_Ps3/P25(PCN25R)(即作为PCN25R的函数根据P25减小的模型Ps3)被修改,因为通过高压压缩机压缩的空气的一部分输送到飞行器空气系统。可选地,如果校正器122的增益被调整使得模型快速地重置,则线段表示的2D模型的校正器122使得能够适应于该重新配置,但这可能造成其他困难。
空气排放从主流执行。空气排放可被飞行器使用(例如给机舱加压……)。空气排放还可以在次级流中被拒绝(通过可变排放阀VBV,涡轮旁通阀TBV),其目的是降低压缩机下游的压力,以避免抽吸。然后根据飞行器需要的空气量和由于发动机控制原因释放到次级流中的量,可限定空气排放水平。这些排放水平对速度/Ps3相关性有影响,因为根据空气排放水平,对于相同的发动机速度可获得不同的压力。那么就变得很难根据速度来限定调节Ps3的模型。在各实施例中开发以对该问题做出响应的方案是限定多个模型,每个模型对应于给定的空气排放水平。然后要求校正器根据在给定瞬间活跃的空气排放水平来改变模型。
在压力Ps3的示例中,为了克服空气排放问题,因此实施Ps3/P25模型,该模型不再只取决于PCN25R,而是还取决于PCN12R:因此限定mod_Ps3/P25(PCN25R,PCN12R)。当激活直接排放时,与PCN25R和PCN12R关联的定律改变,这使得能够考虑系统的重新配置。因此,该定律的重置需要新的“3D”校正器。
逐点重置
未示出的第一方案在于以如下方式来考虑校正:固定矩形的单个点(例如矩形的顶点A、B、C或D中的一个顶点)的坐标,并修改矩形的两个点(例如顶点A、B、C或D中的两个顶点)的坐标。可替代地,可固定矩形的两个点(例如矩形的顶点A、B、C或D中的两个顶点)的坐标来固定两个点,并修改矩形的点(例如顶点A、B、C或D中的两个顶点)的坐标。
在子步骤E331期间移动相关点,然后在整个矩形上执行插值步骤E332。由于每次在三个点上工作,所以保证了插值的矩形的存在。
加权重置
为了使得能够进行没有点被固定的加权重置,模型mod_PARAM通过将矩形ABCD切割成三角形ABC、ABD来线性化,三角形ABC、ABD通常是两个互补的三角形(图8)。事实上,三个点A、B、C在重置前后总是共面,这保证了一旦执行重置三个点的子步骤E331,则存在在插值子步骤E332中对重置的三角形的插值。因此,通过校正得到的三个新的点可用于描述平面的笛卡尔方程,从而使得能够对模型mod_PARAM进行线性插值。
实际上,如果在表面的三个点上进行加权的校正应用于四个点(例如矩形的四个顶点ABCD),如果矩形的四个点不再共面,矩形就会发生变形(就不可能使用平面的笛卡尔方程对参数PARAM的坐标进行插值)。
在子步骤E331中,首先根据通过步骤E1和E2获得的值Val_PARAM(被称为点X)来选择要进行重置的三角形是一个问题。为此,将矩形一分为二的线段AC和线段AX之间的斜率不同(图10b)。可使用任何顶点B、C或D。
事实上,由于四个点A、B、C、D形成矩形,且点X对应于测量点Val_PARAM,因此需要确定X是属于三角形ABC还是属于三角形ACD(回想到与ABD和DBC相比,这些三角形是任意选择的)。
为此,在子步骤E331期间,对直线(AC)和(AX)的变化率ΔAC、ΔAX的值进行比较。实际上,如果ΔAX>ΔAC,则选择ACD;如果ΔAX≤ΔAC,则选择ABC。然后是关于校正的分配。
与线段表示的2D模型不同,点X与三角形ABC的点之间的距离不考虑待应用的校正的分配。因此,与三角形XAB、XAC以及XBC的面积成比例地进行分配(在图10c中,x是XBC的面积,y是AXC的面积,以及z是XAB的面积)。
通过corr_a=x/(x+y+z)、corr_b=y/(x+y+z)以及corr_z=z/(x+y+z)来限定比值corr_A、corr_B、corr_C。
将比值corr_A应用到A点的重置,将比值corr_B应用到B点的重置,并将比值corr_C应用到D点的重置。
最后,通过用简单的平面笛卡尔方程对三个点的重置执行插值子步骤E332,以对整个三角形进行插值。
矩阵(2D)线段模型
认为2D线段模型具有限制,特别是当另一个变量可能对模型mod_PARAM存在强烈影响时。
如图11所示,考虑另一变量的另一方案在于在存储器120中存储2D模型mod_PARAM的矩阵M。存在形式为mod_PARAM_Var2(Var1)的模型,其中mod_PARAM_Var2给变量Var2的给定值(或一组给定值)指定适用模型,而不是具有形式为mod_PARAM(Var1,Var2)的模型。
图11示出了mod_Ps3_PCN12R(PCN25R)。在此,PCN12R不一定代表变量的精确值,而是变量的水平,PCN12R可以是区间或者是离散的。
在压力Ps3的情况下,其中,参数PARAM是Ps3/P25,其中,变量Var1是PCN25R,则存储器120可存储根据排放量的多个模型mod_Ps3,即PCN12R。
在该实施例中,存储的模型的数量有限。因此,PCN12R的值可通过飞行器空气排放水平的数量来表达。
因此,在上文描述的步骤E31之前,在步骤E30中选择模型mod_PARAM_Var2,作为变量Var2的值的函数,然后在步骤E31、E32以及E33期间将模型mod_PARAM_Var2重置成2D模型。伴随着步骤E1,存在测量或获取变量Var2的步骤,该步骤决定模型mod_PARAM_Var2的选择。
调整校正器的动态
对2D校正器的动态的调整通过考虑两个相冲突的需求来进行:
-动态必须足够慢,使得获取通道V10、V20之一的漂移的已知情况不会导致模型通过跟随通道V10、V20的平均值而漂移(使得当偏差故障消除时,可支持两个通道之一),
-动态必须足够快,使得相关的速度范围仍然被重置(特别是在起飞期间达到起飞速度的速度)。
由于每个2D模型线段或每个3D模型平面有一个校正器122,因此能够相互独立地调整校正器(主要是积分校正器):
-因此,快速动态将应用于经典任务期间快速覆盖的速度范围。这使得能够在很短的时间内对重置这些速度范围的限制进行响应,
-慢速动态将应用于其重置时间不是强烈限制的速度范围(例如:地面怠速,巡航,爬升)。在压力Ps3的情况下,这使得能够最好地防止两个通道之一在这些速度范围内发生漂移的情况下,在通道的平均值Ps3上进行重置的风险。
第三,将描述用于对涡轮发动机的老化进行分析的方法,如图12所示。将采用压力Ps3和之前重新校准的模型的情况下的示例,但该原理以同样的方式适用于使得能够生成重置模型Rmod_PARAM的任何重置方法。
在每次重置时,执行步骤E3,并生成“重置”模型mod_PARAM(mod_Ps3,mod_Ps3/P25等)。当该重置的目的是使得能够进行更有效的裁决时,重置模型mod_Ps3/P25替代实际上变得过时的先前模型mod_Ps3/P25。就此而言,可以在存储器120中执行改写。
然而,由于每个模型mod_Ps3/P25不同于先前模型(至少在几个线段或几个平面上不同),因此可能通过比较所有(或一定数量的)重置模型来逐步观察模型mod_Ps3/P25的整体演化。
因此有利地,在用于测量涡轮发动机的老化的方法中,执行上文所描述的各种重置方法。
因此,涡轮发动机分析方法包括:步骤F1,执行包括步骤E1、E2、E3、E4的重置方法;以及步骤F2,将重置的模型mod_PARAM重置存储在存储器中,该存储器可以是存储器120。不同于可能涉及删除先前模型的步骤E4,步骤F2涉及模型mod_PARAM的确定性保存(即非暂时性保存)。
步骤F1和F2至少重复两次,优选地重复许多次。
特别地应当注意,压缩机的行为会根据其环境(寒冷、沙子等)或意外事件(鸟类的吸入造成的抽吸或对叶片造成轻微损坏)而以不同方式劣化。重置使得模型能够随着其发动机而“老化”。因此,必须能够在一个或两个任务上进行重置,而不是对于几秒钟内的Ps3的变化敏感。
由于对涡轮发动机的分析,即看到涡轮发动机随时间的演化是一个问题,因此优选地,存储器120以大于一天的时间间隔、甚至最近一个月或三个月或半年的时间间隔来存储生成的校正模型mod_PARAM。
一旦获取所有这些数据,则由处理器110来执行比较步骤F3,以比较不同的重置模型mod_PARAM。这种比较使得能够推导涡轮发动机的状况。
例如在压力Ps3的情况下,在相同的PCN25R下,“年轻”的压缩机HP将比“年老”的压缩机HP具有更高的Ps3。因此,压缩比的降低导致在给定PCN25R下Ps3的降低。因此,对模型的比较使得能够推导发动机的状况的变化。
步骤F3可由计算单元100直接执行,使得一旦操作者需要,就知道涡轮发动机或飞行器的状态。可替代地,该步骤F3在数据恢复之后在设计办公室进行。同样地,步骤F2可使用计算单元的存储器120来执行,但是重置模型Rmod_PARAM还可发送到飞行器外部或涡轮发动机外部的存储器,特别地发送到设计办公室中的存储器,从而实施状态F3。
例如,由于模型mod_Ps3/P25(PCNR25R)的演化,可建立对高压压缩机的老化的分析。由于压缩机效率随着时间降低,因此对模型mod_Ps3/P25(PCNR25R)的监测提供了反映当前压缩机的连续信息。
Claims (33)
1.一种用于对涡轮发动机(1)或飞行器的运行参数的模型进行重置的方法,所述模型被称为“Ps3模型”,所述Ps3模型用于在被称为“压力Ps3”的参数的两个获取通道(V10,V20)之间进行裁决,所述两个获取通道(V10,V20)涉及两个传感器(10,20),
所述方法使用存储在存储器(120)中的Ps3模型,所述Ps3模型将所述压力Ps3表示成压缩机(3)的至少一个参数的函数,所述至少一个参数被称为“速度PCN25R”,且所述方法包括如下步骤:
E1:通过所述两个传感器(10,20)之一来对压力值Ps3进行测量,
E2:使用所述压力值Ps3的测量结果来对所述Ps3模型进行重置,
其中,所述Ps3模型被限定成线段表示的定律,所述线段表示的定律将所述运行参数的值表示成一个变量的函数,或者所述Ps3模型被限定成平面表示的定律,所述平面表示的定律将所述运行参数的值表示成两个变量的函数,所述定律在每个线段上是仿射的或者在每个平面上是仿射的,所述Ps3模型存储在所述存储器(120)中,
所述重置包括如下步骤:
得到所述运行参数的值,
通过将所述运行参数的所述值与所述Ps3模型的对应值进行比较来计算误差,所述Ps3模型的所述值属于所述Ps3模型的所述线段或平面之一,
通过使所述误差最小化来应用校正器(112),以确定校正,以及
使用所述校正来对所述Ps3模型的线段或所述Ps3模型的平面进行重置,以重新定位所述线段或平面,从而获得所述运行参数的重置模型。
2.根据权利要求1所述的方法,其中,所述Ps3模型是在包括压缩机(3)的涡轮发动机中在燃烧腔室上游的静态压力的模型,以及
所述运行参数是所述燃烧腔室上游的静态压力。
3.根据权利要求2所述的方法,其中,所述Ps3模型是与所述压缩机(3)的压力相关的Ps3模型,所述压缩机的压力被称为“压力P25”,所述Ps3模型被称为“模型Ps3/P25”。
4.根据权利要求3所述的方法,其中,所述模型Ps3/P25表示成压缩机速度的函数,所述压缩机速度根据压缩机温度而减小,所述压缩机温度被称为“温度T25”,所述压缩机速度被称为“速度PCN25R”或“速度Xn25R”。
5.根据权利要求4所述的方法,其中,对作为所述速度PCN25R的函数的所述模型Ps3/P25执行所述重置。
6.根据权利要求2至5中任一项所述的方法,其中,当所述涡轮发动机(1)进一步包括高压压缩机(3)上游的低压压缩机(2)时,所述压缩机是所述高压压缩机。
7.根据权利要求2至5中任一项所述的方法,其中,所述Ps3模型根据线段来分段限定,且所述重置包括对每个线段进行重置。
8.根据权利要求7所述的方法,其中,所述Ps3模型在每个线段上是线性的。
9.根据权利要求7所述的方法,其中,根据线段来进行重置的步骤使用校正器来执行。
10.根据权利要求9所述的方法,其中,所述校正器为积分校正器。
11.根据权利要求6所述的方法,其中,所述Ps3模型进一步表示成低压压缩机速度的函数,所述低压压缩机速度根据压缩机温度而减小,所述压缩机温度被称为“温度T12”,所述低压压缩机速度被称为“速度PCN12R”。
12.根据权利要求2至5中任一项所述的方法,其中,所述Ps3模型进一步表示成总外部压力的函数,所述总外部压力被称为“压力T2”。
13.根据权利要求11所述的方法,其中,所述Ps3模型由平面限定,且所述重置包括对每个平面进行重置。
14.根据权利要求2至5中任一项所述的方法,其中,基于所述压缩机中的飞行器空气排放量的水平来选择要重置的Ps3模型,且所述存储器(120)存储多个Ps3模型,所述多个Ps3模型表示成所述飞行器空气排放量的函数。
15.根据权利要求1所述的方法,其中,得到所述运行参数的值的步骤如下执行:
使用传感器(10,20)对所述运行参数进行直接测量,或
对所述运行参数所取决于的第三方参数进行测量,或
进行仿真。
16.根据权利要求1或15所述的方法,其中,所述校正器(112)是PID校正器或积分校正器。
17.根据权利要求1或15所述的方法,其中,当所述Ps3模型是线段表示的定律时,通过冻结所述线段的一个点(A,B)并通过使用所述校正来移动所述线段的另一点(A,B)而进行所述重置。
18.根据权利要求1或15所述的方法,其中,当所述Ps3模型是线段表示的定律时,通过不固定所述线段的任何点来进行所述重置。
19.根据权利要求18所述的方法,其中,通过使用所述校正来移动所述线段的两个端部(A,B)而进行所述重置。
20.根据权利要求19所述的方法,其中,所述线段的端部(A,B)的移动取决于线段的端部各自与所述Ps3模型的对应值的距离。
21.根据权利要求19所述的方法,其中,待应用到所述线段的一个端部(A,B)的校正的分配等于所述Ps3模型的对应值到所述线段的另一端部(B,A)的距离与所述线段(AB)的长度之比。
22.根据权利要求17所述的方法,其中,对所述Ps3模型的线段进行重置的步骤包括在两个重置点之间进行线性插值。
23.根据权利要求1或15所述的方法,其中,当所述Ps3模型是平面表示的定律时,所述平面具有被切割成三角形(ABC,ABD)的矩形形状(ABCD),且通过冻结所述三角形的一个或两个顶点并使用所述校正来移动所述三角形的最后两个顶点或最后一个顶点而进行所述重置。
24.根据权利要求1或15所述的方法,其中,当所述Ps3模型是平面表示的定律时,所述平面被切割成三角形,且通过移动所述三角形的三个顶点(A,B,C)而进行所述重置。
25.根据权利要求24所述的方法,其中,对所述三角形的每个顶点(A,B,C)的移动根据由其他两个顶点(B,C;A,C;A,B)和所述Ps3模型的对应值所限定的子三角形(XBC,XAC,XAB)的面积来进行。
26.根据权利要求25所述的方法,其中,待应用到所述三角形的顶点的校正的分配等于由所述其他两个顶点和所述Ps3模型的对应值所限定的所述子三角形的面积与所述三角形(ABC)的面积之比。
27.根据权利要求23所述的方法,其中,对所述三角形进行重置的步骤包括从重置点(A,B,C)进行线性插值。
28.根据权利要求4或5所述的方法,其中,所述运行参数是所述压力Ps3或者所述压力Ps3除以所述压力P25,并且其中:
当所述Ps3模型是线段表示的定律时,所述变量是所述速度PCN25R,以及
当所述模型是平面表示的定律时,所述变量是所述PCN25R和PCN12R,或者是所述PCN25R和PT2。
29.根据权利要求1或15所述的方法,其中,根据变量来选择要重置的模型,所述存储器(120)存储表示成飞行器空气排放量的函数的多个模型,所述变量是所述压缩机中飞行器空气排放水平。
30.根据权利要求1或15所述的方法,其中,所述校正器的增益对于所述Ps3模型的不同线段或平面是不同的。
31.根据权利要求17所述的方法,其中,所述线段的两个点(A,B)是所述线段的端部。
32.一种用于在两个获取通道(V10,V20)之间进行裁决的方法,所述方法包括如下步骤:
A1:执行根据权利要求1至31中任一项所述的方法,
A2:选择最接近所述重置模型的所述获取通道(V10,V20)。
33.一种用于对涡轮发动机(1)的老化进行分析的方法,所述方法包括执行如下步骤:
F1:执行根据权利要求1至31中任一项所述的方法,
F2:将所述重置模型保存在非易失性存储器(120)中,
步骤F1和F2至少重复两次,
F3:对不同的重置模型进行比较,以由此推导所述涡轮发动机的状态演化。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1904976A FR3096031B1 (fr) | 2019-05-13 | 2019-05-13 | Recalage de modèle par segment ou plan dans une turbomachine |
FR1904979 | 2019-05-13 | ||
FR1904979A FR3096137B1 (fr) | 2019-05-13 | 2019-05-13 | Recalage de modèle PS3 dans une turbomachine |
FR1904976 | 2019-05-13 | ||
PCT/FR2020/050793 WO2020229778A1 (fr) | 2019-05-13 | 2020-05-13 | Recalage de modèle dans une turbomachine |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113710877A CN113710877A (zh) | 2021-11-26 |
CN113710877B true CN113710877B (zh) | 2023-12-12 |
Family
ID=71523188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080029618.4A Active CN113710877B (zh) | 2019-05-13 | 2020-05-13 | 涡轮发动机中的模型重置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220219838A1 (zh) |
EP (1) | EP3969967A1 (zh) |
CN (1) | CN113710877B (zh) |
CA (1) | CA3135985A1 (zh) |
WO (1) | WO2020229778A1 (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1298512A2 (en) * | 2001-09-26 | 2003-04-02 | Coltec Industries Inc. | Adaptive aero-thermodynamic engine model |
FR3007152A1 (fr) * | 2013-06-18 | 2014-12-19 | Snecma | Procede et systeme de recalage d'un modele numerique |
CN105745399A (zh) * | 2013-11-19 | 2016-07-06 | 涡轮梅坎公司 | 涡轮发动机和控制方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8639480B2 (en) | 2010-09-20 | 2014-01-28 | General Electric Company | Methods and systems for modeling turbine operation |
US8452515B2 (en) * | 2011-09-15 | 2013-05-28 | General Electric Company | System and method for simulating a gas turbine compressor |
WO2013084318A1 (ja) | 2011-12-07 | 2013-06-13 | トヨタ自動車株式会社 | 過給エンジンの制御装置 |
US20170218854A1 (en) | 2016-02-02 | 2017-08-03 | General Electric Company | Controlling a Gas Turbine Engine to Account for Airflow Distortion |
JP6786233B2 (ja) | 2016-03-22 | 2020-11-18 | 三菱パワー株式会社 | ガスタービンの特性評価装置及びガスタービンの特性評価方法 |
-
2020
- 2020-05-13 WO PCT/FR2020/050793 patent/WO2020229778A1/fr unknown
- 2020-05-13 CA CA3135985A patent/CA3135985A1/fr active Pending
- 2020-05-13 CN CN202080029618.4A patent/CN113710877B/zh active Active
- 2020-05-13 EP EP20737230.1A patent/EP3969967A1/fr active Pending
- 2020-05-13 US US17/604,069 patent/US20220219838A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1298512A2 (en) * | 2001-09-26 | 2003-04-02 | Coltec Industries Inc. | Adaptive aero-thermodynamic engine model |
FR3007152A1 (fr) * | 2013-06-18 | 2014-12-19 | Snecma | Procede et systeme de recalage d'un modele numerique |
CN105745399A (zh) * | 2013-11-19 | 2016-07-06 | 涡轮梅坎公司 | 涡轮发动机和控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CA3135985A1 (fr) | 2020-11-19 |
CN113710877A (zh) | 2021-11-26 |
US20220219838A1 (en) | 2022-07-14 |
WO2020229778A1 (fr) | 2020-11-19 |
EP3969967A1 (fr) | 2022-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2012200B1 (en) | Engine performance model | |
EP2993779B1 (en) | System and method for a load anticipation feature and its tuning method for a generating set | |
US8306791B2 (en) | Method and system for modeling the performance of a gas turbine engine | |
CN109612738B (zh) | 一种涡扇发动机的气路性能改进的分布式滤波估计方法 | |
US9091616B2 (en) | Engine operations support systems and methods for reducing fuel flow | |
US11242766B2 (en) | Method and device for measuring the flow rate of cooling air in a turbomachine casing | |
JP2017133495A (ja) | 適応エンジンモデルのトルク配分最適化 | |
WO2014004494A1 (en) | Real time linearization of a component-level gas turbine engine model for model-based control | |
CN103443726A (zh) | 用于监控伺服阀致动系统的方法和设备 | |
US20170370790A1 (en) | Estimating dynamic thrust or shaft power of an engine | |
US10738660B2 (en) | Generating steam turbine performance maps | |
JP2010277577A (ja) | 制御及び推定のための線形モデルのリアルタイムスケジューリング | |
US10578030B2 (en) | Method and device for adjusting a threshold value of a fuel flow rate | |
GB1597129A (en) | Gas turbine engine control system | |
JP2017062676A (ja) | 軸流ファンの通風解析方法,通風解析装置及び通風解析プログラム | |
CN113710877B (zh) | 涡轮发动机中的模型重置 | |
US10474113B2 (en) | Power generation system control through adaptive learning | |
RU2821437C2 (ru) | Коррекция модели в газотурбинном двигателе | |
JP2018142200A (ja) | 状態推定方法、及び状態推定装置 | |
US11525412B2 (en) | Operation management device, power generation plant, and operation management method for power generation plant | |
JP4529964B2 (ja) | シミュレーション装置、シミュレーション方法及びシミュレーションプログラム | |
FR3096031A1 (fr) | Recalage de modèle par segment ou plan dans une turbomachine | |
EP4040114A1 (en) | Computer-implemented method, apparatus and computer program for determining a value of a parameter of a system | |
CN116147928B (zh) | 航空发动机热射流装置的健康状态确定方法、装置和设备 | |
FR3096136A1 (fr) | Analyse du vieillissement d’une turbomachine |
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 |