CN117725700A - 基于数字孪生技术的分轴燃气轮机管理系统、方法及设备 - Google Patents
基于数字孪生技术的分轴燃气轮机管理系统、方法及设备 Download PDFInfo
- Publication number
- CN117725700A CN117725700A CN202311767416.1A CN202311767416A CN117725700A CN 117725700 A CN117725700 A CN 117725700A CN 202311767416 A CN202311767416 A CN 202311767416A CN 117725700 A CN117725700 A CN 117725700A
- Authority
- CN
- China
- Prior art keywords
- real
- time
- data
- model
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005516 engineering process Methods 0.000 title claims abstract description 27
- 238000012937 correction Methods 0.000 claims abstract description 66
- 230000036541 health Effects 0.000 claims abstract description 61
- 238000004364 calculation method Methods 0.000 claims abstract description 56
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 238000007726 management method Methods 0.000 claims abstract description 25
- 238000004088 simulation Methods 0.000 claims abstract description 19
- 238000010586 diagram Methods 0.000 claims description 27
- 238000002485 combustion reaction Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 20
- 230000003993 interaction Effects 0.000 claims description 15
- 238000006731 degradation reaction Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 230000015556 catabolic process Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 239000000446 fuel Substances 0.000 claims description 10
- 230000006835 compression Effects 0.000 claims description 8
- 238000007906 compression Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 claims description 4
- 238000004134 energy conservation Methods 0.000 claims description 4
- 230000008033 biological extinction Effects 0.000 claims description 3
- 230000003862 health status Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 abstract description 6
- 239000007789 gas Substances 0.000 description 41
- 238000004891 communication Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000009434 installation Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000004927 fusion Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 239000002737 fuel gas Substances 0.000 description 3
- 239000003921 oil Substances 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000002679 ablation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000005690 magnetoelectric effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明公开基于数字孪生技术的分轴燃气轮机管理系统、方法及设备，涉及燃气轮机技术领域。采集发动机实时数据和历史数据；构建数字孪生发动机虚拟模型，包括：状态监测模型、性能预测模型和实时模型；状态监测模型中进行修正系数计算得到修正系数；性能预测模型中进行健康因子计算得到健康因子；实时模型中进行实时模拟计算得到实时的虚拟发动机状态数据；将实时数据和实时的虚拟发动机状态数据进行对比得到误差；根据误差发送控制指令调整发动机的运行状态。本发明实现了获取更详细的数据分布信息，提高数字孪生的洞察力，提高了控制准确性，同时降低了运行维护成本。
Description
技术领域
本发明涉及燃气轮机技术领域，特别是涉及一种基于数字孪生技术的分轴燃气轮机管理系统、方法及设备。
背景技术
随着大数据、物联网、智能发动机等概念的提出和兴起，一种能够实现物理世界与虚拟信息世界交互与融合的技术手段——数字孪生应运而生。通过对物理实体进行实时监控并将数据传输到构建的虚拟孪生模型中进行仿真，是数字孪生技术的基本模式。数字孪生并非静态，其会随着数据的产生而不断演化，是模型、数据、概率和决策的有机融合。
数字孪生具有以下5个特点：
1)虚实结合：数字孪生旨在建立真实与虚拟模型之间的双向映射，需要实现虚实深度融合，一方面，发动机性能参数的改变可以动态实时地在数字孪生体上展示出来；另一方面，数字孪生体可以基于真实传递而来的发动机运行参数以及历史数据、经验与知识数据等进行智能分析与决策，提高对发动机状态的洞察力，并为延长寿命或提高安全性提供依据。
2)时效性：数字孪生体根据真实数据对发动机状态做出预测，并通过融合检测监测数据逐渐完善，这一过程中真实载荷和损伤状态的获取、叶片损伤仿真都需要满足时效性要求，才可以实现对损伤状态和退化过程的实时、动态监控，满足工程实际的需求。
3)多学科/多物理性：数字孪生体是基于物理特性的实体产品数字化映射模型，不仅需要描述发动机的几何特性，还需要描述实体产品的多种物理特性，其可以包括并耦合流体力学、空气动力学、工程热力学、结构力学等多种物理模型，以及比热、换热系数、总焓等多方面的工质特性。
4)多尺度/多保真性：模型尺寸跨越了部件-零件-元件等多个尺度。数字孪生体应可描述发动机多个尺度的行为和特性，也应该使用一系列不同保真度的全阶/降阶模型，从而稳健、高效、准确地对发动机的状态和行为进行高性能仿真。
5)概率/不确定性：在数字孪生体中存在诸多不确定性，一类是认知不确定性，比如一些几何和材料参数，这些参数有相对确定但是未知的值；另一类是随机不确定性，这种不确定性主要由自然的变化和随机性引起的，如叶片的退化，环境湿度，飞行高度和马赫数的变化等，需要进行不确定的量化与评估。
传统的分轴燃气轮机管理系统存在数据分布不准确从而导致的控制准确性低的问题，并且存在维护成本高的问题。
发明内容
本发明实施例的目的是提供一种基于数字孪生技术的分轴燃气轮机管理系统、方法及设备，以获取更详细的数据分布信息，提高数字孪生的洞察力，从而提高了控制准确性，同时降低了运行维护成本。
为实现上述目的，本发明实施例提供了如下方案：
一种基于数字孪生技术的分轴燃气轮机管理方法，包括：
采集发动机数据；所述发动机数据包括：实时数据和历史数据；
根据所述发动机数据中的历史数据构建数字孪生发动机虚拟模型；所述数字孪生发动机虚拟模型包括：状态监测模型、性能预测模型和实时模型；
将所述实时数据输入所述状态监测模型中进行修正系数计算，得到修正系数；
将所述实时数据和所述修正系数输入所述性能预测模型中进行健康因子计算，得到健康因子；
将所述实时数据、所述修正系数和所述健康因子输入所述实时模型中进行实时模拟计算，得到实时的虚拟发动机状态数据；
将所述实时数据和所述实时的虚拟发动机状态数据进行对比，得到误差；
将所述实时数据、所述实时的虚拟发动机状态数据和所述误差在人机交互界面显示，并根据所述误差发送控制指令调整发动机的运行状态。
可选地，
所述实时数据包括：实时高压轴转速、实时低压轴转速、实时燃油量、实时进口温度、实时进口压力、实时进口流量、实时排气温度和实时扭矩仪功率；
所述历史数据包括：历史高压轴转速、历史低压轴转速、历史燃油量、历史进口温度、历史进口压力、历史进口流量、历史排气温度和历史扭矩仪功率。
可选地，将所述实时数据输入所述状态监测模型中进行修正系数计算，得到修正系数具体包括：
计算压气机虚拟模型的修正系数：
根据压气机实时进口温度T2，得到进口空气比焓h2与进口空气熵函S2；
根据实时进口压力得到压比πf；根据压比πf得到等熵压缩后的熵函数S21,s；
根据等熵压缩后的熵函数S21,s，得到理想等熵出口温度T21,s及比焓h21,s；
根据预设的等熵效率ηf和等熵效率定义，得到实际出口比焓h21；
根据实际出口比焓h21和空气热力性质关系，得到实际排气温度T21以及实际扭矩仪功率Nf：
计算燃烧室虚拟模型的修正系数：
根据质量守恒方程和能量守恒方程得到燃烧室动态变化过程数据；
计算涡轮动叶虚拟模型的修正系数：
根据涡轮动叶实时进口温度Tin及油气比fin计算涡轮动叶进口的比焓hin及熵函数Sin；
根据膨胀比πT得到涡轮动叶出口等熵膨胀时的熵函数；
根据涡轮动叶等熵出口的熵函数得到涡轮动叶出口的等熵温度Touts及比焓houts；
根据涡轮的等熵效率定义得到涡轮的出口实际焓值hout；
根据燃烧室进口流量Gin、涡轮动叶进口的比焓hin和涡轮的出口实际焓值hout得到涡轮的输出功率NT。
可选地，将所述实时数据和所述修正系数输入所述性能预测模型中进行健康因子计算，得到健康因子具体包括：
其中，Gh、ηh为健康状态数据，Gde、ηde为退化后的数据。
可选地，将所述实时数据、所述修正系数和所述健康因子输入所述实时模型中进行实时模拟计算，得到实时的虚拟发动机状态数据具体包括：
根据实际扭矩仪功率Nf和涡轮的输出功率NT得到高压涡轮的膨胀比πT；
根据高压涡轮排气温度TPT,out,m和膨胀比πT得到高压涡轮进口温度TT,in；
根据油气比确定部件工作点在修正后的高压涡轮工作特性图上存在的区域；
根据预设条件在所述区域中确定Beta值；所述预设条件为：若油气比趋向于贫油熄火，判定部件工作点在流量大、压比小的区域，确定极小Beta值；反之，确定极大Beta值；
根据高压涡轮进口温度TT,in和Beta值对高压涡轮工作特性图进行修正，得到修正后的高压涡轮工作特性图；
对所述修正后的高压涡轮工作特性图进行插值计算，得到进口流量、效率和膨胀比：
将实时数据、进口流量、效率、膨胀比和健康因子输入所述实时模型中进行实时模拟计算，得到实时的虚拟发动机状态数据。
可选地，所述人机交互界面包括：状态精准监测界面、故障诊断界面和趋势预测界面。
为实现上述目的，本发明实施例还提供了如下方案：
一种基于数字孪生技术的分轴燃气轮机管理系统，包括：
数据采集模块，用于采集发动机数据；所述发动机数据包括：实时数据和历史数据；
虚拟模型构建模块，与所述数据采集模块连接，用于根据所述发动机数据中的历史数据构建数字孪生发动机虚拟模型；所述数字孪生发动机虚拟模型包括：状态监测模型、性能预测模型和实时模型；
修正系数计算模块，与所述数据采集模块连接，用于将所述实时数据输入所述状态监测模型中进行修正系数计算，得到修正系数；
健康因子计算模块，分别与所述数据采集模块和所述修正系数计算模块连接，用于将所述实时数据和所述修正系数输入所述性能预测模型中进行健康因子计算，得到健康因子；
误差计算模块，分别与所述数据采集模块、所述修正系数计算模块和所述健康因子计算模块连接，用于：
将所述实时数据、所述修正系数和所述健康因子输入所述实时模型中进行实时模拟计算，得到实时的虚拟发动机状态数据；
将所述实时数据和所述实时的虚拟发动机状态数据进行对比，得到误差；
人机交互模块，分别与所述数据采集模块和所述误差计算模块连接，用于将所述实时数据、所述实时的虚拟发动机状态数据和所述误差在人机交互界面显示，并根据所述误差发送控制指令调整发动机的运行状态。
一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的基于数字孪生技术的分轴燃气轮机管理方法。
一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现所述的基于数字孪生技术的分轴燃气轮机管理方法。
在本发明实施例中，提出了一种新的数字孪生架构，开发针对于微型燃气轮机的数字孪生健康管理系统。根据传感器历史数据构建实时模型，在特性图未知的情况下对通用特性图进行耦合，根据传感器数据，实现对虚拟模型的实时修正，当发动机由于安装、制造公差导致模型输出与发动机传感器数据不一致时，可以通过模型修正保持虚实的高度映射。
当发动机发生退化时，可根据基于传感器数据的实时修正保持发动机模型的精度，同时计算发动机的健康因子，对发动机的退化趋势进行预测。数字孪生体利用飞行参数等信息使用一系列多学科的仿真方法给出数据，相比于直接测量方法，这类方法可以给出更详细的数据分布信息，提高数字孪生的洞察力，同时避免了对传感器的定期维护，有利于降低运行成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于数字孪生技术的分轴燃气轮机管理方法的流程示意图；
图2为本发明实施例提供的基于数字孪生技术的分轴燃气轮机管理系统的结构示意图；
图3为本发明实施例提供的基于数字孪生技术的分轴燃气轮机管理系统示意图。
符号说明：
数据采集模块-1，虚拟模型构建模块-2，修正系数计算模块-3，健康因子计算模块-4，误差计算模块-5，人机交互模块-6。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于数字孪生技术的分轴燃气轮机管理系统、方法及设备，以解决现有的传统的分轴燃气轮机管理系统存在数据分布不准确从而导致的控制准确性低的问题，并且存在维护成本高的问题。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1和图3示出了上述一种基于数字孪生技术的分轴燃气轮机管理系统、方法及设备的一种示例性流程。下面对各步骤进行详细介绍。
步骤S1：采集发动机数据；所述发动机数据包括：实时数据和历史数据；
所述实时数据包括：实时高压轴转速、实时低压轴转速、实时燃油量、实时进口温度、实时进口压力、实时进口流量、实时排气温度和实时扭矩仪功率；
所述历史数据包括：历史高压轴转速、历史低压轴转速、历史燃油量、历史进口温度、历史进口压力、历史进口流量、历史排气温度和历史扭矩仪功率。
步骤S2：根据所述发动机数据中的历史数据构建数字孪生发动机虚拟模型；所述数字孪生发动机虚拟模型包括：状态监测模型、性能预测模型和实时模型；
在一个示例中，实时模型用于实时的反应发动机的状态，根据实际发动机的输入、输出发动机各截面的参数。构建虚拟传感器，得到传感器不能测量的参数。并将可测参数与实机数据相对比，验证模型的精度。
状态监测模型是为了校正由于安装、制造公差引起的模型输出与实际数据不一致问题所建立的。为保证性能预测模型的准确性，状态监测模型的修正系数应同时给性能预测模型和实时模型，保证性能预测模型和实时模型之间的一致性，才能保证性能预测模型计算出的健康因子适用于实时模型。
为解决发动机退化导致的输出不一致，性能预测模型计算发动机的健康因子，输出至实时模型中。不同于状态监测模型，性能预测模型需要不断对的实时模型进行修正以跟踪发动机的退化状态。
数字孪生发动机虚拟模型是数字孪生体的核心，为了建立准确的发动机非线性气动热力学模型，需要发动机的历史数据作为支撑。根据试验测得的稳态数据，对发动机的特性线进行处理。非线性模型的精度取决于特性线的精度。然而，发动机的特性往往是未知的。采用发动机的通用特性线作为建模的参考，建立发动机的设计点模型，设计点模型基于布雷顿循环计算，其中发动机进口流量、出口排温、燃油流量、进口温度、进口压力、高压轴转速和低压轴转速采用传感器测量数据。发动机各部件的模型如下：
步骤S3：将所述实时数据输入所述状态监测模型中进行修正系数计算，得到修正系数；
将所述实时数据输入所述状态监测模型中进行修正系数计算，得到修正系数具体包括：
计算压气机虚拟模型的修正系数：
压气机是发动机的重要部件，压气机对流入的气体加入机械能作压缩功以提高气体的压力。压气机由高压涡轮带动，根据压气机实时进口温度T2，得到进口空气比焓h2与进口空气熵函S2；
h2＝f(T2)； (1)
S2＝f(T2)； (2)
根据实时进口压力得到压比πf；根据压比πf得到等熵压缩后的熵函数S21,s；
S21,s＝S2+Rglnπf； (3)
根据等熵压缩后的熵函数S21,s，得到理想等熵出口温度T21,s及比焓h21,s；
T21,s＝f(S21,s)； (4)
h21,s＝f(T21,s)； (5)
根据预设的等熵效率ηf和等熵效率定义，得到实际出口比焓h21；
根据实际出口比焓h21和空气热力性质关系，得到实际排气温度T21以及实际扭矩仪功率Nf：
T21＝f(h21)； (8)
Nf＝G2(h21-h2)； (9)
由于压气机与低压压气机均没有级间抽气，且出口也没有放气，压气机出口流量G21与进口流量G2相等：
G21＝G2； (10)
计算燃烧室虚拟模型的修正系数：
根据质量守恒方程和能量守恒方程得到燃烧室动态变化过程数据；
燃烧室的作用是将压气机增压后的空气经过喷油燃烧形成高温高压的燃气。假定燃烧室的焓值和温度均匀分布，反映燃烧室动态变化过程关系是质量守恒方程和能量守恒方程：
上式中，V为燃烧室的体积，Gf为燃油流量，Hu为燃油的低热值，ηb为燃烧室的燃烧效率，u为内能，Gin是燃烧室进口流量，Gout为燃烧室出口流量，ρ为工质密度。
上式中，P为燃烧室的压力，Rg为气体常数，T为燃烧室的温度，k为比热比，Cpg为定压比热容。
计算涡轮动叶虚拟模型的修正系数：
涡轮的作用是从高温高压的燃气中提取功率用来驱动压气机转动，根据涡轮动叶实时进口温度Tin及油气比fin计算涡轮动叶进口的比焓hin及熵函数Sin；
hin＝f(Tin,fin)； (15)
Sin＝f(Tin,fin)； (16)
根据膨胀比πT得到涡轮动叶出口等熵膨胀时的熵函数；
Souts＝Sin-Rgln(πT)； (17)
根据涡轮动叶等熵出口的熵函数得到涡轮动叶出口的等熵温度Touts及比焓houts；
Touts＝f(Souts,fin)； (18)
houts＝f(Touts,fin)； (19)
根据涡轮的等熵效率定义得到涡轮的出口实际焓值hout；
hout＝hin-ηT(hin-houts)； (21)
根据燃烧室进口流量Gin、涡轮动叶进口的比焓hin和涡轮的出口实际焓值hout得到涡轮的输出功率NT。
NT＝Gin(hin-hout)；
步骤S4：将所述实时数据和所述修正系数输入所述性能预测模型中进行健康因子计算，得到健康因子；
将所述实时数据和所述修正系数输入所述性能预测模型中进行健康因子计算，得到健康因子具体包括：
在一个示例中，性能预测模型使用各部件的流量、效率以及健康因子表示发动机的退化状态。反应在模型里可以表现为压比-流量特性图的横向偏移量以及压比-效率特性图的纵向偏移量。根据实时传感器数据进行热力循环计算，得到退化后的流量和效率。使用此时的压比，根据特性图插值得出未退化前的流量和效率，即可得出流量因子和效率退化因子。健康因子计算公式如下，
其中，Gh、ηh为健康状态数据，Gde、ηde为退化后的数据。
相比于传统的通过优化算法计算退化因子，此方法的优势在于此方法为正向计算，健康因子可以直接被计算得出，无需通过迭代计算，能够大幅度缩短健康因子的计算时间，保证模型能够在很短的时间内通过自适应的调整，反应机组的健康状态。此方法必须与修正系数配合使用，在进行退化因子的计算前，应首先对实时模型进行一次修正，保证模型不会由于安装、制造公差的原因导致模型和物理实体不一致。在修正以后，随着发动机运行时间的增加，发动机的部件会发生退化，此时模型和发动机参数又会存在偏差。这个偏差需要使用性能预测模型来处理，计算出发动机各部件的特性线偏移量，重新对实时模型进行修正，并同时计算发动机各部件的健康因子。
步骤S5：将所述实时数据、所述修正系数和所述健康因子输入所述实时模型中进行实时模拟计算，得到实时的虚拟发动机状态数据；
将所述实时数据、所述修正系数和所述健康因子输入所述实时模型中进行实时模拟计算，得到实时的虚拟发动机状态数据具体包括：
根据实际扭矩仪功率Nf和涡轮的输出功率NT得到高压涡轮的膨胀比πT；
根据高压涡轮排气温度TPT,out,m和膨胀比πT得到高压涡轮进口温度TT,in；
根据油气比确定部件工作点在修正后的高压涡轮工作特性图上存在的区域；
根据预设条件在所述区域中确定Beta值；所述预设条件为：若油气比趋向于贫油熄火，判定部件工作点在流量大、压比小的区域，确定极小Beta值；反之，确定极大Beta值；
根据高压涡轮进口温度TT,in和Beta值对高压涡轮工作特性图进行修正，得到修正后的高压涡轮工作特性图；
对所述修正后的高压涡轮工作特性图进行插值计算，得到进口流量、效率和膨胀比：
将实时数据、进口流量、效率、膨胀比和健康因子输入所述实时模型中进行实时模拟计算，得到实时的虚拟发动机状态数据。
在一个示例中，建立分轴燃气轮机的实时模型，包含分轴燃气轮机的两个转子模块，燃烧室的容积和涡轮之间的容积模块。压气机、燃烧室、高压涡轮和动力涡轮采用处理后的部件特性，保证发动机模型在历史数据的稳态工况下，能有准确的发动机状态预测能力。
随后，将发动机动态模型转换为实时模型，需要改动三个部分：1、使用定步长求解算法求解模型，并且要求仿真时间与实际时间相一致。2、将发动机模型的输入与物理实体的输入相一致。真实发动机的边界条件为：进口压力、进口温度、扭矩仪扭矩、设定转速。只要这些量一定，发动机的状态就可以确定了。因此，实时模型也应采用高压转速控制，采用扭矩确定发动机动力涡轮的转速。并采用实际采集的进口温度、进口压力作为模型的边界条件。
基于实时的传感器数据，根据状态监测模型对各部件的压比、流量和效率进行计算。在最高工况下，对设计点效率进行推断，推断应保证求解出的压比不能小于1，燃烧室效率在0.9-1之间，压气机和高压涡轮的效率在0.7-0.95之间，高压涡轮的效率高于压气机效率。动力涡轮的效率在0.2左右，一般来说，涡轮的功率不会达到这么低的水平，但是考虑到此型号的燃机是涡喷发动机的尾喷管后直接加了动力涡轮构成的分轴燃气轮机，所以动涡叶片的进气角可能已经远离设计状态，导致效率很低。在选定效率后，可以对通用特性线进行缩放，即可得到其余工况下的各部件效率。压气机部件的进口折合流量由流量计测得，其余部件的折合流量的计算需要得到进口的温度和压力，各部件的折合转速可根据传感器转速和模型的各部件进口温度进行计算。高压涡轮进口温度TT,in根据测得的排气温度TPT,out,m求解得出。在已知高压涡轮效率的情况下，动力涡轮的进口温度需要根据高压涡轮的膨胀比πT计算得出。高压涡轮的膨胀比πT可根据压气机功率Nf和高压涡轮的功率NT平衡进行计算。压气机功率Nf的计算需要得到压气机的压比πc，压比可按照模型动力涡轮的输出功率NPT与实测的动力涡轮功率NPT,m求解得出。
TT,in＝fmin(TPT,out-TPT,out,m)； (23)
πT＝fmin(NT-Nf)； (24)
πc＝fmin(NPT-NPT,m)； (25)
状态监测模型能在保证实时模型与实测数据相吻合的情况下，得到各部件的压比、流量和效率。接着，根据计算出的参数对特性图进行修正，压气机的工作特性可以用压比、折合转速、折合流量和效率这四个参数来表征，只要确定了其中任意两个参数，压气机的工作状态就确定了。压气机流量、效率和压比由如下公式计算：
式中：G2为压气机进口的实际物理流量，πf为压气机的增压比，nl为高压轴转速，ηf为压气机的等熵压缩效率。
涡轮特性图的插值计算如下所示，计算进口流量、效率和膨胀比：
式中：为涡轮动叶进口的折合流量，/>为涡轮转子的折合转速，πT为涡轮的膨胀比，ηT为涡轮的等熵效率。
部件在特性图上的点需要通过折合转速和Beta值确定，折合转速可根据模型计算得出，Beta值需要根据经验给定。可通过油气比来推断工作点在特性图上存在的区域，油气比若趋向于贫油熄火，说明工作点在流量大，压比小的区域，Beta值应给的小一些。反之，若油气比较大，应该取一个较大的Beta值。在选定Beta值后，即可对特性图进行修正。修正过程如下：
式中，πm、Gm、ηm为状态监测模型的压比、折合流量和效率，πd、Gd、ηd为实时模型的设计点参数。将修正因子导入实时模型中，即可保证实时模型能够有效的对物理实体进行映射。已解决由于安装、制造公差，导致的每台发动机之间的特性图不一致的问题。
步骤S6：将所述实时数据和所述实时的虚拟发动机状态数据进行对比，得到误差；
步骤S7：将所述实时数据、所述实时的虚拟发动机状态数据和所述误差在人机交互界面显示，并根据所述误差发送控制指令调整发动机的运行状态。
所述人机交互界面包括：状态精准监测界面、故障诊断界面和趋势预测界面。
在一个示例中，状态精准监测界面负责接受传感器的实时数据以及实时模型的实时数据。对比实时模型与发动机传感器的数据，并计算实时模型与实际的误差。将实时模型各部件进出口截面的参数反应在界面上，对发动机实现状态精准监测。状态精准界面可显示高压轴转速和动力涡轮转速的XY曲线图，直观的显示发动机是否停留于稳态以及发动机运行状态是否存在波动，为下一步的加减载或者停机操作的提供决策信息。根据压气机的流量和压比，可将压气机的工作点显示在压比-流量特性图上，实时的显示发动机加减载过程以及稳态过程的工作点在特性图上的位置，推测发动机是否会处于喘振、超温的边界，为发动机的输出扭矩控制提供参考。
故障诊断界面接收模型计算出的健康因子，根据健康因子的阈值以及模型参数的阈值对常见的故障进行报警，有些参数是不可测量的，例如燃烧室的出口温度。燃烧室的出口温度直接决定涡轮进口叶片是否会出现烧蚀的故障，此参数需要通过模型的虚拟传感器计算得出。
趋势预测界面根据健康因子对实时模型未来的健康状态做预估，根据实时模型计算出的健康因子实时的修正退化曲线，实现发动机的趋势预测。
综上所述，在本发明实施例中，提出了一种新的数字孪生架构，开发针对于微型燃气轮机的数字孪生健康管理系统。根据传感器历史数据构建实时模型，在特性图未知的情况下对通用特性图进行耦合，根据传感器数据，实现对虚拟模型的实时修正，当发动机由于安装、制造公差导致模型输出与发动机传感器数据不一致时，可以通过模型修正保持虚实的高度映射。
当发动机发生退化时，可根据基于传感器数据的实时修正保持发动机模型的精度，同时计算发动机的健康因子，对发动机的退化趋势进行预测。数字孪生体利用飞行参数等信息使用一系列多学科的仿真方法给出数据，相比于直接测量方法，这类方法可以给出更详细的数据分布信息，提高数字孪生的洞察力，同时避免了对传感器的定期维护，有利于降低运行成本。
为实现上述目的，本发明实施例还提供了如下方案：
请参见图2，一种基于数字孪生技术的分轴燃气轮机管理系统，包括：
数据采集模块1用于采集发动机数据；所述发动机数据包括：实时数据和历史数据；
虚拟模型构建模块2与所述数据采集模块1连接，虚拟模型构建模块2用于根据所述发动机数据中的历史数据构建数字孪生发动机虚拟模型；所述数字孪生发动机虚拟模型包括：状态监测模型、性能预测模型和实时模型；
修正系数计算模块3与所述数据采集模块1连接，修正系数计算模块3用于将所述实时数据输入所述状态监测模型中进行修正系数计算，得到修正系数；
健康因子计算模块4分别与所述数据采集模块1和所述修正系数计算模块3连接，健康因子计算模块4用于将所述实时数据和所述修正系数输入所述性能预测模型中进行健康因子计算，得到健康因子；
误差计算模块5分别与所述数据采集模块1、所述修正系数计算模块3和所述健康因子计算模块4连接，误差计算模块5用于：
将所述实时数据、所述修正系数和所述健康因子输入所述实时模型中进行实时模拟计算，得到实时的虚拟发动机状态数据；
将所述实时数据和所述实时的虚拟发动机状态数据进行对比，得到误差；
人机交互模块6分别与所述数据采集模块1和所述误差计算模块5连接，人机交互模块6用于将所述实时数据、所述实时的虚拟发动机状态数据和所述误差在人机交互界面显示，并根据所述误差发送控制指令调整发动机的运行状态。
请参见图3，基于数字孪生技术的分轴燃气轮机健康管理系统：包括物理实体、数据库、虚拟模型和人机交互界面；
其中，物理实体为一台微型燃气轮机，以及温度、压力、流量、转速和扭矩传感器。
其中，微型燃气轮机主要部件由进气道、压气机、燃烧室、高压涡轮、动力涡轮、电涡流测功机、高压转子、低压转子和排气道组成，附属部件有燃油系统、测控系统。高压涡轮通过高压转子与压气机相连，动力涡轮通过低压转子与电涡流测功机相连。
工质通过进气道进入微型燃气轮机，压气机通过旋转将大气中的空气吸入压气机内部，作为布雷顿循环的工质。工质在燃烧室内燃烧，形成高温高压的燃气，通过在涡轮中膨胀，将工质中的内能转换为机械能。高压涡轮负责带动压气机，动力涡轮与电涡流测功机连接，实现对发动机扭矩的测量。由动力涡轮排出的工质被分为两股，从排气道中排出，排气道安装于动力涡轮的出口截面。在两边的排气道中分别插入温度传感器，用于测量发动机的排气温度。转速传感器安装在轴上，霍尔传感器根据磁电效应测量发动机转速。依据转速和温度传感器测量发动机高压转速、动力涡轮转速和高压涡轮排气温度。流量计安装于发动机进气道进口的位置，其同时具有测量温度、总压和流量的功能。根据流量计测量发动机的进口压力、温度以及流量。ECU和数据采集箱属于发动机的测控系统，通过ECU和数据采集箱传输发动机的测量参数，并借助健康管理平台实现对试验数据的存储。
在进行试验前，应对发动机的传感器进行标定，并将传感器采集回的电流信号转换为传感器对应的物理量。在起动过程中，首先将发动机的核心机起动至慢车转速，在起动阶段初期，高压转子由电机带动，逐渐加速至点火转速。到达点火转速后，发动机点火高压转子的转速迅速上升，待动力涡轮有足够的功率带动电涡流测功机旋转时，动涡转速开始上升。在起动成功后，通过调整发动机的设定转速完成工况的上升。在上升工况的同时，由于核心机的进口流量会上升，造成动力涡轮的功率上升。为了防止动力涡轮转速超转，应提升电涡流测功机的扭矩，保证分轴燃气轮机在上升工况的同时，动力涡轮转速不超转并且缓慢上升。据此，通过同时提升发动机高压轴目标转速和扭矩的方式提升发动机的工况。在加速过程中，由于高压转速的转动惯量较小，在PID控制器的调解下，在几秒内即可完成发动机的加速过程，但是由于动力涡轮与电涡流测功机相连，相比于高压转子，动力轴的转动惯量较大。动力涡轮需要超过三分钟的时间才能实现转速的稳定。为了方便模型的建立，在发动机稳定后，再稳定运行一段时间，得到发动机的稳态运行数据。通过不断重复此过程得到不同工况下的稳态数据，为发动机模型的建立提供参考。
传感器采集发动机的数据构成发动机数据库，将数据传输至虚拟模型中。
数据库由传感器实时数据与历史数据组成。ECU采集发动机实时的高压轴转速、低压轴转速和燃油量。数据采集箱实时的采集发动机的进口温度、进口压力、进口流量、排气温度和扭矩仪功率。在一次试验完成后，实时数据保存在数据库中，作为建模的历史数据。历史数据用于实时模型的构建，传感器实时数据用于实时模型的修正以及健康因子的计算。
进一步地，本发明还提供一种电子设备，该电子设备可以包括：处理器、通信接口、存储器和通信总线。其中，处理器、通信接口、存储器通过通信总线完成相互间的通信。处理器可以调用存储器中的计算机程序，以执行所述处理器执行所述计算机程序时实现所述的基于数字孪生技术的分轴燃气轮机管理方法。
此外，上述的存储器中的计算机程序通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
进一步地，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现所述的基于数字孪生技术的分轴燃气轮机管理方法。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明实施例的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明实施例的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明实施例的限制。
Claims (9)
1.一种基于数字孪生技术的分轴燃气轮机管理方法，其特征在于，包括：
采集发动机数据；所述发动机数据包括：实时数据和历史数据；
根据所述发动机数据中的历史数据构建数字孪生发动机虚拟模型；所述数字孪生发动机虚拟模型包括：状态监测模型、性能预测模型和实时模型；
将所述实时数据输入所述状态监测模型中进行修正系数计算，得到修正系数；
将所述实时数据和所述修正系数输入所述性能预测模型中进行健康因子计算，得到健康因子；
将所述实时数据、所述修正系数和所述健康因子输入所述实时模型中进行实时模拟计算，得到实时的虚拟发动机状态数据；
将所述实时数据和所述实时的虚拟发动机状态数据进行对比，得到误差；
将所述实时数据、所述实时的虚拟发动机状态数据和所述误差在人机交互界面显示，并根据所述误差发送控制指令调整发动机的运行状态。
2.根据权利要求1所述的基于数字孪生技术的分轴燃气轮机管理方法，其特征在于，
所述实时数据包括：实时高压轴转速、实时低压轴转速、实时燃油量、实时进口温度、实时进口压力、实时进口流量、实时排气温度和实时扭矩仪功率；
所述历史数据包括：历史高压轴转速、历史低压轴转速、历史燃油量、历史进口温度、历史进口压力、历史进口流量、历史排气温度和历史扭矩仪功率。
3.根据权利要求2所述的基于数字孪生技术的分轴燃气轮机管理方法，其特征在于，将所述实时数据输入所述状态监测模型中进行修正系数计算，得到修正系数具体包括：
计算压气机虚拟模型的修正系数：
根据压气机实时进口温度T2，得到进口空气比焓h2与进口空气熵函S2；
根据实时进口压力得到压比πf；根据压比πf得到等熵压缩后的熵函数S21,s；
根据等熵压缩后的熵函数S21,s，得到理想等熵出口温度T21,s及比焓h21,s；
根据预设的等熵效率ηf和等熵效率定义，得到实际出口比焓h21；
根据实际出口比焓h21和空气热力性质关系，得到实际排气温度T21以及实际扭矩仪功率Nf：
计算燃烧室虚拟模型的修正系数：
根据质量守恒方程和能量守恒方程得到燃烧室动态变化过程数据；
计算涡轮动叶虚拟模型的修正系数：
根据涡轮动叶实时进口温度Tin及油气比fin计算涡轮动叶进口的比焓hin及熵函数Sin；
根据膨胀比πT得到涡轮动叶出口等熵膨胀时的熵函数；
根据涡轮动叶等熵出口的熵函数得到涡轮动叶出口的等熵温度Touts及比焓houts；
根据涡轮的等熵效率定义得到涡轮的出口实际焓值hout；
根据燃烧室进口流量Gin、涡轮动叶进口的比焓hin和涡轮的出口实际焓值hout得到涡轮的输出功率NT。
4.根据权利要求3所述的基于数字孪生技术的分轴燃气轮机管理方法，其特征在于，将所述实时数据和所述修正系数输入所述性能预测模型中进行健康因子计算，得到健康因子具体包括：
其中，Gh、ηh为健康状态数据，Gde、ηde为退化后的数据。
5.根据权利要求4所述的基于数字孪生技术的分轴燃气轮机管理方法，其特征在于，将所述实时数据、所述修正系数和所述健康因子输入所述实时模型中进行实时模拟计算，得到实时的虚拟发动机状态数据具体包括：
根据实际扭矩仪功率Nf和涡轮的输出功率NT得到高压涡轮的膨胀比πT；
根据高压涡轮排气温度TPT,out,m和膨胀比πT得到高压涡轮进口温度TT,in；
根据油气比确定部件工作点在修正后的高压涡轮工作特性图上存在的区域；
根据预设条件在所述区域中确定Beta值；所述预设条件为：若油气比趋向于贫油熄火，判定部件工作点在流量大、压比小的区域，确定极小Beta值；反之，确定极大Beta值；
根据高压涡轮进口温度TT,in和Beta值对高压涡轮工作特性图进行修正，得到修正后的高压涡轮工作特性图；
对所述修正后的高压涡轮工作特性图进行插值计算，得到进口流量、效率和膨胀比：
将实时数据、进口流量、效率、膨胀比和健康因子输入所述实时模型中进行实时模拟计算，得到实时的虚拟发动机状态数据。
6.根据权利要求5所述的基于数字孪生技术的分轴燃气轮机管理方法，其特征在于，所述人机交互界面包括：状态精准监测界面、故障诊断界面和趋势预测界面。
7.一种基于数字孪生技术的分轴燃气轮机管理系统，其特征在于，包括：
数据采集模块，用于采集发动机数据；所述发动机数据包括：实时数据和历史数据；
虚拟模型构建模块，与所述数据采集模块连接，用于根据所述发动机数据中的历史数据构建数字孪生发动机虚拟模型；所述数字孪生发动机虚拟模型包括：状态监测模型、性能预测模型和实时模型；
修正系数计算模块，与所述数据采集模块连接，用于将所述实时数据输入所述状态监测模型中进行修正系数计算，得到修正系数；
健康因子计算模块，分别与所述数据采集模块和所述修正系数计算模块连接，用于将所述实时数据和所述修正系数输入所述性能预测模型中进行健康因子计算，得到健康因子；
误差计算模块，分别与所述数据采集模块、所述修正系数计算模块和所述健康因子计算模块连接，用于：
将所述实时数据、所述修正系数和所述健康因子输入所述实时模型中进行实时模拟计算，得到实时的虚拟发动机状态数据；
将所述实时数据和所述实时的虚拟发动机状态数据进行对比，得到误差；
人机交互模块，分别与所述数据采集模块和所述误差计算模块连接，用于将所述实时数据、所述实时的虚拟发动机状态数据和所述误差在人机交互界面显示，并根据所述误差发送控制指令调整发动机的运行状态。
8.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-6中所述的基于数字孪生技术的分轴燃气轮机管理方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求1-6所述的基于数字孪生技术的分轴燃气轮机管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311767416.1A CN117725700A (zh) | 2023-12-20 | 2023-12-20 | 基于数字孪生技术的分轴燃气轮机管理系统、方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311767416.1A CN117725700A (zh) | 2023-12-20 | 2023-12-20 | 基于数字孪生技术的分轴燃气轮机管理系统、方法及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117725700A true CN117725700A (zh) | 2024-03-19 |
Family
ID=90203286
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311767416.1A Pending CN117725700A (zh) | 2023-12-20 | 2023-12-20 | 基于数字孪生技术的分轴燃气轮机管理系统、方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117725700A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118013892A (zh) * | 2024-04-07 | 2024-05-10 | 杭州汽轮动力集团股份有限公司 | 一种基于多物理场的燃气轮机状态实时监控方法和装置 |
-
2023
- 2023-12-20 CN CN202311767416.1A patent/CN117725700A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118013892A (zh) * | 2024-04-07 | 2024-05-10 | 杭州汽轮动力集团股份有限公司 | 一种基于多物理场的燃气轮机状态实时监控方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110717219B (zh) | 航空发动机整机状态下压气机进口流量的获取方法及装置 | |
| CN106874569B (zh) | 一种变几何分轴式燃气轮机实时仿真建模方法 | |
| CN103838920B (zh) | 一种涡轴发动机动态实时模型建模方法及系统 | |
| 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 | |
| CN109992880B (zh) | 一种燃气轮机性能适配方法、设备以及系统 | |
| CN112861425A (zh) | 结合机理与神经网络的双轴燃气轮机性能状态检测方法 | |
| CN104951628A (zh) | 一种基于多目标优化的发动机热力学仿真模型标定方法 | |
| JP2018204604A (ja) | 圧縮機の着氷を検出するためのシステムおよび方法 | |
| CN108108528B (zh) | 一种分轴式航改燃机动力涡轮一维匹配设计方法 | |
| CN110991073B (zh) | 一种液体火箭发动机仿真方法、装置及设备 | |
| Koleini et al. | EGT prediction of a micro gas turbine using statistical and artificial intelligence approach | |
| CN112668162A (zh) | 一种基于惯性滑模的航空发动机建模方法 | |
| WO2024120432A1 (zh) | 一种舰用燃气轮机起动性能模型建模方法 | |
| CN111611743B (zh) | 轴流式压气机特性线自适应方法 | |
| US20230281524A1 (en) | Systems and methods for predicting and optimizing performance of gas turbines | |
| JP2017015079A (ja) | ガスタービンエンジン用の位置作動システム構成部品を制御するための方法 | |
| CN115144186A (zh) | 一种燃气涡轮发动机气路故障连续高精度诊断方法 | |
| CN108647391B (zh) | 基于粒子群算法的向心透平全工况仿真建模方法及系统 | |
| Zhang et al. | The Effect of Flight Speed and Altitude on Windmilling Restart Operation of Turbofan Engine System | |
| Cruz-Manzo et al. | Performance analysis of a twin shaft Industrial Gas Turbine at fouling conditions | |
| CN114676530B (zh) | 一种燃气轮机发动机过渡态工作线设计方法 | |
| Kim et al. | Suitability of performance adaptation methods for updating the thermodynamic cycle model of a turboprop engine | |
| CN115688554B (zh) | 一种涡轴发动机旋转部件低转速特性外推及修正方法 | |
| JP7521963B2 (ja) | エンジン特性推定装置、エンジン特性推定方法、およびエンジン特性推定プログラム | |
| Yang et al. | On-Line Component Map Adaptive Procedure Based on Sensor Data |
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 |