基于系统辨识的航空发动机建模研究

阅读量：

574

作者：

郑斐华

展开

摘要：

航空发动机建模是开展航空发动机控制系统回路仿真及半物理试验的重要组成部分,对降低发动机设计风险、减少试验成本具有重要意义。航空发动机的建模方法分为基于物理原理的部件法建模和基于数据的过程数学模型辨识建模。通常航空发动机建模采用的方法是根据发动机实际工作原理建立的部件法模型,但是部件法模型需要考虑模型的实时性以及精度。部件法建立的发动机模型在部件特性存在差异情况下,容易与实际发动机试验数据产生差异。因此需要考虑采用系统辨识的方法对发动机部件法模型进行修正。航空发动机过程数学模型可以根据实际试验数据或部件法模型数据辨识得到。本文针对以上两种发动机建模方法开展了如下研究:以涡喷发动机部件法为例,分析了涡喷发动机部件法建模的原理并提出了改善部件法模型实时性的方法;结合现有的试车数据,对涡喷发动机部件法模型采用粒子群优化算法修正发动机部件特性。对于过程数学模型,分别研究了部件法模型线性化辨识方法以及实际试车数据的状态变量模型辨识方法,提出使用伪随机信号激励部件法模型结合最小二乘法辨识状态变量模型参数,分析了辨识模型的动态特性;根据涡轴发动机试验数据使用卡尔曼滤波的方法辨识状态变量模型,并分析了激励信号对于辨识模型的影响。主要研究内容如下:1.研究了涡喷发动机部件法建模基本原理,指出改善模型实时性的基本原则是提高内部部件模块迭代速度以及提高外部非线性方程计算效率。相应提出已知燃气焓熵值求解温度的拟合求解方法以及使用Broyden法求解非线性平衡方程,并使用底层C语言结合动态链接库的接口建模方式保证整体模型移植稳定性。2.针对部件法模型与试验数据的误差,研究涡喷发动机部件法模型的辨识修正方法。对于影响发动机性能的压气机特性进行辨识修正,首先分析了压气机特性的耦合与插值计算原理,提出采用粒子群优化算法辨识压气机特性耦合系数,辨识生成新的压气机特性。仿真结果显示采用以上辨识方法模型误差显著下降。3.研究部件法模型中线性化模型的辨识问题并对辨识模型动态特性进行分析。以JT9D涡扇发动机部件模型为例,在输入伪随机信号情况下使用最小二乘法辨识得到涡扇发动机线性化状态变量模型并对输入信号幅度影响进行分析,发现输入信号幅度不宜超过3%。进一步对辨识的涡扇发动机状态变量模型动态特性进行研究,分析了状态变量模型的低频拟合特性以及模型的零极点分布影响。4.研究从实际航空发动机试验数据辨识状态变量模型,以涡轴发动机试验数据为例,提出一种新的状态变量模型辨识方法-卡尔曼滤波法,辨识的涡轴发动机状态变量模型与试验数据响应转速误差小于1%。结合JT9D部件法模型仿真分析了不同激励信号下对于此方法辨识的航空发动机模型的影响,提出使用平均法或伪随机信号激励的方法结合卡尔曼滤波辨识状态变量模型。仿真结果显示以上改进方法显著改善了单边效应,模型正负阶跃响应误差明显减小。

展开

关键词：

航空发动机 系统辨识 建模 最小二乘法 卡尔曼滤波