[發明專利]航空發動機喘振裕度估計方法及控制方法

有效

• 申請號: 202011448201.X
• 申請日: 2020-12-09
• 公開（公告）號: CN112560340B
• 公開（公告）日: 2022-02-01
• 發明（設計）人: 盛漢霖;姜勝斌;劉晟奕;陳芊;張杰;王喆;顧至誠;劉通
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/17
• 代理公司: 北京德崇智捷知識產權代理有限公司 11467
• 代理人: 楊楠

本發明公開了一種航空發動機喘振裕度估計方法，首先構建機載自適應模型，并以基于壓氣機葉尖壓力測量的喘振裕度估計方法所獲取的近喘范圍喘振裕度估計數據作為反饋，對所述機載自適應模型中發動機非線性模型的喘振邊界進行修正，然后用修正后的機載自適應模型進行最終的喘振裕度估計。本發明還公開了一種航空發動機喘振裕度控制方法。相比現有技術，本發明能夠輸出足以滿足航空發動機實際控制要求的寬范圍高置信度喘振裕度估計數據，進而使得模型基主動喘振裕度控制技術真正能夠進入工程應用。

技術領域

本發明涉及一種航空發動機喘振裕度估計方法。

背景技術

目前發動機控制仍未擺脫傳統控制的設計思路，計算機強大的計算能力及邏輯功能尚未得到充分利用。傳統的發動機控制是基于傳感器的控制，即通過可測的轉速、壓比和溫度等發動機狀態參數來間接控制發動機推力及喘振裕度等性能參數。這種控制模式雖然簡單、可靠，然而難以準確反映發動機工作過程中喘振裕度的變化情況，需要在設計時考慮發動機最壞工作環境下的穩定裕度損失，甚至會限制了發動機性能的充分發揮。隨著戰斗機的更新換代，第五代戰斗機對發動機提出了高效率、高推重比、高穩定性等高性能要求。但是隨著全權限數字電子控制的快速發展，已經將傳統發動機控制的性能發揮到極致，要進一步從控制角度提高發動機的整機性能，則需要對喘振裕度實時估計并主動控制。

目前的航空發動機大多通過機載自適應模型來在線反饋實時工作狀態，再計算出喘振裕度作為反饋量以構成直接喘振裕度閉環控制回路，這種控制方法被稱為模型基主動喘振裕度控制，也是最有希望提升發動機性能的控制技術之一。然而，目前國內外關于模型基的研究多集中在仿真階段，在工程實際應用當中鮮有報道。究其原因，主要是由于機載自適應模型精度無法與真實發動機實現零誤差匹配，存在一定誤差，使得機載自適應模型無法對寬范圍內的喘振裕度進行高精度估計，當基于不精確的喘振裕度對發動機直接進行閉環反饋控制時可能會導致發動機失穩。

發明內容

本發明所要解決的技術問題在于克服現有技術不足，提供一種航空發動機喘振裕度估計方法，更夠提供足以滿足航空發動機實際控制要求的寬范圍高置信度喘振裕度估計數據。

本發明具體采用以下技術方案解決上述技術問題：

一種航空發動機喘振裕度估計方法，首先構建機載自適應模型，并以基于壓氣機葉尖壓力測量的喘振裕度估計方法所獲取的近喘范圍喘振裕度估計數據作為反饋，對所述機載自適應模型中發動機非線性模型的喘振邊界進行修正，然后用修正后的機載自適應模型進行最終的喘振裕度估計。

優選地，所述機載自適應模型為基于神經網絡非線性補償的機載自適應混合模型，其包括：發動機非線性模型、卡爾曼濾波器、神經網絡學習算法。

進一步優選地，所述基于神經網絡非線性補償的機載自適應混合模型所使用的訓練數據預先經過聚類壓縮。

更進一步優選地，所述聚類壓縮使用高斯聚類方法。

優選地，所述修正具體方法如下：以基于壓氣機葉尖壓力測量的喘振裕度估計方法所得到的近喘范圍喘振裕度估計數據作為所述機載自適應模型的近喘范圍喘振裕度目標輸出，利用神經網絡學習算法來對所述機載自適應模型中發動機非線性模型的喘振邊界進行修正。

根據同一發明構思還可以得到以下技術方案：

一種航空發動機喘振裕度控制方法，基于如上任一技術方案所述方法所得到的喘振裕度估計數據對航空發動機進行控制。

相比現有技術，本發明技術方案具有以下有益效果：

本發明采用基于壓氣機葉尖壓力測量的喘振裕度估計方法所獲取的具有極高置信度的近喘范圍喘振裕度估計數據作為反饋，對機載自適應模型中發動機非線性模型的喘振邊界進行修正，使得修正后的機載自適應模型能夠輸出足以滿足航空發動機實際控制要求的寬范圍高置信度喘振裕度估計數據，進而使得模型基主動喘振裕度控制技術真正能夠進入工程應用。

附圖說明