涡轴发动机健康管理跟踪滤波器技术

以反映部件健康状态的变几何涡轴发动机部件级数学模型为基础,利用线性化方法建立了反映航空发动机健康状态的线性状态空间数学模型;利用Kalman滤波器原理,构建了涡轴发动机健康状态跟踪滤波器。对线性状态空间模型和健康状态跟踪滤波器进行了仿真,结果表明:线性状态数学模型准确、实时;健康状态跟踪滤波器可准确地估计出涡轴发动机健康状态的变化。

多变量多目标涡轴发动机最优加速控制

基于压气机几何可调的自由涡轮式涡轴发动机部件级动态数学模型,利用可行性序列二次规划(FSQP)算法对多优化目标进行线性加权,提出了多变量多目标的涡轴发动机最优加速控制算法。仿真结果表明,提出的优化算法改善了涡轴发动机加速过程的品质;选择恰当权重的目标函数能大大缩短加速时间,进而改善发动机的动态性能,进一步发挥发动机的性能潜力。

变旋翼转速飞行控制对涡轴发动机输出响应的影响

为探明变旋翼转速条件下飞行控制对涡轴发动机输出响应的影响,在变旋翼转速直升机/传动机构/发动机综合仿真平台的基础上,考虑系统不确定因素的存在,提出并设计了增量式非线性动态逆飞行控制器,提高对系统的控制效果,控制器主要包括角速率控制器、姿态角控制器和航迹控制器;由于执行机构的物理限制,引入伪控制模块,以提高系统的稳定性。典型飞行任务下的仿真结果表明:相对于增量式非线性动态逆飞行控制器而言,伪控制模块不仅可显著提升飞行控制效果,使爬升速度的超调量减小50%以上,还可有效减小动力涡轮转速的超调量9.0%左右,有助于增强发动机的动态控制品质。

军用小涵道比涡扇发动机最大状态控制计划鲁棒性分析

军用小涵道比涡扇发动机在部件性能退化情况下推力保持稳定可有效保证战斗机的作战性能,合理的控制计划有助于实现这一目标。本文进行推力计算公式推导,从理论上分析对比了在部件性能退化情况下,几种经典最大状态控制计划发动机推力性能的变化。理论分析表明,相较于被控量为高压转子转速和涡轮落压比(或低压转子转速)的最大状态控制计划,控制发动机流量和增压比的最大状态控制计划在发动机退化情况下,能够更好地保持推力。仿真结果表明,在不同部件性能退化情况下,控制发动机流量和增压比的最大状态控制计划推力变化最大幅度仅为-2.04%,而被控量为高压转子转速和涡轮落压比(或低压转子转速)的最大状态控制计划推力变化最大幅度高达6.9%。相较而言,控制发动机流量和增压比的最大状态控制计划可有效保证发动机性能稳定,具有更强的鲁棒性。

旋翼机动力装置神经网络预测控制方法研究

针对旋翼机动力装置动力涡轮转速超调或下垂,提出了一种基于燃油流量和导叶调节的动力装置预测控制规律,采用神经网络建立旋翼机旋翼扭矩预测模型和其动力装置预测模型。构建考虑动力涡轮转速控制指标以及动力装置输出轴端扭矩之差的目标函数,并采用可行性序列二次优化优化算法进行滚动优化求解。最后,基于UH-60A综合仿真平台进行仿真验证:结果表明,与常规的串级PID控制方法相比,所设计的神经网络预测控制器能够有效减小动力涡轮转速的超调和下垂量60%以上。