基于单纯B样条的航空发动机机载稳态模型研究

为了减小航空发动机稳态建模的模型误差、降低复杂度及提升其实时性,提出了一种基于单纯B样条函数的航空发动机稳态模型建模方法。该函数是局部多项式基函数的线性组合,因此求解该函数为线性回归问题,通过运用广义最小二乘方法来求解B系数,从而提高计算效率和提高模型精度。最后建立了基于该算法的二维和四维涡扇发动机稳态模型,并分别与相同建模样本条件下的多输入多输出约简迭代最小二乘支持向量机稳态模型进行了比较,表明了单纯B样条建模方法不仅继承了B样条的算法复杂度低、存储数据量小和实时性好等优点,同时避免了最小二乘支持向量回归机不能拟合大样本数据的缺点,且拟合效果优于最小二乘支持向量机。

民航发动机性能诊断方法

为利用民航发动机工作状态参数对其部件衰退情况进行在线诊断,提出一种发动机稳态建模和无迹卡尔曼滤波(unscented Kalman flter,UKF)相结合的部件性能衰退诊断方法.用多元非线性函数分别表达各个部件的通用特性曲线,采用机器学习方法对实测发动机工作状态参数进行学习以确定各函数系数,进而获得发动机稳态工作模型;在对各部件的性能衰退特点及影响性分析的基础上,定义出具有代表性的部件性能衰退因子;对无迹卡尔曼滤波器进行改造,采用所获得的发动机稳态工作模型和工况参数替换传统的滤波观测方程,并以新提出的滑动窗口采样策略克服低可观测性问题;对发动机实测运行数据进行滤波,得出各部件的性能衰退因子变化趋势.经发动机实际运营监控数据验证,该方法能够在航段数据返回数据中心后快速诊断出发动机各部件性能状态,诊断结果与发动机部件损伤目视检查信息吻合良好.该方法能够有效克服发动机性能诊断过程中的非线性强、观测性低、数据噪声显著的问题,具有较高的实用价值.