基于序列工作点的航空发动机过渡态气路分析参数选择研究

为了降低由多工作点分析(MOPA)方法的平均效应所产生的气路分析(GPA)系统误差,提出了基于航空发动机过渡工作过程的序列工作点分析(SOPA)技术,并以此为基础提出了一种系统的气路分析参数选择方法。该方法利用连续小波变换对时间信号的增强解析能力,提取待求健康参数在备选测量传感器上的参数特征,实现了在传感器安装受限条件下必要测量参数的选择。通过对SOPA子系统矩阵进行奇异值分解(SVD),获得了在过渡工作过程中不同时间片段上的健康参数可辨识性。针对大涵道比双轴分排涡扇发动机的参数分析结果表明:通过对待求健康参数的敏感性输出信号进行小波分析所确定的最简传感器布局,具备对全部待求健康参数的可辨识性;而以时间片段矩阵的条件数作为判据评估SOPA子系统的参数辨识能力,能够有效地确定具有高可靠性的SOPA时间片段位置,保证了对发动机气路部件健康状态的估计精度。

基于过渡工作过程的航空发动机气路分析方法

目前,绝大多数有关航空发动机气路分析方面的研究均基于发动机的稳态过程,但稳态数据通常难以获得,且有些故障特征仅在过渡工作状态下才能表现出来,因此使用相对更容易获得的过渡态数据能够更全面地对发动机的健康状态进行评估。在气路传感器数目较少的情况下,采用序列工作点方法对大量健康参数进行分析,在增加可用信息量的同时,降低由多工作点方法的平均效应引入的参数估计系统误差;提出间接递归牛顿-拉夫逊法强化非支配分类差分进化算法,以解决发动机大偏差性能退化健康参数估计中的计算收敛性问题。对某型双轴分排涡扇发动机进行气路分析,结果表明:本文方法能够在气路传感器数目有限的条件下,利用发动机过渡态数据实现对大偏差范围内大量健康参数的高效、准确估计。