基于遗传算法-序列二次规划的涡扇发动机最低油耗性能寻优控制

航空发动机性能寻优控制可充分挖掘发动机潜力,大幅提升发动机性能。燃油消耗率是发动机的一项重要技术指标,对燃油消耗率进行优化,其经济意义及作战效能十分明显。针对飞机巡航状态下发动机节油特性进行研究,在保证航空发动机推力不变及安全工作(如保证发动机不超温、不超转、不喘振等)的前提下,使燃油消耗率最小。以所建立的双转子混合排气加力式涡扇发动机非线性数学模型为研究对象,提出了一种基于遗传算法-序列二次规划(GA-SQP)混合优化算法,该优化算法充分发挥了遗传算法和序列二次规划算法的优势,同时在一定程度上克服了两者的缺点,利用Matlab对该优化算法进行了仿真分析。在随机选取的10个飞行状态点对航空发动机最低油耗模式性能寻优控制进行研究后发现:基于GA-SQP混合算法的优化控制可平均降低油耗3.61%(采用基于遗传算法的优化控制则为3.68%),基于GA-SQP混合算法的优化控制的平均耗时为基于遗传算法的优化控制的23.4%。仿真结果表明,基于GA-SQP混合算法的优化控制无需人为设置初始解,不仅能达到与基于遗传算法的优化控制基本相同的优化控制效果,同时还可大幅降低计算量,提高了计算效率。

某涡扇发动机最小油耗模式性能优化算法研究

针对发动机安全性、减少油耗、降低热应力问题,研究某型涡扇发动机非线性数学模型,在满足发动机各部件物理约束条件和推力相等的条件下,采用遗传算法就巡航状态下耗油率最低,对性能指标进行寻优,寻优过程用GAlib类库的遗传算法和涡扇发动机非线性数学模型结合编程实现。在地面及空中巡航状态下分别进行仿真,在推力相等的条件下,地面巡航状态的耗油率在优化后比优化前降低了13.8%,空中巡航状态的耗油率在优化后比优化前降低了9.45%。研究表明:遗传算法适用于像涡扇发动机巡航状态性能寻优这样大规模、高度非线性及无解析表达式的性能优化。