[发明专利]包线内全状态的涡扇发动机机载实时模型构建方法

说明书

技术领域

本发明涉及航空发动机建模与仿真领域，尤其涉及一种包线内全状态的涡扇发动机机载实时模型构建方法。

背景技术

涡扇发动机机载实时模型建模技术是发动机控制和故障诊断的关键技术，主要体现在利用该模型能实现发动机自适应调整控制、保证发动机性能，同时它又是基于模型的发动机控制系统传感器故障诊断、隔离和容错控制的重要前提。采用发动机非线性平均模型作为基准设计控制参数，将使发动机的性能无法达到设计的工作状态，降低设计裕度，而基于模型的发动机控制系统传感器的故障诊断、隔离和重构就是利用传感器的双余度输出和机载动态实时模型的输出，诊断和隔离传感器故障，并提供故障传感器的解析余度，从而实现发动机控制系统的容错控制。因此，发动机机载模型的实时性和准确性是以上关键技术的核心，也是保证基于模型的发动机控制系统和健康管理系统有效性的重要指标。随着现代飞机综合任务能力以及性能不断提高，发动机结构日趋复杂，飞行包线更加宽广，工作状态恶劣多变，对涡扇发动机机载模型提出了更高的要求，需能模拟全包线范围，在起动、含加力在内的慢车以上的全状态都具有较高置信度，且满足机载实时性。

近年来，涡扇发动机模型有两种主流仿真模型：非线性部件级模型和线性实时模型。发动机非线性部件级模型建模方法主要有转子动力学法和容积动力学法，非线性模型能模拟包线内涡扇发动机的不同工况且精度较高，在台架试车和控制器设计中应用较为广泛，但是由于飞行器机载资源和计算能力的限制，以迭代求解为基础的非线性部件级模型难以保证涡扇发动机机载实时性需求。而发动机线性模型计算耗时小、对机载资源消耗低，能满足机载实时性要求。但是由于发动机制造、安装公差的影响，发动机存在个体差异，所建机载线性模型应能反映这种差异的“发动机身份证模型”，同时发动机长期在恶劣环境下的工作会引起部件性能蜕化，考虑到发动机绝大部分时间工作在不开加力的慢车以上状态，因此，发动机机载线性模型应能在该工作状态下对气路部件性能蜕化具有自适应能力。

状态变量模型（State Variable Model，SVM）是建立发动机机载模型的基础，起初，建立的发动机SVM是为了将现代控制理论（如LQR、LQG和LTR等）应用于发动机控制中以获得良好的控制性能，NASA为此建立了一个求解发动机SVM的通用仿真平台“DYGABCD”，可以获得不同类型发动机的SVM。美国联合技术公司的Robert Luppold通过发动机传感器测量参数与机载线性模型计算数据的比较，利用基于卡尔曼滤波算法估计出发动机气路部件的性能蜕化量。目前在发动机机载模型建模与仿真方面，尚未见能模拟包线内起动、包含加力在内慢车以上的涡扇发动机全状态，且具有一定自适应能力的机载实时模型构建方法的报道。

发明内容

本发明所要解决的技术问题是针对背景技术的缺陷，提供一种能够满足机载实时性和精度要求，并解决涡扇发动机个体差异与性能蜕化引起的机载模型失配问题的包线内全状态的涡扇发动机机载实时模型构建方法。

本发明为解决上述技术问题采用以下技术方案:

包线内全状态的涡扇发动机机载实时模型构建方法，包括以下步骤：

步骤A)，建立涡扇发动机包含加力在内慢车以上状态的机载实时动态模型；

步骤B)，建立涡扇发动机起动简化模型；

步骤C)，利用卡尔曼滤波器估算涡扇发动机气路性能特征参数后，建立包含加力在内慢车以上状态的机载自适应实时模型；

步骤D)，包线内全状态的涡扇发动机机载实时模型的实际运行解算。

作为本发明包线内全状态的涡扇发动机机载实时模型构建方法的进一步的优化方案，所述步骤A)的具体步骤如下：

步骤A1)，根据涡扇发动机部件特性、设计点参数以及试车数据建立包含加力在内慢车以上状态的涡扇发动机部件级模型；

步骤A2)，根据试车数据中稳态过程的数据，提取涡扇发动机稳态基点，以高压转子换算转速和喉道面积换算值为索引值采用二维插值法建立不含加力的慢车以上状态的机载稳态模型，同时根据加力条件的工作参数构造加力的机载稳态模型；

步骤A3)，根据涡扇发动机试车数据和部件级模型输出数据，搭建不含加力的慢车以上状态以及加力条件的增广状态变量模型，并分别求解其增广状态变量模型系数矩阵；

步骤A4)，根据机载稳态模型和增广状态变量模型系数矩阵，采用二维插值动态累积法建立包含加力在内的慢车以上状态的涡扇发动机机载实时动态模型。