[发明专利]一种涡轴发动机自适应模型建立方法

说明书

本发明公开了一种基于改进Broyden算法求解方程组的涡轴发动机自适应模型建立方法，通过构建方程组并求解实现自适应模型与真实发动机相匹配。依据模型输出应跟踪真实发动机输出原则，结合发动机部件间共同工作方程建立非线性方程组，采用改进Broyden算法对该方程组进行求解获得部件性能退化参数以及涡轴发动机部件级模型猜值。改进Broyden算法以Broyden拟牛顿法为基础结合计算发散判断和校正机制，提高了计算精度及实时性。将求解方程组获得的性能退化参数作为可调参数引入涡轴发动机部件级模型，使得模型具有自适应能力。

技术领域

本发明属于航空宇航推进理论与工程中的系统控制与仿真领域，具体涉及一种基于基于改进Broyden算法求解方程组的涡轴发动机自适应模型建立方法。

背景技术

航空发动机自适应模型在现代航空发动机智能控制、性能寻优、参数预测以及故障诊断领域起着非常重要的作用。早在20实际80年代，国外学者采用Kalman滤波器根据发动机可测参数估计发动机部件性能退化，并将部件性能退化量作为可调参数作用于发动机自适应模型，此后关于发动机自适应模型的研究一直持续展开。

航空发动机自适应模型主要采用部件级数学模型，沿发动机气路流程按照部件特性建立发动机各部件的气动热力学模型，通过求解部件间共同工作方程的形式，使得各部件匹配工作。在部件级模型得到广泛应用以来，提高平衡方程猜值求解实时性的研究一直得到关注，最普遍采用的是以一次通过算法代替牛顿-拉夫逊迭代法对共同方程的进行求解，损失了一定的建模精度，并且由于求解过程中每一步都需要计算雅克比矩阵，调用模型部件计算次数较多，实时性仍有待提高。

自适应模型方面，基于Kalman滤波器的方法运用最为广泛，Kalman滤波器根据可测信号估计发动机性能退化并将其作为可调参数作用于发动机部件级模型。但通过这种方法得到的自适应模型一般只能跟踪发动机稳态值，并且Kalman滤波器的设计过程需要建立小偏差状态变量线性模型，该模型无法覆盖具有强非线性的航空发动机的整个飞行包线，因而在其余工作点的退化参数估计能力较差，因此有必要开展一种新的自适应模型建立方法的研究。

发明内容

发明目的：为了克服现有技术中存在的不足，提出一种基于改进Broyden算法求解方程组的涡轴发动机自适应模型建立方法，提高自适应模型的精度和实时性。

技术方案：一种基于改进Broyden算法求解方程组的涡轴发动机自适应模型建立方法，包括以下步骤：

步骤A、以自适应模型输出跟踪真实发动机输出为条件，以涡轴发动机部件性能退化因子及发动机共同工作平衡方程猜值为参数，构建涡轴发动机自适应模型非线性方程组；

步骤B、将Broyden拟牛顿法结合计算发散判断和校正机制，形成改进Broyden拟牛顿法；

步骤C、将改进Broyden拟牛顿法应用于步骤A构建的涡轴发动机自适应模型非线性方程组求解，得到退化参数；

步骤D、将步骤C计算得到的退化参数作为可调参数引入涡轴发动机部件级模型，形成涡轴发动机自适应模型。

作为本发明的优选方案，步骤A中涡轴发动机自适应模型非线性方程组构建过程如下：

步骤A1，构建涡轴发动机部件级模型共同工作平衡方程，包括：

(1)燃气涡轮进口流量连续方程φ₁(v)：

φ₁(v)＝(W_41xs-Q_41xs)/Q_41xs＝ε₁