简介：失速和喘振是航空发动机试验中常遇的两类气动失稳现象,为保障发动机零部件试验安全运转,必须对失速喘振信号进行在线检测控制。根据零部件试车台架的需求,设计了失速喘振辨识算法并对影响辨识算法的关键因素进行了分析,通过小型嵌入式系统为硬件平台实现了失稳辨识系统在线检测功能。该失稳辨识系统具有体积小、实时性强、抗干扰能力强的特点。在多个型号零部件试验件的应用表明,该系统能有效识别发动机深度失速和喘振状态,满足航空发动机风扇/压气机对失速喘振在线检测控制的要求,具有较高的工程应用价值。

简介：确定发动机涡轮前温度的途径有传感器测量和计算模型辨识两种。鉴于发动机安装空间、测量技术成熟度、测量成本等因素，采用了短期测温达1700℃的B型热电偶及高导前缘穿孔安装热电偶技术方案；模型辨识方法采用了高导流量连续、主燃烧室有效热值法迭代求解涡轮前温度。结果表明，整机状态下测试误差小于2%，并可进行定向修正；在部件试验获得较为准确的冷却空气系数、总压损失系数及温度场系数的基础上，涡轮前温度的辨识精度可达到1%以内。利用整机测试的方法进行模型辨识计算，对于涡轮前温度的控制具有重要意义。

简介：为实现航空发动机飞行试验实时监控,分析整理了涡扇发动机实际飞行试验数据,并以三层前向人工神经网络为基础,通过引入输出层反馈至输入层,形成该涡扇发动机的NNARX模型。对包括高压转子转速在内的11个发动机关键参数变化模型进行研究,并在额外架次全程飞行试验数据上验证和讨论辨识模型的推广能力。结果表明,辨识模型样本点上最大相对误差在5%以内,辨识模型可以应用到该型发动机的试飞实时监控中,同时也可为后续建立涡扇发动机的全包线自适应实时监控模型提供参考。

简介：针对影响支持向量机辨识性能的核函数及相关参数，找出使辨识结果最佳的核函数；结合两种措施改进粒子群算法，优化相关参数，选择最佳的参数组合。对比BP神经网络和支持向量机对发动机起动过程的辨识结果，得到支持向量机的辨识精度和收敛时间优于BP神经网络，与起动数据基本一致。在训练样本存在噪声的情况下，验证了所建辨识模型具有很强的泛化能力。基于所建模型，计算了发动机的起动性能，其结果与起动数据吻合较好。该方法对发动机起动性能计算具有一定的理论指导和应用价值。