摘要：为建立一种适用于大包线、变状态的高精度、高实时性航空发动机机载自适应稳态模型,提出一种基于神经网络和推进系统矩阵相融合(NN-PSM)的机载自适应稳态模型建模方法。该方法基于小偏差线性化方法对发动机进行线性化来提取推进系统矩阵,用于表征机载模型与发动机之间的输出偏差量。基于神经网络建立发动机基线模型,用于映射飞行条件与发动机输出量之间的关系,利用神经网络的强拟合能力提高机载模型的稳态精度;设计卡尔曼滤波器实时估计发动机健康参数,提高模型的自适应能力。在大包线、变状态的飞行条件下进行仿真验证,并与传统的复合推进系统模型(CPSM)进行对比,结果表明:NN-PSM模型的平均精度在0.66%以内,而CPSM的平均精度为2.07%以内,运行时间仅为CPSM的1/10,且具有数据存储量少的特点。

摘要：提出一种基于非线性模型预测的航空发动机性能寻优控制方法,以提升性能寻优控制的响应速度。基于风扇进口温度插值的复合推进系统动态模型建模方法建立全包线机载预测模型,以实时估计发动机性能参数及有限时域内的未来输出;基于非线性模型预测控制方法,将最大推力模式、最小油耗模式、最低涡轮温度模式3种性能寻优控制模式转化为实时动态性能寻优问题,并设计相应实时控制的性能指标,提升发动机响应速度。仿真结果表明:相比于传统方法,所提出方法建立的机载模型在3种性能寻优控制模式下有较好的控制效果且响应速度提升0.5~5s,在高空巡航工作点,最大推力模式下推力提高19.8%,最小耗油模式下耗油率下降3.12%,最低涡轮前温度模式下涡轮前温度下降17K,验证了控制方法的有效性。