航空发动机论文范文

引言：寻求写作上的突破？我们特意为您精选了4篇航空发动机论文范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

针对航空发动机型号，现有的PDM技术已经可以较好的对其进行技术状态管理。由于实际装配中，单台航空发动机技术状态强调可追溯性，即对于每一台发动机在排故、维修、大修时需要明确其装配技术状态历史，就必须对单台发动机进行装配技术状态管理。进行单台发动机装配技术状态管理的基础是结构化的数据模型，装配环境下的技术状态数据可以分为三大部分：物料信息、工艺信息与检验信息。这里的物料信息是指产品基本信息及组成产品的各种零/组/部件的信息；工艺信息是指装配各级物料节点所执行的工艺/工序/工步的信息；检验信息是指执行装配的关键项进行检验，具体表现为相对应的检验项的规定值与实际值。物料信息、工艺信息、检验信息都可表示为树形结构。它们间也具有复杂的对应关系，其中包括：工艺与部件或组件对应、检验表与工艺对应、检验项与工序对应、子检验项与工步对应等。由于航空发动机的多装多试的特点，单台发动机在其生命周期的多次装配中会频繁的发生物料信息、工艺信息和检验信息的改变，集中表现在由于串换件、寿命件的到期等，发生各级物料（部件/组件/零件）的变化；由于采用不同版次的工艺、针对个别发动机装配下发的技术文件、技术通知、工艺更改单等会产生工艺信息的变化；物料或工艺信息改变同时也伴随产生了检验信息的变化。因此单台发动机的装配技术状态不仅与同型号同批次的其他发动机的技术状态不同，在其生命周期内本身的技术状态也随时间变化。所以，航空发动机装配技术状态数据模型必须包含两个方面，从空间上说，要用尽可能用简单的模型表示出错综复杂的物料、工艺、检验信息的对应关系；从时间上说，要准确地刻画出发动机装配技术状态随时间变化的情况。

发动机装配技术状态数据模型的定义

以下对发动机装配技术状态在时间条件约束下的物料、工艺、检验等信息进行定义。定义1：航空发动机装配技术状态模型，C={M，PAC，R，T}。其中M为物料信息集合、PAC为工检信息集合、R为关系集合、T为时间。当物料信息集合为整台发动机的物料信息时，C表示单台次发动机T时刻的技术状态；当物料信息为整台发动机物料信息子集时，C表示相应部件、组件等的技术状态。定义2：物料节点集合M：航空发动机某一时刻物料集合为：M={m1，m2，m3…，mn}，n∈N，N为自然数；mi={IDmi，a1，a2，a3，…，ak}，k∈N，mi∈M。M中mi可以是产品、部件、组件或者零件，为产品任意级物料节点。mi中IDmi为物料节点的唯一标识，a1，a2，a3，…，ak为这一物料节点属性，比如关键尺寸、物料寿命、是否为关重件的标识等，可灵活的根据需要进行实例化。定义3：工检信息集合PAC：PAC={pac0，pac1，pac2，…，pacl}，l∈N；Paci={IDpaci，b1，b2，b3，…，bl}，t∈N，paci∈PAC。由上面的分析可知，虽然物料信息和工艺信息节点不是同级一对一的关系，对于具体的发动机产品，工艺及检验信息节点也总是伴随着唯一的物料节点出现，这里不妨将相对应的两种节点合并为工艺及检验信息节点，也是适应了许多先进发动机制造厂商实行的“工检合一”的需要。对于每一个工艺及检验信息节点paci，IDpaci为工艺及检验信息节点的唯一标识。类似于定义1，b1，b2，b3，…，bt亦为paci（1≤i≤l）工艺信息节点的属性，当paci为不同级别的工艺信息节点时，属性可以实例化为工艺版本、关键工序标识等。当paci为工序级节点，若bj={IDbj，CheckContentbj，CheckStandardbj，CheckValuebj}表示一个子检验项，其中，IDbj唯一标识了该子检验项，CheckContentbj为子检验项的具体内容，CheckStandardbj为检验项的规定值，CheckValuebj为检验项的实际值，该属性可给出单件产品由于每次装配产生的检验项信息，一般表示执行一个工步产生的检验信息。定义4：关系集合R=MR∪PR∪MPR其中：MR={r|r=（mi,mj）,若埚mi和mj的父子关系，mi,mj∈M};PR={r|r=（paci,pacj）,若埚paci和pacj的父子关系，paci,pacj∈PAC}；MPR={r|r=（mi，pacj），若埚mi和pacj的对应关系，mi∈M，pacj∈PAC}；该集合可以确定出技术状态模型中存在的物料信息节点之间、工艺及检验信息节点之间、物料信息节点与工艺及检验信息节点之间三种关系。图2展示了一个简化了的技术状态模型的具体例子，该模型具有三层物料信息结构。左面的部分为单台发动机产品的物料状态，右边的部分为与之相对应物料的工检信图1航空发动机装配技术状态息，用连线表示存在相关的关系。

发动机装配技术状态数据模型的基本操作

篇2

中图分类号：V233.7 文献标识码：A 文章编号：1672-3791（2015）02（c）-0210-02

1 研究背景

研究目的：针对航空发动机控制部件进行实体建模，建立部件数据库，包含部件的结构参数与控制特性；并搭建控制系统工作特性的仿真平台，能方便地组建控制系统与分析系统的工作特性，并对系统进行优化设计，服务于教学实践。

研究意义：航空发动机的发动机性能计算机仿真不仅能够指导发动机设计、缩短研制周期、节约经费，而且具有良好的可控性、可观性、安全性、重复性和经济性等特点。建立合理、准确的航空发动机工作过程的数学模型是发动机性能仿真的基础，建立适合于各种仿真目的的发动机仿真模型是仿真试验与分析的关键。

2 发动机转速控制系部件及系统

2.1 动态特性

根据航空发动机转速控制系统的工作原理，构建转速控制系统的原理图。

当系统的输入量不变，只考虑干扰量时，系统的传递函数为

2.2 稳态特性

稳态的误差是控制系统准确度的一种量度，是控制系统性能的一项重要指标。在航空发动机控制系统中，由于发动机的外界条件经常发生变化，系统要在频繁的干扰输入下工作，因此，对干扰恢复稳定时，输出量的给定值与实际值的偏差。但作为系统稳态性能分析，需要讨论系统输入和干扰输入两种情况。

主要根据终值定理：

假设系统的干扰输入为零，即，误差传递函数为

系统的开环传递函数为

系统对单位阶跃输入的稳态误差为零，对单位斜坡输入的稳态误差为常数。

2.3 控制系统模型建立

使用AMESim对航空发动机转速调节系统建模仿真过程中，首先基于转速调节器结构原理图，经对原理图及工作过程分析，确定对建模仿真具有重要作用的系统关键元件；其次，根据各元件特点将调节器主要元件分类为机械元件、液压元件等；然后针对不同类别，对各元件采取相应的建模方法分别进行建模；最后，再根据原理图连接各关键元件，构建调节器模型。建模过程的主导思想是力求为用户提供元件尽可能多的输入参数，并具有尽可能准确的数学模型[1]。

3 控制系统的优化

对于控制系统的优化，根据性能的指标要求对系统性能的参数进行调整。其中，系统不可调整参数为油泵参数K3=1.0，K4=1.0；发动机参数TE=0.9s，KE=0.23[2]，见表1。

通过参数的调整得到不同的单位阶跃响应曲线、单位脉冲响应曲线、系统的Bode图以及系统根轨迹图（见图1），对在不同参数下的稳定性、灵敏性、系统的开环频率特性和闭环系统的时域响应特性，进行分析，找到并得出最合适的控制参数。

发动机的动态特性随发动机的工作状态和飞行条件改变而改变。高空低速飞行并且发动机在低转速状态工作时，发动机的动态性能最差。因此，在完成设计状态下的系统性能分析检查后，必须在各种飞行条件下，对发动机的各种工作状态进行系统仿真，并按性能指标定量检查仿真结果。若性能不满足要求，应重新调整参数值，直至满足性能指标要求为止。如果调整参数值仍不能达到要求，应重新修改校正装置结构或重新设计。

4 发展的前景以及优势

目前研发的航空发动机控制部件及系统仿真教学平台主要是针对单转子喷气式发动机的研究，对于目前新一代航空发动机采取的控制手段是电子控制技术，即全权限数字发动机控制器FADEC。数字电子控制器能够进行复杂运算，实现更为复杂的控制规律，可以布置更多的发动机载传感器，用于监控发动机工作状态并且能使发动机控制系统具备故障诊断和故障重构能力，大大提高可靠性，实现发动机自适应控制[3]。

5 结语

该文研究的主要内容包括：首先，分析了航空发动机控制系统建模仿真技术的发展情况；其次，分析研究了液压机械式发动机及其转速控制系统的组成及工作原理，并对带比例反馈的转速控制系统的组成及工作原理进行了详细的分析研究；再次，提出了基于AMESim的航空发动机燃油调节系统建模仿真研究方法；紧接着使用该建模方法对液压机械式发动机转速转速控制系统进行了建模；最后，对开环、闭环转速控制系统性能分析研究，并对“软参数”流量系数的计算及变化情况进行详细的分析研究并得到单位阶跃响应曲线、单位脉冲响应曲线、系统的Bode图以及系统根轨迹图。

该文所建立的航空发动机转速控制系统仿真平台，通用性强，使用灵活，利用此控制系统可以实现各种发动机转速控制系统的仿真。在已研发的航空发动机控制部件及系统仿真教学平台的基础上进行完善、改进，将航空发动机电子控制技术引入进该仿真教学平台去，拓展航空发动机控制部件及系统仿真教学平台的应用范围，有利于更好地理解、学习航空发动机的工作原理。

参考文献

篇3

一、引言

20世纪以来，随着航空发动机技术的不断突破，其性能得到了很大的提高。与此同时，航空发动机的各相关成本也在节节攀升，而且在与其性能权衡的过程中逐步凸显出来，成为一个关键问题。

全寿命周期成本（Life Cycle Cost，

LCC）最早是由美国国防部提出的，对于航空发动机来说，LCC是指政府或者其他机构在项目的全寿命周期内所花费的全部支出，这里所提到的全寿命周期一般包括研制、生产和维护、弃置三个阶段。LCC的提出为我们进行成本管理提供了一个新的思路，它的作用至少体现在以下方面：（1）评价竞争项目；（2）寻找成本驱动因素，降低成本；（3）更加准确地预测详细成本；（4）权衡性能与成本。这四个方面的作用都要以LCC的估算为基础。

本文试图以作业成本法的思想为基础，结合已有的研究成果，提出一种新的LCC估算思路，以此改进现有的LCC估算方法。

二、文献回顾

美国国防部于20世纪60年代中期提出了“LCC”的概念，在此之后，包括武器装备在内的产品或系统的LCC估算模型和方法获得了广泛的研究。从国外的情况来看，这些研究主要是集中于美国的一些研制单位和研究机构，比如兰德（Rand）公司、美国国防分析研究所（Institute for Defense Analysese，IDA）、美国航空航天学会（AIAA）等。最早提出的方法是参数估算法（Parametric），它是以航空发动机的性能参数为基础来对LCC进行估算的，运用该方法可以在项目的方案设计阶段对项目的LCC进行估算。J.R.Nelson（1978）在《航空涡轮发动机的全寿命周期成本》一文中提到了兰德公司提出的航空发动机的LCC估算模型，这个模型便是参数估算模型的一种，它是兰德公司在研究了美国29种涡轮发动机的数据以后所建立的，模型中用到了推重比、涡轮进口温度和耗油率等参数。与参数估算法几乎同一时间出现的还有类推估算法（Analogous），这种方法是以参照发动机的LCC为基础来估算新研制发动机的LCC。Boehm（1981）在《软件工程经济》一文中提到了类推成本估算法，这种方法简单易行，通常也用于项目的早期阶段，但其估算结果很大程度上取决于新研制发动机与参照发动机的相似性。随着项目的逐步推进，详细的工程分析得以进行，这便为“自下而上（Bottom-up）”估算法的提出创造了条件。这种方法也被称为工程估算法，它是利用工程分解结构自下而上地逐项计算成本，将整个项目在寿命周期内的所有成本单元累加起来得出LCC的估计值。以上提到的三种方法是较为传统的方法，R.Curran（2004）等人在《航空工程成本模型回顾：遗传因果关系的方法》一文中对近些年来所提出的一些新的方法作了阐述，包括基于特征建模法（Feature-based modelling）、模糊逻辑法（Fuzzy logic）、神经网络法（Neural networks）、不确定性法（Uncertainty）、数据挖掘法（Data mining）。除了美国学者在这方面所作出的贡献外，英国南安普顿大学的S.V.Tammineni（2009）等人提出了基于知识的航空燃气涡轮发动机的成本建模方法，这也是一种较为新颖的方法。

国内的相关研究起步较晚，较早对这一问题进行系统研究的是李屹辉（2000），在其硕士论文《军用航空发动机全寿命费用分析研究》中，李屹辉构建了航空发动机在寿命周期各个阶段的成本估算模型，但由于数据较难搜集，没能确定模型中变量的系数。在这之后，很多学者将研究的重点放在了研制成本的估算上，比如徐哲、刘荣（2005）用偏最小二乘回归法来估算武器装备的研制成本，杨梅英、沈梅子（2006）用灰色组合模型来估算发动机的研制成本，但这两篇文章所用的数据都是美国的。也有学者由于数据较难搜集转而提出一些成本估算的框架，比如尹峰、刘劲松（2006）在《发动机研制费用的测算》一文中以工程估算法为基础构建了成本要素框架，谭云涛、郭波（2007）提出了基于CAIV的航空发动机性能与费用的综合权衡模型框架。除了以上提到的参数估算法和工程估算法，周琦、李震模（1999）用神经网络法对导弹武器系统的研制成本进行了估算。总的来说，国内的研究由于数据搜集问题较难开展。

从国内外的研究情况来看，不论是传统的估算方法，还是较新的估算方法，都有一个共同的缺陷——细化程度不够，成本估算以主要性能参数为输入，直接以LCC为输出，不能对成本形成的原因进行识别和控制。本文试图在性能参数和LCC之间架起“作业”的桥梁，以便更加准确地估算LCC和更好地进行成本控制。

三、基于作业成本法的航空发动机全寿命周期成本估算

（一）作业成本法

作业成本法（activity-based c-

osting，ABC）的基本思想最早由美国会计学者科勒在20世纪30年代末40年代初提出，随着间接费用在产品总成本中的份额越来越大，传统的成本核算方法逐渐露出弊端，作业成本法应运而生。这种方法以作业为间接费用归集对象，通过资源动因的确认、计量，将资源费用归集到作业上，再通过作业动因的确认、计量，将作业成本归集到产品上，其流程如图1所示。

篇4

中图分类号：V2 文献标识码：A

Abstract：In order to overcome the modeling errors existing in the controller design of flight control system and the influence of interference during the flight， this paper completed the controller of a certain type battle fuel machine control system by adopting LQG/LTR robust control method. And in order to improve the control precision of the fighter and to solve the limitations of selection of the weight matrix Q and R， genetic algorithm was added to find the optimal online . Simulation results show that， compared with PID controller based on genetic algorithm， LQG/LTR control system based on genetic algorithm has good robustness， rapid response， and high control accuracy， which can meet the flight control requirements of the fighter.

Key words：LQG/LTR；robust control；genetic algorithm；PID；Matlab/Simulink

1引言

航空发动机是一个结构极其复杂、工作环境极为恶劣、强非线性的被控对象。在实际工作过程中， 航空发动机特性会随着负荷或飞行条件的变化而发生变化。近年来，航空发动机控制性能改善方面发展了许多新方法，文献[1]针对航空发动机分布式控制系统，提出了基于鲁理论容错控制，针对系统的参数扰动，不确定时延等不确定性问题进行控制调节，取得了良好的控制效果；文献[3]针对发动机的非线性和不确定性，采用径向基神经网络逼近系统的方法，验证了其有效性；文献[4]采用基于遗传算法的PID控制具有良好的寻优特性，在不同飞行条件下获得了较好的控制效果；文献[5]通过遗传算法对LQR权矩阵Q和R进行优化，进而提升控制效果。可见，遗传算法在航空发动机控制过程中，因其具有良好的寻优性，同时克服了单纯形法对参数初值的敏感性的优势，应用比较广泛，且取得了良好的寻优效果。

LQG/LTR（Linear Quadratic Gaussian with Loop Transfer Recovery）方法作为鲁棒控制系统中，研究比较多的方法，这种设计方法具有计算简单，控制器结构简单、鲁棒性能好等优点，在工程应用中价值很高。本文采用LQG/LTR控制方法，利用遗传算法在线寻优，设计了某型战斗机的燃油控制系统的控制器，分别用该方法和基于遗传算法的PID控制方法等对不同马赫数和高度下的飞行情况进行仿真，同时为了验证该算法对系统参数摄动不确定性，也进行了相关仿真。

2基于遗传算法的LQG/LTR控制器的设计

基于遗传算法的LQG/LTR控制方法，包括LQG/LTR控制器设计，同时与遗传算法结合，适应度函数选取跟误差积分以及u2（t）相关，同时增加了惩罚手段，减少阶跃响应超调量。通过遗传算法迭代，对权矩阵Q和R进行优化进而得到最优的状态反馈矩阵，代入simulink仿真模块，进而得到仿真结果。

2.1LQG/LTR控制器的设计

LQG/LTR是近年来鲁棒控制发展的重要理论之一，可应用于单输入-单输出（SISO），也可应用于多输入-多输出（MIMO）系统，它以分离原理为核心。通过设计一个Kalman滤波器和一个最优反馈控制器来完成。

选择合适的参数W，V使图1中的I′处卡尔曼滤波器的回比函数HI′的奇异值曲线形状满足系统的鲁棒性要求；再设计一个LQR调节器，通过调节Q，R直至I处的HI的主增益曲线足够地趋近于卡尔曼滤波器回比函数HI′的主增益曲线。因此，应用LQG/LTR设计方法时，只需要设计好I'处的卡尔曼滤波器的回比函数，然后通过LTR就可以使系统性能得到保证。但是一般情况下，LQR调节器中的Q，R权矩阵的选择是通过专家经验，一步步试验得到，工程计算量大，实际上很难达到最优，论文在这个问题上加入了遗传算法进行在线寻优。

2.3遗传算法多目标寻优

LQG/LTR设计方法中，决定闭环系统性能的回比矩阵奇异值图的形状只能通过对LQR加权矩阵Q和R的不同选择来调整，如何去选择，并没有解析方法，只能定性的去选择矩阵参数，实际上很难达到最优，故调整范围有一定的局限性，直接影响了控制性能和鲁棒稳定性。为克服该局限性，本文提出一种LQG/LTR改进方案。

论文应用遗传算法，将LQG/LTR方法中的LQR调节器权矩阵Q和R作为优化对象，以控制系统的e（t），u（t），ts（阶跃响应上升时间）作为性能指标，组成适应度函数，通过全局搜索能力，对加权矩阵进行优化设计，以提高LQR的设计效率和性能。图2为基于遗传算法的LQG/LTR控制的流程图。

从上述仿真曲线可知：

1）由图4.1可看出，随着种群代数的不断增加，最优个体的适应度函数值不断的减小，也就是说，遗传算法搜索到的适应度函数值也越来越小，更符合我们的控制要求。

2）由图4.2可明显看出，基于遗传算的LQG/LTR控制下的系统阶跃响应时间很快，波形稳定，没有稳态误差，上升时间有明显的优势。同时，四种飞行条件下的曲线对比，阶跃响应并没有随着马赫数和高度的增加而呈现明显的趋势变化，但在马赫数为0，高度为0 km的情况下，控制效果更好，响应时间更快。

3）由图4.3至图4.6可看出，曲线①控制效果一般，响应时间较其他两种控制方法较长，只有在图3情况下，响应时间最快，但是却有明显的超调现象；曲线②控制效果较好，响应时间较长，但是一直没有超调不明显；曲线③控制效果最好，响应时间最短，超调也不明显，没有稳态误差。

4）图4.8和图4.9可看出，即使是在参数不确定的情况下，基于遗传算法的LQG/LTR控制仍然能够保持很好的控制效果，具有很好的鲁棒性和抗干扰能力。

5）根据不同马赫数和高度下四个系统的控制效果参数对比，以及对其参数不确定性和外部干扰仿真，基于遗传算法的LQG/LTR控制均具有比较良好的控制效果，具有很好的鲁棒性和抗干扰能力。

5结论

本文通过LQG/LTR方法，设计了模型战斗机的燃油系统的控制器，解决了LQG/LTR在设计LQR调节器时，权矩阵Q和R的选取困难的问题，提出了基于遗传算法的LQG/LTR控制算法，并与经典控制理论基于遗传算法的PID控制算法相比较，进行了不同飞行条件下的控制试验，同时针对航空发动机建模的参数不确定性以及外部干扰试验，经试验结果证明，基于遗传算法的LQG/LTR控制不仅鲁棒性好，控制精度高，而且阶跃响应灵敏，反应快速，同时具有很好的抗干扰能力，更能满足战斗机快速反应的要求，具有很好的现实意义和应用前景。

参考文献

[1]王磊，谢寿生，彭靖波，等. 航空发动机分布式控制系统不确定性鲁棒H∞容错控制[J].推进技术，2013， 34（6）：836-842.

[2]傅强，樊丁. 模糊自适应整定PID在航空发动机中的应用研究[J]. 计算机仿真，2006， 23（3）：54-57.

[3]傅强，智能PID控制器在航空发动机控制中的应用研究[D].2005

[4]彭靖波，谢寿生，胡金海. 基于遗传算法的某型涡扇发动机数字PID控制器设计[J]. 燃气涡轮试验与研究，2008 ，21（1）：47-50.

[5]郭一峰，徐赵东，涂青，等. 基于遗传算法的LQR算法中权矩阵的优化分析[J].振动与冲击，2010，29（11）.

[6]MACIE JOWSKI J M. Multivariable feedback design [M].British：AddisomWesley Publishers Ltd，1989.

[7]樊思齐.航空发动机控制[M].西北工业大学出版社，2008：422-476.

[8]薛定宇. 控制系统计算机辅助设计――MATLAB语言及应用[M].北京：清华大学出版社，2011.

[9]黄辉先，李燕，庄选，等.基于LMI的滑模控制在航空发动机中的应用[J].计算机工程与科学，2014，36（6）：1198-1203.

[10]苗卓广，谢寿生，吴勇，等. 基于改进粒子群算法的航空发动机状态变量建模[J]. 推进技术，2012，33（1）：73-77.

[11]李述清，詹济民，李明，等. 鲁棒PID设计在涡扇发动机中的应用[J]. 计算机仿真，2011，28（3）：106-109.

[12]孙健国. 面向 21 世纪航空动力控制展望[J]. 航空动力学报， 2001， 16（2）： 97-102.

[13]郭虹. 航空发动机控制系统的发展趋势[J]. 沈阳航空工业学院学报， 1997， 14（1）：70-74.