航空并联混合动力专用涡扇发动机快速设计方法

作者： 刘光璧   王步宇   王向阳   帅石金   来源： 航空动力学报 年份： 2023 文献类型 ： 期刊 关键词： 能量利用   稳态性能   涡扇发动机   并联混合动力系统   快速设计  

描述： 为解决航空并联混合动力系统直接使用传统涡扇发动机时存在的发动机效率下降与低压压气机喘振问题，提出了一种通过流量预测确定涵道比的并联混合动力专用涡扇发动机快速设计方法，使用航空发动机

航空发动机部件级模型实时性提高方法研究

作者： 殷锴   周文祥   乔坤   王鸿钧   黄金泉   来源： 推进技术 年份： 2017 文献类型 ： 期刊 关键词： 流路计算   Broyden法   部件级模型   实时性   涡扇发动机  

描述： 基于大涵道比涡扇发动机部件级模型,从减少单次流路计算耗时和降低单步流路计算次数两方面研究提高模型实时性的方法。测试并分析了发动机各模块单步计算耗时,通过建立气体热力属性插值表,使模型单次流路计算耗时

航空并联混合动力涡扇发动机热力循环与工作特性研究

作者： 刘光璧   王步宇   王向阳   佘云峰   邢耀仁   帅石金   来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 热力循环   数值模拟   涡扇发动机   并联混合动力系统   稳态特性  

描述： 为确定并联混合动力涡扇发动机的能量利用效率，并对不同电功率输入下发动机工作特性与性能参数的变化规律进行研究，本文从理论上对发动机有效循环功的来源进行划分，并由此分别定义并联混合动力涡扇发动机的电能

基于双向优化策略的航空发动机多变量加速控制规律优化研究

作者： 姜威   尹金星   郑前钢   张海波   来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   加速优化   双向优化策略   涡扇发动机   几何调节规律  

描述： 针对航空发动机传统加速优化采用并行优化方法，未能有效利用燃油与几何变量的配合作用，提出了一种基于双向优化策略的加速控制规律优化方法。并行单向优化方法中的目标函数集中在发动机当前性能上，燃油的主导作用限制了紧贴约束边界优化过程几何变量的调节范围；而几何变量是通过增加空气流量、提高旋转部件效率等措施改善燃油流量的变化速率来间接提高发动机加速性能。因此，双向优化策略根据控制量在提高加速性作用方式的不同，将多变量并行优化分解为燃油单变量和几何多变量优化并分别采用不同的目标函数，通过确定的加速燃油控制规律正向优化几何加速调节规律，然后根据几何调节规律反向求解加速燃油控制规律。仿真结果表明：在正向优化过程中，喘振裕度不再紧贴约束限制线，优化后的加速时间从4.44s缩短至3.32s，双向优化策略的加速时间优于传统并行方法，且优化出的多变量控制规律更平稳，更便于线性化。

航空并联混合动力专用涡扇发动机快速设计方法

作者： 刘光璧   王步宇   王向阳   帅石金   来源： 航空动力学报 年份： 2023 文献类型 ： 期刊 关键词： 能量利用   稳态性能   涡扇发动机   并联混合动力系统   快速设计  

描述： 为解决航空并联混合动力系统直接使用传统涡扇发动机时存在的发动机效率下降与低压压气机喘振问题，提出了一种通过流量预测确定涵道比的并联混合动力专用涡扇发动机快速设计方法，使用航空发动机

改进多元宇宙算法在航空发动机不暖机模型修正中的应用

作者： 钱仁军   李本威   宋汉强   武晓龙   张赟   来源： 推进技术 年份： 2022 文献类型 ： 期刊 关键词： 暖机   混沌   涡扇发动机   多元宇宙优化算法   模型修正   虫洞机制公式  

描述： 航空发动机不暖机会产生性能损失，此时原有发动机模型已经不能准确表达发动机性能，因此，需要利用模型修正技术对原有的发动机模型进行修正，以获得发动机不暖机情况下的数学模型。提出了一种改进多元宇宙优化算法（Multi-verse optimization,MVO），并将其应用于发动机不暖机模型的修正研究。在常规MVO算法基础上，修改虫洞机制公式，解决解区间偏离0轴较远时寻优计算易陷入局部最优的问题，并引入混沌思想，通过混沌化初始宇宙和在每一代最优宇宙附近区域内进行混沌搜索，增强了算法的全局搜索能力。将改进后的算法应用于发动机模型的修正研究，并将常规MVO，改进MVO，粒子群算法（Particle swarm optimization,PSO）和遗传算法（Genetic algorithm,GA）四种算法的修正结果进行了对比。结果表明：修正后发动机不暖机模型精度得到很大提高，其中推力误差仅为0.07%，能够满足舰载机起飞动力学模型输入条件的精度要求；改进MVO算法对发动机模型的修正效果优于常规MVO算法，且相比PSO和GA，改进MVO修正效果同样更优。

改进多元宇宙算法在航空发动机不暖机模型修正中的应用

作者： 钱仁军   李本威   宋汉强   武晓龙   张赟   来源： 推进技术 年份： 2022 文献类型 ： 期刊 关键词： 暖机   混沌   涡扇发动机   多元宇宙优化算法   模型修正   虫洞机制公式  

描述： 航空发动机不暖机会产生性能损失，此时原有发动机模型已经不能准确表达发动机性能，因此，需要利用模型修正技术对原有的发动机模型进行修正，以获得发动机不暖机情况下的数学模型。提出了一种改进多元宇宙优化算法（Multi-verse optimization,MVO），并将其应用于发动机不暖机模型的修正研究。在常规MVO算法基础上，修改虫洞机制公式，解决解区间偏离0轴较远时寻优计算易陷入局部最优的问题，并引入混沌思想，通过混沌化初始宇宙和在每一代最优宇宙附近区域内进行混沌搜索，增强了算法的全局搜索能力。将改进后的算法应用于发动机模型的修正研究，并将常规MVO，改进MVO，粒子群算法（Particle swarm optimization,PSO）和遗传算法（Genetic algorithm,GA）四种算法的修正结果进行了对比。结果表明：修正后发动机不暖机模型精度得到很大提高，其中推力误差仅为0.07%，能够满足舰载机起飞动力学模型输入条件的精度要求；改进MVO算法对发动机模型的修正效果优于常规MVO算法，且相比PSO和GA，改进MVO修正效果同样更优。

改进多元宇宙算法在航空发动机不暖机模型修正中的应用

作者： 钱仁军   李本威   宋汉强   武晓龙   张赟   来源： 推进技术 年份： 2022 文献类型 ： 期刊 关键词： 暖机   混沌   涡扇发动机   多元宇宙优化算法   模型修正   虫洞机制公式  

描述： 航空发动机不暖机会产生性能损失，此时原有发动机模型已经不能准确表达发动机性能，因此，需要利用模型修正技术对原有的发动机模型进行修正，以获得发动机不暖机情况下的数学模型。提出了一种改进多元宇宙优化算法（Multi-verse optimization,MVO），并将其应用于发动机不暖机模型的修正研究。在常规MVO算法基础上，修改虫洞机制公式，解决解区间偏离0轴较远时寻优计算易陷入局部最优的问题，并引入混沌思想，通过混沌化初始宇宙和在每一代最优宇宙附近区域内进行混沌搜索，增强了算法的全局搜索能力。将改进后的算法应用于发动机模型的修正研究，并将常规MVO，改进MVO，粒子群算法（Particle swarm optimization,PSO）和遗传算法（Genetic algorithm,GA）四种算法的修正结果进行了对比。结果表明：修正后发动机不暖机模型精度得到很大提高，其中推力误差仅为0.07%，能够满足舰载机起飞动力学模型输入条件的精度要求；改进MVO算法对发动机模型的修正效果优于常规MVO算法，且相比PSO和GA，改进MVO修正效果同样更优。

改进多元宇宙算法在航空发动机不暖机模型修正中的应用

作者： 钱仁军   李本威   宋汉强   武晓龙   张赟   来源： 推进技术 年份： 2022 文献类型 ： 期刊 关键词： 暖机   混沌   涡扇发动机   多元宇宙优化算法   模型修正   虫洞机制公式  

描述： 航空发动机不暖机会产生性能损失，此时原有发动机模型已经不能准确表达发动机性能，因此，需要利用模型修正技术对原有的发动机模型进行修正，以获得发动机不暖机情况下的数学模型。提出了一种改进多元宇宙优化算法（Multi-verse optimization,MVO），并将其应用于发动机不暖机模型的修正研究。在常规MVO算法基础上，修改虫洞机制公式，解决解区间偏离0轴较远时寻优计算易陷入局部最优的问题，并引入混沌思想，通过混沌化初始宇宙和在每一代最优宇宙附近区域内进行混沌搜索，增强了算法的全局搜索能力。将改进后的算法应用于发动机模型的修正研究，并将常规MVO，改进MVO，粒子群算法（Particle swarm optimization,PSO）和遗传算法（Genetic algorithm,GA）四种算法的修正结果进行了对比。结果表明：修正后发动机不暖机模型精度得到很大提高，其中推力误差仅为0.07%，能够满足舰载机起飞动力学模型输入条件的精度要求；改进MVO算法对发动机模型的修正效果优于常规MVO算法，且相比PSO和GA，改进MVO修正效果同样更优。

应用深度核极限学习机的航空发动机部件故障诊断

作者： 逄珊   杨欣毅   张勇   韦祥   来源： 推进技术 年份： 2018 文献类型 ： 期刊 关键词： 极限学习机   故障诊断   深度神经网络   核方法   涡扇发动机   部件  

描述： 运用传统单隐层的神经网络进行航空发动机部件故障诊断识别受其浅层结构影响,精度不高,而用深度置信网络(Deep belief network,DBN)等深度学习方法则存在耗时、参数训练复杂的问题。为解决现有的基于数据驱动的发动机部件故障诊断方法的不足,提高诊断精度,缩短训练时间,将核方法和多层极限学习机(Multilayer extreme learning machine,M-ELM)相结合,提出一种深度核极限学习机(Deep kernel extreme learning machine,DK-ELM)。算法首先利用深度网络结构对输入数据进行逐层的特征提取,抽象得到的特征通过核函数实现高维空间映射分类。这些措施有利于提高算法的分类精度和泛化性能,在训练速度上较深度学习也有明显的提高。将该算法与深度学习和其他极限学习机算法进行综合比较研究,结果表明:基于DK-ELM的诊断方法有效、可靠,便于实现,为航空发动机部件故障诊断提供一个更为优秀实用的工具。