CN112883483A - 航空发动机模型校核与验证方法、设备及存储器 - Google Patents
航空发动机模型校核与验证方法、设备及存储器 Download PDFInfo
- Publication number
- CN112883483A CN112883483A CN202011623523.3A CN202011623523A CN112883483A CN 112883483 A CN112883483 A CN 112883483A CN 202011623523 A CN202011623523 A CN 202011623523A CN 112883483 A CN112883483 A CN 112883483A
- Authority
- CN
- China
- Prior art keywords
- model
- error
- uncertainty
- checking
- aircraft engine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 56
- 238000004088 simulation Methods 0.000 claims abstract description 19
- 238000012795 verification Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 10
- 238000010200 validation analysis Methods 0.000 claims description 10
- 238000012821 model calculation Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 description 32
- 230000008569 process Effects 0.000 description 21
- 238000004891 communication Methods 0.000 description 17
- 238000013461 design Methods 0.000 description 13
- 238000002940 Newton-Raphson method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000013178 mathematical model Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013075 data extraction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011056 performance test Methods 0.000 description 2
- 230000007723 transport mechanism Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/12—Simultaneous equations, e.g. systems of linear equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种航空发动机模型校核与验证方法,包括:输入算法模型;求解算法模型的误差,获得误差不确定度;将整机性能测量数据与算法模型输出数据进行比较,获得精度及实际偏差;根据置信范围、实际偏差、误差不确定度计算模型误差的不确定度。并且本发明还提供了包含以上方法的设备及存储器。本发明适用于航空发动机总体性能模型的校核与验证,对已建好计算机中的仿真模型进行代码校核、计算校核和模型验证。通过计算误差不确定度、精度及实际偏差、不确定度等,定性定量的描述模型的误差和不确定度,为进一步的模型精度提升提供理论依据。
Description
技术领域
本发明涉及航空发动机领域,尤其涉及一种航空发动机模型校核与验证方法、设备及存储器。
背景技术
航空发动机的研制是一项复杂的***工程,涉及气动、燃烧、传热、控制、结构、强度等多个学科,研制周期长、费用高、风险大,在计算机中建模与仿真可以大大节省时间与成本,同时可获取试验所需的参数,以期暴露设计问题,提高研制效率和质量,因此,高精度的仿真模型对航空发动机的研究和发展意义重大。整机总体性能模型可用于方案设计、详细设计、整机试验(性能监控、故障诊断)、使用及运行维护各个阶段,通过发动机总体性能模型了解发动机特性,获得发动机的全部截面参数和性能参数,对发动机各设计阶段的结果与实际情况的匹配进行评估验证,获得模型的精度和置信度。然而,目前还缺乏有效的模型精度和置信度的评价体系,需要人工的、针对某一特定模型进行评价,不具有灵活性。
发明内容
为了解决上述技术问题中的至少一个,本发明提供了一种航空发动机模型校核与验证方法、设备存储器,定性定量的评估各因素对总体性能建模与仿真的精度、置信度影响,评价仿真数据与试验数据的吻合程度,同时梳理影响模型精度的不确定因素,达到指导模型修正和精度提升的技术目的。本发明的目的采用以下技术方案实现:
一种航空发动机模型校核与验证方法,包括以下步骤:
输入算法模型;
求解算法模型的误差,获得误差不确定度;
将整机性能测量数据与算法模型输出数据进行比较,获得精度及实际偏差;
根据置信范围、实际偏差、误差不确定度计算模型误差的不确定度。
进一步地,所述误差不确定度根据以下算式计算获得:
其中,f是总体性能方程的非线性方程组中每个平衡方程,NL其中是低压轴转速、NH是高压轴转速,πcl是风扇压比,πch是压气机压比,πth是高压涡轮落压比,πtl是低压涡轮落压比,ε是方程控制误差,Δe是发动机关键截面计算误差,Δe1是误差不确定度,ε∞为最终迭代误差。
进一步地,所述算法模型计算包括迭代步长及初始偏差,根据所述迭代步长及初始偏差计算算法模型的迭代误差、调用次数、运行时间、收敛性。
进一步地,所述精度通过以下算式获得:
其中,y精度是算法模型的精度;y仿真是算法模型计算获得值;y测量是性能参数和/或发动机关键截面参数。
进一步地,所述不确定度通过以下算式计算:
e=Δe1+max(Δe2+Δeerror)
其中,e是不确定度,Δe1是求解误差的不确定度,Δe2是测量参数的置信范围,Δeerror是模型计算与试验输出的实际偏差。
进一步地,所述测量数据为发动机油门杆到达规定状态后的稳态数据。
进一步地,对测量数据处理,处理坏点和异常值,开展各发动机关键截面测量参数的处理,获取发动机关键截面平均值。
进一步地,所述初始偏差小于9%。
根据本发明的又一方面,提供一种可读存储介质,其上具有可执行指令,当可执行指令被执行时,使得计算机执行所述一种航空发动机模型校核与验证方法。
根据本发明的又一方面,提供一种计算设备,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行所述一种航空发动机模型校核与验证方法。
相比于现有技术本发明的优势在于:本发明提供了一种航空发动机模型校核与验证方法,适用于航空发动机总体性能模型的校核与验证,对已建好计算机中的仿真模型进行代码校核、计算校核和模型验证。通过计算误差不确定度、精度及实际偏差、不确定度等,定性定量的描述模型的误差和不确定度,为进一步的模型精度提升提供理论依据。
附图说明
附图示出了本发明的示例性实施方式,并与其说明一起用于解释本发明的原理,其中包括了这些附图以提供对本发明的进一步理解,并且附图包括在本说明书中并构成本说明书的一部分。
图1是示例性的计算设备的结构框图;
图2是本发明实施流程图;
图3是图2中S1具体实施步骤示意图;
图4是图2中S2具体实施步骤示意图;
图5是图2中S3具体实施步骤示意图;
图6是图2中S4具体实施步骤示意图;
图7是总体性能建模与仿真和校核与验证的步骤示意图;
图8是不同算法在不同初值偏差下的最终迭代误差;
图9是三种算法的迭代误差比较;
图10是不同迭代步长对收敛速度的影响;
图11是测量数据与仿真结果的对比方法。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
图1是布置为实现根据本发明的航空发动机模型校核与验证方法的示例计算设备100的框图。在基本的配置102中,计算设备100典型地包括***存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和***存储器106之间的通信。
取决于期望的配置,处理器104可以是任何类型的处理,包括但不限于:微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用,或者在一些实现中,存储器控制器118可以是处理器104的一个内部部分。
取决于期望的配置,***存储器106可以是任意类型的存储器,包括但不限于:易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。***存储器106可以包括操作***120、一个或者多个程序122以及程序数据128。在一些实施方式中,程序122 可以被配置为在操作***上由一个或者多个处理器104利用程序数据128 执行指令。
计算设备100还可以包括有助于从各种接口设备(例如,输出设备 142、***接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元 148和音频处理单元150。它们可以被配置为有助于经由一个或者多个 A/V端口152与诸如显示终端或者扬声器之类的各种外部设备进行通信。示例***接口144可以包括串行接口控制器154和并行接口控制器156,它们可以被配置为有助于经由一个或者多个I/O端口158和诸如输入设备 (例如,键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160,其可以被布置为便于经由一个或者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块,并且可以包括任何信息递送介质。“调制数据信号”可以是这样的信号,它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例,通信介质可以包括诸如有线网络或者专线网络之类的有线介质,以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。
计算设备100可以实现为小尺寸便携(或者移动)电子设备的一部分,这些电子设备可以是诸如蜂窝电话、个人数字助理(PDA)、个人媒体播放器设备、无线网络浏览设备、个人头戴设备、应用专用设备、或者可以包括上面任何功能的混合设备。计算设备100还可以实现为包括桌面计算机和笔记本计算机配置的个人计算机。
其中,计算设备100的一个或多个程序122包括用于执行根据本发明的航空发动机模型校核与验证方法的指令。
图2示例性示出根据本发明一个实施例的航空发动机模型校核与验证方法的流程图。航空发动机模型校核与验证方法始于步骤S1,当然也可以只是将步骤S3-S5设置于包含航空发动机模型校核与验证方法的设备和存储器中。下文将对完整的航空发动机模型校核与验证方法进行陈述。
S1)制定总体性能模型校核与验证的总流程。剖析总体性能模型建模与仿真的过程,明确划分概念模型、数学模型和计算模型三个阶段,据此建立模型校核与验证的流程,识别每个环节影响模型精度精度和不确定度的因素,确定每个环节所作的工作和采用的理论方法,形成总体性能模型校核与验证的总体框架。具体实现方法如图3所示,包括以下步骤:
S11)界定总体性能模型建模与仿真的具体过程。从建模与仿真的角度分析,共包含概念模型、数学模型、计算模型三部分。
概念模型是对真实发动机总体性能模型的概念抽象与描述,利用符号、框图等形式对总体性能模型抽象表达,明确研究对象、建模的预期用途、关注的特性、输入输出参数和建模假设,发动机概念模型即为机理模型,机理分析采用部件法建模,即根据压力平衡、功率平衡和流量平衡,在工作过程中遵循气动热力学定理。航空发动机数学模型是对概念模型的数学描述,航空发动机部件法建模是根据流量连续、压力平衡、功率平衡建立的非线性方程组,以数学表达的形式表达真实物理***的内在规律。计算模型是利用计算机语言表达出的数学模型,并在计算机上求解的过程,包含数值求解算法和规范化的代码表达。
S12)建立总体性能模型校核与仿真的步骤,形成总体指导。
如图7所示,包括代码校核、计算校核与模型验证三部分,其中代码校核是对数学模型到计算模型中的代码转化过程进行检查,确保从逻辑运行、数学公式到计算机代码的转化正确;计算校核是对总体性能非线性方程组的求解过程进行误差和不确定度的评估;模型验证是经过代码校核、计算校核后,对比相同试验条件下试验数据与模型输出数据的吻合程度,给出仿真模型的最终误差和不确定度。
S2)代码校核,检验数学模型到仿真模型的代码转化过程的正确程度,包括静态测试和动态测试。具体实现过程如图4所示:
S21)代码静态测试。本发明开发的总体性能模型采用python语言编程,静态测试不需运行整体代码。静态包括如下部分:(1)结合代码检查仿真程序的框图和数据流图是否正确;(2)结合算法说明(伪代码) 检查核心算法代码编制过程是否正确;(3)深入程序模块内部,从参数命名、注释编写、输入输出、判断条件、循环边界、异常处理等方面检查代码是否正确,检查关键子程序(子模块)是否正确。
S22)代码动态测试。动态测试则需给定程序输入,检查程序的输出或者无法执行的情况,对程序错误定位,判断程序输出是符合实际规律,查找代码的逻辑错误等。本发明的动态测试,可依据程序功能分为稳态测试、过渡态测试、参数敏感性计算分析测试、界面交互、曲线显示测试等几个部分。
S3)计算校核,估计求解非线性方程组的数值方法造成的模型误差及不确定度。数值方法影响模型误差的因素主要包括:不同的数值算法、算法的稳定性、算法的收敛速度。
∑|f(xi)|2<ε,xi∈X, 公式(1)
X=[NL,NH,πcl,πch,πch,πtl]
其中,f是总体性能方程的非线性方程组中每个平衡方程,NL其中是低压轴转速、NH是高压轴转速,πcl是风扇压比,πch是压气机压比,πth是高压涡轮落压比,πtl是低压涡轮落压比,ε是方程的控制误差。
具体实现方法如图5所示,包括以下步骤:
S31)求解非线性方程组不同的数值算法的误差对比。
定义误差的不确定度(2)
其中,Δe是发动机关键截面计算误差,Δe1是误差不确定度,ε∞为最终迭代误差。
S32)利用初值偏差对算法的稳定性评估。
S33)利用控制误差和迭代步长对算法的收敛速度评估。
S4)模型验证,对比相同输入条件下试验与模型输出数据的偏差,评估特定条件下模型代表真实发动机的正确程度。具体实现过程如图7 所示。
S41)评估试验数据的准确程度和置信度。模型验证时采用整机性能试车测量数据与仿真模型输出对比,需确定试验数据的准确程度和置信区间。试验数据的对比主要采取稳态数据,针对稳态模型的特点,试车数据提取发动机油门杆到达某个状态后的稳态数据,主要包括:(1)稳态数据提取,制定统一的稳态数据提取模板;(2)试验数据初步处理,在测量流程参数点较多时,处理坏点和异常值,开展各截面测量参数的处理,获取截面平均值;(3)根据传感器测量精度和试验数据处理过程,估计测量参数的置信区间。
S42)建立试验数据与仿真输出数据的比较方法。
整机性能试车,地面台架试验经常在不同的大气条件下进行,虽然在试车过程中保持相同转速,但由于周围大气条件不同,发动机的推力、耗油率、各截面参数等有较大差异,同时各部件特性曲线均与换算转速相关,为了使数据具有可对比性,需利用相似理论,将试验数据换算到标准大气条件下。稳态模型的验证,通过比较模型结果与实际***测量结果偏差来表示模型的精度。通过公式(3),给出模型验证的偏差。
其中,y精度是算法模型的精度;y仿真是算法模型计算获得值;y测量是性能参数和/或发动机关键截面参数。
S43)结合校核与验证过程,构建评估模型误差的不确定度公式,评估模型误差的不确定度公式为公式(4):
e=Δe1+max(Δe2+Δeerror) 公式(4)
其中,e是不确定度,Δe1是求解误差的不确定度,Δe2是测量参数的置信范围,Δeerror是模型计算与试验输出的实际偏差。
本发明采用了牛顿-拉夫逊算法(N-R算法)、N+1点残量法、Broyden 秩1法三种方法对S3-S5步骤进行了验证及对航空发动机模型校核与验证方法进一步说明,过程如下。
S3)计算校核。计算三种方法的精度和误差范围;利用初值偏离真值的误差作为给定输入,评估了算法的稳定性,给出了初值偏离的最大范围;利用数值算法的控制误差和迭代步长,评估分析了算法的收敛速度,给出了建议的迭代步长和控制误差。
S31)解非线性方程组不同的数值算法的误差对比。本发明对比了牛顿-拉夫逊方法(N-R)、Broyden秩1法和N+1点残量法三种方法的数值求解误差,三种算法的数值求解公式如下:
N-R方法的迭代公式如公式(5)所示:
Broyden秩1方法的迭代公式如公式(6)所示:
N+1点残量法的迭代公式如公式(7)所示:
在公式(5)(6)(7)中X=[NL,NH,πcl,πch,πth,πtl]是总体性能非线性方程组的迭代向量,n是迭代变量个数n=6,k是迭代次数,Xk是第k迭代次数的迭代向量;F是由流量连续、压力平衡、效率平衡组成的非线性方程组;ak是分配给每个迭代向量的系数;Ak是第k次的迭代矩阵。
不同数值求解算法的迭代误差对比设置,在设计点处对三种算法设定不同的迭代初值向量偏差分别为2%、3%、5%、9%,将控制误差设置为ε=0.002。从算法收敛性,最终迭代误差,关键截面误差等维度对比三种算法的优劣如表1所示。
表1三种数值算法的比较
不同算法比较的结论,通过对三种算法不同初值偏差下的迭代误差、调用次数、运行时间、收敛性等进行分析对比(每种算法均给定0.01的迭代步长),设定解的初始偏差值在2%、3%、5%、9%四个值,三种算法在解的初始偏差5%范围内都可以收敛,N-R的迭代误差最小能控制在 0.002范围内、函数调用次数最少、运行时间最少,性能最优。
S32)利用初值偏差对算法的稳定性评估。结合表1对2%、3%、5%、 9%四种初值下,算法的稳定性进行评估,得出结论,在设计点处迭代初值偏差控制在5%之内,数值求解算法可稳定收敛,方程有意义。参见附图8,可知N-R法在相同的初始偏差值,获得较好的迭代效果。并且参见附图9,N-R法的收敛速度较快并且收敛终值误差小,是较为理想的方法。
S33)利用控制误差和迭代步长对算法的收敛速度评估。在考虑收敛速度及精度下,迭代步长应为0.001至0.3。在本对比试验中,在设计点附近将解的迭代步长依此设置为0.001,0.005,0.01,0.015和0.02,评估迭代步长对迭代误差、误差方程调用次数、算法运行时间的影响。
表2不同迭代步长对数值求解算法收敛性的影响
迭代步长 | 迭代误差 | 调用次数 | 运行时间 | 是否收敛 |
0.001 | 0.00011 | 32 | 0.461s | 收敛 |
0.005 | 0.00021 | 40 | 0.470s | 收敛 |
0.01 | 0.00154 | 40 | 0.463s | 收敛 |
0.015 | 0.00265 | 40 | 0.483s | 收敛 |
0.02 | 0.030618 | 408 | 1.265s | 收敛 |
从表2和附图10的分析可看出,迭代步长越小,最终的迭代误差越小,解的精度越高,综合考虑迭代速度、收敛性和最终误差,迭代步长 0.01及以下的迭代误差即能满足解精度的要求。因此利用N-R方法求解时,迭代步长取0.01及以下,即可获得满足精度误差的解。
总结计算校核中的S31)、S32)、S33)三个步骤,数值求解算法对初值敏感,在设计点附近,当初值偏差在9%及以上时,算法出现不收敛,因此初始偏差应当小于9%。;三种算法中N-R的收敛性最好,在设计点附近,当初值给定误差在2%范围内,方程控制偏差ε=0.001时,关键截面参数误差不确定度在1%以内,当初值偏差5%时,截面参数误差不确定度在1.8%以内。
S41)评估试验数据的准确程度和置信度,设置测量参数置信区间如表3所示。
表3测量参数及置信区间
S42)建立试验数据与仿真输出数据的比较方法。
本对比的数据类型简单,可将性能参数和截面参数与模型计算的值直接对比如图11所示。
S43)结合校核与验证过程。
求解算法模型校核结论,采用N-R方法,设置方程控制偏差ε= 0.001,迭代步长0.01,在设计点计算时,当初值给定偏差在2%范围内,推力F的误差不确定度约为2%,NH误差不确定度约为2.4%,低压涡轮排气温度误差不确定度约为2.1%。
本发明的特点是构建了一种工程实用的航空发动机总体性能模型校核与验证方法,对总体性能模型定性和定量的评估。在方案设计、详细设计、整机试验(性能监控、故障诊断)、使用及运行维护各个阶段,给出可靠发动机的全部截面参数和性能参数,进而对设计阶段的结果进行评估验证。本发明基于建模与仿真的流程给出了校核与验证的流程,建立起代码校核、计算校核和模型验证的详细步骤,明确了每个环节中影响仿真模型的精度因素,可指导模型精度的有效提升和改进,具有较强的工程应用价值和意义。
本发明适用于航空发动机总体性能模型的校核与验证,对已建好计算机中的仿真模型进行代码校核、计算校核和模型验证,定性定量的描述模型的误差和不确定度,为进一步的模型精度提升提供理论依据。
同时,工程人员同样能够将以上的方法制作为可执行指令存储于可读存储介质中,当可执行指令被执行时,使得计算机执行上述航空发动机模型校核与验证方法所包括的操作。其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行上述航空发动机模型校核与验证方法所包括的操作。存储器和处理器包含于计算设备。
应当理解,这里描述的各种技术可结合硬件或软件,或者它们的组合一起实现。从而,本发明的方法和设备,或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介,例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式,其中当程序被载入诸如计算机之类的机器,并被该机器执行时,该机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下,计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件),至少一个输入装置,和至少一个输出装置。其中,存储器被配置用于存储程序代码;处理器被配置用于根据该存储器中存储的该程序代码中的指令,执行本发明的各种方法。
以示例而非限制的方式,计算机可读介质包括计算机存储介质和通信介质。计算机可读介质包括计算机存储介质和通信介质。计算机存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据,并且包括任何信息传递介质。以上的任一种的组合也包括在计算机可读介质的范围之内。
应当理解,为了精简本发明并帮助理解各个公开方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说,如下面的权利要求书所反映的那样,公开方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外,所述实施例中的一些在此被描述成可以由计算机***的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此,具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外,装置实施例的在此所述的元素是如下装置的例子:该装置用于实施由为了实施该公开的目的的元素所执行的功能。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (10)
1.一种航空发动机模型校核与验证方法,其特征在于包括以下步骤:
输入算法模型;
求解算法模型的误差,获得误差不确定度;
将整机性能测量数据与算法模型输出数据进行比较,获得精度及实际偏差;
根据置信范围、实际偏差、误差不确定度计算模型误差的不确定度。
3.如权利要求2所述的一种航空发动机模型校核与验证方法,其特征在于:所述算法模型计算包括迭代步长及初始偏差,根据所述迭代步长及初始偏差计算算法模型的迭代误差、调用次数、运行时间、收敛性。
5.如权利要求2所述的一种航空发动机模型校核与验证方法,其特征在于:所述不确定度通过以下算式计算:
e=Δe1+max(Δe2+Δeerror)
其中,e是不确定度,Δe1是求解误差的不确定度,Δe2是测量参数的置信范围,Δeerror是模型计算与试验输出的实际偏差。
6.如权利要求1所述的一种航空发动机模型校核与验证方法,其特征在于:所述测量数据为发动机油门杆到达规定状态后的稳态数据。
7.如权利要求6所述的一种航空发动机模型校核与验证方法,其特征在于:对测量数据处理,处理坏点和异常值,开展各发动机关键截面测量参数的处理,获取发动机关键截面平均值。
8.如权利要求3所述的一种航空发动机模型校核与验证方法,其特征在于:所述初始偏差小于9%。
9.一种可读存储介质,其特征在于,其上具有可执行指令,当可执行指令被执行时,使得计算机执行如权利要求1-7的任一项所包括的一种航空发动机模型校核与验证方法。
10.一种计算设备,其特征在于,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行如权利要求1-7中的任一项所包括的一种航空发动机模型校核与验证方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011623523.3A CN112883483B (zh) | 2020-12-31 | 2020-12-31 | 航空发动机模型校核与验证方法、设备及存储器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011623523.3A CN112883483B (zh) | 2020-12-31 | 2020-12-31 | 航空发动机模型校核与验证方法、设备及存储器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112883483A true CN112883483A (zh) | 2021-06-01 |
CN112883483B CN112883483B (zh) | 2024-03-19 |
Family
ID=76046484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011623523.3A Active CN112883483B (zh) | 2020-12-31 | 2020-12-31 | 航空发动机模型校核与验证方法、设备及存储器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112883483B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114511462A (zh) * | 2022-02-11 | 2022-05-17 | 电子科技大学 | 一种视觉图像增强方法 |
CN116663202A (zh) * | 2023-07-27 | 2023-08-29 | 中国航发四川燃气涡轮研究院 | 一种多级轴流压气机性能仿真模型的校核方法 |
CN118070153A (zh) * | 2024-04-22 | 2024-05-24 | 中国航发四川燃气涡轮研究院 | 一种航空发动机整机试验性能诊断方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110119570A (zh) * | 2019-05-10 | 2019-08-13 | 东北电力大学 | 一种实测数据驱动的风电场模型参数校核方法 |
WO2020000248A1 (zh) * | 2018-06-27 | 2020-01-02 | 大连理工大学 | 一种基于空间重构的航空发动机过渡态加速过程关键性能参数预测方法 |
CN112016034A (zh) * | 2020-09-09 | 2020-12-01 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种能同时处理数值离散、模型形式和模型预测偏差的不确定度量化方法 |
-
2020
- 2020-12-31 CN CN202011623523.3A patent/CN112883483B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020000248A1 (zh) * | 2018-06-27 | 2020-01-02 | 大连理工大学 | 一种基于空间重构的航空发动机过渡态加速过程关键性能参数预测方法 |
CN110119570A (zh) * | 2019-05-10 | 2019-08-13 | 东北电力大学 | 一种实测数据驱动的风电场模型参数校核方法 |
CN112016034A (zh) * | 2020-09-09 | 2020-12-01 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种能同时处理数值离散、模型形式和模型预测偏差的不确定度量化方法 |
Non-Patent Citations (1)
Title |
---|
朱正琛;李秋红;王元;潘鹏飞;: "基于微分进化算法的航空发动机模型修正", 航空发动机, no. 01 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114511462A (zh) * | 2022-02-11 | 2022-05-17 | 电子科技大学 | 一种视觉图像增强方法 |
CN114511462B (zh) * | 2022-02-11 | 2023-04-18 | 电子科技大学 | 一种视觉图像增强方法 |
CN116663202A (zh) * | 2023-07-27 | 2023-08-29 | 中国航发四川燃气涡轮研究院 | 一种多级轴流压气机性能仿真模型的校核方法 |
CN116663202B (zh) * | 2023-07-27 | 2023-10-17 | 中国航发四川燃气涡轮研究院 | 一种多级轴流压气机性能仿真模型的校核方法 |
CN118070153A (zh) * | 2024-04-22 | 2024-05-24 | 中国航发四川燃气涡轮研究院 | 一种航空发动机整机试验性能诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112883483B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112883483B (zh) | 航空发动机模型校核与验证方法、设备及存储器 | |
US7593804B2 (en) | Fixed-point virtual sensor control system and method | |
JP6404909B2 (ja) | 技術的な系の出力量のモデルを算出する方法 | |
CN113554153A (zh) | 氮氧化物排放量预测方法、装置、计算机设备及介质 | |
US11182525B1 (en) | Fault aware analog model (FAAM) | |
WO2023130998A1 (zh) | 涡轮进口温度的计算精度提高方法、***及存储介质 | |
CN115356121A (zh) | 一种涡轮叶片服役环境下寿命以及剩余寿命损伤评价方法 | |
CN113486580B (zh) | 在役风电机组高精度数值建模方法、服务端及存储介质 | |
CN109344522B (zh) | 一种用于轴流压缩机的静叶磨削量的计算方法及*** | |
CN113343390B (zh) | 基于神经网络非线性模型的发动机线性化建模方法 | |
CN107273293B (zh) | 大数据***性能测试方法、装置及电子设备 | |
CN117271938A (zh) | 试验性能参数的相对误差计算方法、***、设备和介质 | |
CN115458081A (zh) | 一种橡胶材料本构模型参数优化方法及装置 | |
CN109253884B (zh) | 基于神经网络的涡轮排气背压估计方法 | |
CN118192222A (zh) | 航空发动机控制模型的构建方法与动态参数的预测方法 | |
CN113434408B (zh) | 一种基于测试预言的单元测试用例排序方法 | |
CN113266449B (zh) | 后处理***前的漏气情况的预测方法及*** | |
Xia | Simplified Programming Design Based on Automatic Test System of Aeroengine | |
CN112463624B (zh) | 一种基于Systemverilog的CPU验证平台 | |
CN113836619B (zh) | 一种拟合任意徐变系数曲线的方法 | |
KR20230079556A (ko) | 3차원 전산해석을 이용한 터보제트 가스터빈 엔진의 성능해석방법 및 성능해석모듈 | |
Tudor et al. | Auto-coding/auto-proving flight control software | |
CN116150899A (zh) | 一种基于gwo-lssvm的风机叶片全尺寸静态测试应变预测方法 | |
CN115828502A (zh) | 一种基于simd的航空发动机特性图插值计算优化方法 | |
CN116805092A (zh) | 一种用于航空发动机振动评估的数字孪生方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |