CN115828502A - 一种基于simd的航空发动机特性图插值计算优化方法 - Google Patents
一种基于simd的航空发动机特性图插值计算优化方法 Download PDFInfo
- Publication number
- CN115828502A CN115828502A CN202211209014.5A CN202211209014A CN115828502A CN 115828502 A CN115828502 A CN 115828502A CN 202211209014 A CN202211209014 A CN 202211209014A CN 115828502 A CN115828502 A CN 115828502A
- Authority
- CN
- China
- Prior art keywords
- data
- interpolation
- rotating speed
- result
- simd
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- Complex Calculations (AREA)
Abstract
本发明公开了一种基于SIMD的航空发动机特性图插值计算优化方法,包括步骤:步骤1)数据输入;步骤2)根据步骤1)的输入数据构造出当前转速下的压比插值表、流量或效率插值表。本发明设计在构造插值表时引入SIMD单指令多数据流技术,通过引入该思想,快速构造出当前转速下的压比插值表、流量或效率插值表。
Description
技术领域
本发明涉及航空发动机总体性能数学建模与仿真技术领域,具体的为一种基于SIMD的航空发动机特性图插值计算优化方法。
背景技术
航空发动机机载自适应模型可应用于发动机性能健康监视与故障诊断,先进控制算法(如性能寻优控制、直接推力控制)的设计及验证,目前国内外机载自适应模型大多采用基于卡尔曼滤波器估计的方法,该方法具有算法简单、计算速度快的优点,但单个卡尔曼滤波估计器不适用于全包线工况点。航空发动机非线性部件级模型根据发动机各个部件气动热力学原理进行性能模拟计算,虽计算复杂,但仅用一个非线性部件级模型即可模拟真实发动机在全包线范围内的所有工况点。近年来航空科技工作者加大了对发动机非线性部件级模型实时性提高方法的研究,发动机部件级模型直接作为机载模型使用将成为可能。限制部件级模型机载应用的因素比较多,如部件级模型计算方法复杂,发动机流路计算耗时过多,进而导致部件级模型在机载设备上计算实时性达不到要求。早期通用处理器的工作模式,一般都是基于SISD(单指令单数据流)指令,即每个核心中,一个指令单次操作一条数据,随着算力需求的不断提升,人们发现上述方式在某些场景中效率很低,为此,处理器开始引入新的SIMD(单指令多数据流)指令来提升运算效率,这种技术革新让一个指令能够单次操作多条数据,使程序在特定应用场景下的实时性大幅提升,包括航空机载雷达算法与图像处理算法,这为航空发动机非线性部件级模型计算实时性优化提供了一种新思路。
发明内容
发明目的:为了解决上述背景技术中存在的问题,本发明提供了一种基于SIMD的航空发动机特性图插值计算优化方法,从减少流路计算中旋转部件特性图插值计算中的计算时间上着手,采用SIMD技术优化了特性图插值算法,与常规计算方法相比,能大幅减小特性图插值计算函数的计算时间,进而减少模型流路计算时间。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种基于SIMD的航空发动机特性图插值计算优化方法,包括以下步骤:
1)获取输入数据,所述输入数据包括当前转速、流量与效率判断参数、转速数据表、压比数据表、流量-效率数据表;
2)采用SIMD技术构造当前转速下的压比插值表。
优选的,步骤1)中利用顺序查找法找出当前转速x在转速数据表中的位置。
优选的,步骤2)的实现过程为:
2.1)判断插值流量还是插值效率:
式中,type表示流量与效率判断参数,0表示插值流量,1表示插值效率;
2.2)加载转速线性比至32位向量寄存器s:
其中:xp表示转速数据表中p位置的转速,xp+1表示转速数据表中p+1位置的转速;
2.3)加载压比数据表中的数据、根据步骤2.1)的判断结果,加载流量-效率数据表中的流量或效率数据;并判断是否成功加载数据,若成功加载数据,跳至步骤2.4),否则加载失败,退出计算,结束;
2.4)根据当前转速x在转速数据表中的位置,加载转速xp对应转速线下的8个压比数据至2个128位向量寄存器Q0、Q1中,加载转速xp+1对应转速线下的8个压比数据至2个128位向量寄存器Q2、Q3中:
式中,yi为转速xp对应转速线下的第i个压比数据,yi+m为转速xp+1对应转速线下的第i个压比数据,m为等转速线上的转速个数;
2.5)根据线性插值公式依次构造出当前转速x下的8个压比数据,并将结果保存至向量寄存器Q2、Q3中;
2.6)将8个计算结果写入目标内存:
式中,ci为目标内存的第i个计算结果;
2.7)判断压比插值表是否构造完成,若未完成,跳至步骤2.4)继续计算,否则结束循环,跳至步骤2.3)加载新数据,构造新的插值表。
优选的,步骤2.5)的实现过程为:
2.5.1)计算向量寄存器Q2、Q0之差,将结果保存入向量寄存器Q2中:
Q2={yi+m-yi,yi+1+m-yi+1,yi+2+m-yi+2,yi+3+m-yi+3}
2.5.2)根据步骤2.5.1)的结果,计算与转速线性比的乘积,将结果保存至向量寄存器Q2中:
2.5.3)计算向量寄存器Q3、Q1之差,将结果保存入向量寄存器Q3中:
Q3={yi+4+m-yi+4,yi+5+m-yi+5,yi+6+m-yi+6,yi+7+m-yi+7}
2.5.4)根据步骤2.5.3)的结果,与转速线性比乘积,将结果保存至向量寄存器Q3中:
2.5.5)依次计算向量寄存器Q2、Q0之和与向量寄存器Q3、Q1之和,其结果保存至向量寄存器Q2、Q3中:
有益效果:
本发明采用SIMD技术优化航空发动机特性图插值函数的压比与流量、压比与效率的插值表构造过程,利用128位向量寄存器同时处理4条数据运算,在数据的加载和数据的写入过程中一条指令可以同时对8个数据进行操作,与常规SISD方法相比,有效减小特性图插值函数的计算时间,进而减少非线性模型流路计算时间。
附图说明
图1基于SIMD的航空发动机燃气热力学属性反向计算函数的计算流程图;
图2基于SIMD的航空发动机燃气热力学属性反向计算优化方法流程图;
图3 SIMD技术四字数据操作示意图;
图4压气机特性图插值函数测试输入仿真数据点;
图5燃气涡轮特性图插值函数测试输入仿真数据点;
图6动力涡轮特性图插值函数测试输入仿真数据点;
图7涡轴发动机动态仿真测试输入供油曲线。
具体实施方式
航空发动机特性图插值采用线性插值,在构造特定转速下的压比与流量、压比与效率插值表时,需要反复进行线性插值计算,若特性图数据多,导致整个计算过程非常耗时。为了提高模型的实时性,本专利公开了一种基于SIMD的航空发动机部件特性图插值表构造方法,大幅减小压比与流量、压比与效率的插值计算耗时,提高非线性部件级模型的实时性。
图1为基于SIMD的航空发动机特性图插值计算优化方法用于整个特性图计算的具体计算流程图。详细计算流程做如下说明:
(1)输入当前转速x、当前压比y、流量与效率判断参数type、特性图转速数据X{x1,x2,x3,...,xm}、压比原始数据表Y{y1,y2,y3,...,yn}、流量与效率原始数据表Z{z1,z2,z3,...,zn,zn+1,zn+2,...,z2n};其中,对转速、压比与流量、压比与效率数据关系做如下说明:
式中,→为为映射关系,表示转速数据表中第i个转速xi与压比数据表中第i行的m个元素(ym·i+1,...,ym·i+m)、流量或效率数据表中第i行的m个元素(zm·i+1,...,zm·i+m)与第2i行元素(z2·m·i+1,...,z2·m·i+m)相对应,一般地,流量或效率数据表中第i行元素为流量数据,流量或效率数据表中第2i行元素为效率数据;
(2)利用顺序查找方法找出输入的当前转速在转速数据表中的位置p,如下式:
xp≤x<xp+1
(3)根据当前转速x、当前转速在转速数据表中的位置p、压比数据表Y、流量或效率数据表Z、流量与效率判断参数type,输入到基于SIMD的插值表构造方法,得到当前转速下压比数据表C{c1,...,cm}与流量或效率数据表D{d1,...,dm};
(4)根据当前压比,利用顺序查找找出当前压比在压比数据表C{c1,...,cm}中的位置i;
(5)利用线性插值公式计算出流量或效率值,具体表达式如下:
如图2所示为本发明基于SIMD的航空发动机特性图插值计算优化方法流程图,包括以下步骤:
步骤S1、算法数据的输入,包括当前转速x、转速所在转速数据表中的位置p(xp≤x<xp+1)、流量与效率判断参数type、压比原始数据表Y{y1,y2,y3,...,yn}、流量与效率原始数据表Z{z1,z2,z3,...,zn,zn+1,zn+2,...,z2n};
步骤S2、采用SIMD技术构造当前转速下的压比插值表、流量或效率插值表;其特征在于,所述步骤S2具体包括如下步骤:
步骤S2.1、判断插值流量还是效率,具体表达式如下:
式中,0表示插值流量,1表示插值效率;
步骤S2.2、加载当前转速线性比至32位向量寄存器s,(Singleword,Register),记为s,具体如下:
步骤S2.3、加载压比数据、根据步骤S2.1的结果,加载流量或效率原始数据;并判断有无加载的处理数据,若有加载数据,跳至步骤S2.3,否则退出计算,结束程序。
步骤S2.4、根据转速所在转速数据表中的位置,分别加载xp转速线与xp+1转速线下的8个(总共8对数据)压比数据至4个128位向量寄存器(Quadword,Register),记为Q0、Q1、Q2、Q3,具体表达式如下:
式中,m为等转速线上的转速数据个数;
步骤S2.5、根据线性插值公式依次构造出当前转速下的8个压比数据,并将结果保存至Q2、Q3寄存器中,具体包括如下步骤:
步骤S2.5.1、计算Q2、Q0之差,将结果保存入Q2寄存器中,具体结果为:
Q2={yi+m-yi,yi+1+m-yi+1,yi+2+m-yi+2,yi+3+m-yi+3}
步骤S2.5.2、根据步骤S2.5.1的结果,与转速线性比乘积,将结果保存至Q2寄存器中,其结果为:
步骤S2.5.3、计算Q3、Q1之差,将结果保存入Q3寄存器中,具体结果为:
Q3={yi+4+m-yi+4,yi+5+m-yi+5,yi+6+m-yi+6,yi+7+m-yi+7}
步骤S2.5.4、根据步骤S2.5.3的结果,与转速线性比乘积,将结果保存至Q3寄存器中,其结果为:
步骤S2.5.5、根据上述计算结果,依次计算Q2、Q0之和与Q3、Q1之和,其结果保存至Q2、Q3中,具体表达式为线性插值计算公式,如下:
步骤S2.6、将8个计算结果数据写入目标内存,具体表达式为:
步骤S3、判断发动机部件特性插值数据表是否构造完成,若未完成,跳至步骤S2.4继续计算,否则结束循环,跳至步骤2.3加载新数据,构造新的插值表。
图3所示为SIMD四字数据操作示意图,其中,Qn与Qm为两个源寄存器,存有四个待处理的数据,Qd为目标寄存器,Qn与Qm的四个数据对应位置运算操作,仅用一个时钟周期完成四对数据的操作(加法、减法与乘法等),最后将结果保存至目标寄存器Qd中。
图4所示为压气机特性插值函数测试输入仿真数据点,即为表1的测试输入数据。转速100个数据点与压比100个数据的排列组合,总共10000个数据点。
图5所示为燃气涡轮特性插值函数测试输入仿真数据点,即为表1的测试输入数据。转速100个数据点与压比100个数据的排列组合,总共10000个数据点。
图6所示为动力涡轮特性插值函数测试输入仿真数据点,即为表1的测试输入数据。转速100个数据点与压比100个数据的排列组合,总共10000个数据点。
图7所示为涡轴发动机动态仿真测试输入供油曲线,即为表2的测试输入数据。
为了验证本发明所设计的基于SIMD的航空发动机特性图插值计算优化方法的有效性,利用本发明公开的SIMD方法与常规方法用于特性图插值计算函数,并应用两种方法对双转子涡轴发动机进行动态仿真测试对比。
测试平台为:650MHz的ARM Cortex-A7处理器的STM32MP157A开发板,开发环境为Ubuntu18.04,编译器为arm-linux-gnueabihf-g++交叉编译工具链,SIMD算法部分用汇编语言编写。
如表1所示为基于SIMD的方法与常规方法特性图插值函数计算流量的时间数据对比,表2所示为基于SIMD的方法与常规方法分别应用于双转子涡轴发动机动态仿真的时间数据对比,测试输入为图7所示三组供油曲线,其它条件保持在设计点不变。
表1 SIMD方法与常规方法计算部件特性插值函数的数据对比
函数 | 函数 | 常规方法耗时(s) | SIMD方法耗时(s) |
压气机插值函数 | InterpolateMap_Comp | 0.10141 | 0.01074 |
燃气涡轮插值函数 | InterpolateMap_GTurb | 0.10522 | 0.01556 |
动力涡轮插值函数 | InterpolateMap_PTurb | 0.08150 | 0.01422 |
表2 SIMD方法与常规方法分别用于涡轴发动机动态仿真耗时数据对比
输入 | 常规方法耗时(s) | SIMD方法耗时(s) |
供油曲线1 | 2.14732 | 1.77575 |
供油曲线2 | 2.59788 | 2.15431 |
供油曲线3 | 3.55893 | 2.94482 |
由表1可知,在650MHz的ARM Cortex-A7处理器上,单独测试三个旋转部件特性图插值函数,基于SIMD的方法较常规方法耗时减少82.5%以上;由表2可知,在650MHz的ARMCortex-A7处理器上,两种方法应用于涡轴发动机动态仿真计算,基于SIMD的方法较常规方法耗时减少17.1%以上。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种基于SIMD的航空发动机特性图插值计算优化方法,其特征在于,包括以下步骤:
1)获取输入数据,所述输入数据包括当前转速、流量与效率判断参数、转速数据表、压比数据表、流量-效率数据表;
2)采用SIMD技术构造当前转速下的压比插值表。
2.如权利要求1所述的一种基于SIMD的航空发动机特性图插值计算优化方法,其特征在于,步骤1)中利用顺序查找法找出当前转速x在转速数据表中的位置。
3.如权利要求2所述的一种基于SIMD的航空发动机特性图插值计算优化方法,其特征在于,步骤2)的实现过程为:
2.1)判断插值流量还是插值效率:
式中,type表示流量与效率判断参数,0表示插值流量,1表示插值效率;
2.2)加载转速线性比至32位向量寄存器s:
其中:xp表示转速数据表中p位置的转速,xp+1表示转速数据表中p+1位置的转速;
2.3)加载压比数据表中的数据、根据步骤2.1)的判断结果,加载流量-效率数据表中的流量或效率数据;并判断是否成功加载数据,若成功加载数据,跳至步骤2.4),否则加载失败,退出计算,结束;
2.4)根据当前转速x在转速数据表中的位置,加载转速xp对应转速线下的8个压比数据至2个128位向量寄存器Q0、Q1中,加载转速xp+1对应转速线下的8个压比数据至2个128位向量寄存器Q2、Q3中:
式中,yi为转速xp对应转速线下的第i个压比数据,yi+m为转速xp+1对应转速线下的第i个压比数据,m为等转速线上的转速个数;
2.5)根据线性插值公式依次构造出当前转速x下的8个压比数据,并将结果保存至向量寄存器Q2、Q3中;
2.6)将8个计算结果写入目标内存:
式中,ci为目标内存的第i个计算结果;
2.7)判断压比插值表是否构造完成,若未完成,跳至步骤2.4)继续计算,否则结束循环,跳至步骤2.3)加载新数据,构造新的压比插值表。
4.如权利要求2所述的一种基于SIMD的航空发动机特性图插值计算优化方法,其特征在于,步骤2.5)的实现过程为:
2.5.1)计算向量寄存器Q2、Q0之差,将结果保存入向量寄存器Q2中:
Q2={yi+m-yi,yi+1+m-yi+1,yi+2+m-yi+2,yi+3+m-yi+3}
2.5.2)根据步骤2.5.1)的结果,计算与转速线性比的乘积,将结果保存至向量寄存器Q2中:
2.5.3)计算向量寄存器Q3、Q1之差,将结果保存入向量寄存器Q3中:
Q3={yi+4+m-yi+4,yi+5+m-yi+5,yi+6+m-yi+6,yi+7+m-yi+7}
2.5.4)根据步骤2.5.3)的结果,与转速线性比乘积,将结果保存至向量寄存器Q3中:
2.5.5)依次计算向量寄存器Q2、Q0之和与向量寄存器Q3、Q1之和,其结果保存至向量寄存器Q2、Q3中:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211209014.5A CN115828502A (zh) | 2022-09-30 | 2022-09-30 | 一种基于simd的航空发动机特性图插值计算优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211209014.5A CN115828502A (zh) | 2022-09-30 | 2022-09-30 | 一种基于simd的航空发动机特性图插值计算优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115828502A true CN115828502A (zh) | 2023-03-21 |
Family
ID=85524235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211209014.5A Pending CN115828502A (zh) | 2022-09-30 | 2022-09-30 | 一种基于simd的航空发动机特性图插值计算优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115828502A (zh) |
-
2022
- 2022-09-30 CN CN202211209014.5A patent/CN115828502A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | Neural-network based analysis and prediction of a compressor’s characteristic performance map | |
Tsoutsanis et al. | A component map tuning method for performance prediction and diagnostics of gas turbine compressors | |
Ghorbanian et al. | An artificial neural network approach to compressor performance prediction | |
WO2020000248A1 (zh) | 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 | |
CN111679574B (zh) | 一种基于大规模全局优化技术的变循环发动机过渡态优化方法 | |
CN106935116A (zh) | 自适应性发动机模型扭矩分担优化 | |
Tsoutsanis et al. | Part-load performance of gas turbines: part I—a novel compressor map generation approach suitable for adaptive simulation | |
CN106948946A (zh) | 燃气涡轮水洗方法及*** | |
Shuang et al. | An adaptive compressor characteristic map method based on the Bezier curve | |
Gourdain et al. | High-performance computing to simulate large-scale industrial flows in multistage compressors | |
Ibrahem et al. | Neural Networks Modelling of Aero-derivative Gas Turbine Engine: A Comparison Study. | |
Volponi | Use of hybrid engine modeling for on-board module performance tracking | |
CN115828502A (zh) | 一种基于simd的航空发动机特性图插值计算优化方法 | |
CN112883483A (zh) | 航空发动机模型校核与验证方法、设备及存储器 | |
CN112507477A (zh) | 一种航空发动机变导叶部件特性自适应修正方法 | |
JP5845705B2 (ja) | ガスタービン性能推定装置 | |
Zhang et al. | An integrated modeling approach for variable cycle engine performance analysis | |
CN115544762A (zh) | 基于simd的航空发动机燃气热力学属性反向计算优化方法 | |
Ibrahem et al. | An ensemble of recurrent neural networks for real time performance modelling of three-spool aero-derivative gas turbine engine | |
Lu et al. | Research on a component characteristic adaptive correction method for variable cycle engines | |
Assadi et al. | A novel correction technique for simple gas turbine parameters | |
Stamatis et al. | On board adaptive models: A general framework and implementation aspects | |
CN115526051A (zh) | 基于记忆数据的航空发动机燃气热力学属性查找插值方法 | |
CN117933104B (zh) | 固体姿轨控发动机燃气调节阀压强修正方法 | |
Ivanov et al. | Fast Compressor Map Computation by Utilizing Support Vector Machine and Response Surface Approximation |
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 |