Проанализированы подходы к решению проблемы повышения надежности систем авто-матического управления авиационными газотурбинными двигателями (САУ ГТД) на основе алго-ритмического резервирования. Рассмотрены особенности применения линейных и нелинейных математических моделей. Выявлены основные требования, которым должна соответствовать математическая модель для эффективного применения в системах управления ГТД. На основе проведенного исследования разработана и представлена линейная адаптивная бортовая мо-дель, предназначенная для работы совместно с САУ авиационного двигателя. Описаны методы решения проблемы адаптации модели к возможному изменению состояния двигателя. Рассмот-рена реализация детерминированных, стохастических и случайных поправок для коррекции мо-дели во время эксплуатации двигателя. Рассмотрено применение одномерной и многомерной фильтрации Калмана входных и выходных параметров модели для повышения ее точности и надежности. Представлен пример успешной реализации Калман-фильтрации входного сигнала положения поршня дозирующей иглы при испытаниях на безмоторном стенде. Определена об-ласть применения математической модели и ситуации, в которых модель функционировать не может. Проведена оценка погрешности модели и сделаны выводы о возможности ее применения на практике.Ключевые слова: система автоматического управления, авиационный двигатель, иден-тификация, бортовая модель двигателя, надежность, адаптивность, помехи, пространство со-стояний, изменение состояния двигателя, коэффициенты влияния, фильтр Калмана.
Рассматривается подход к управлению малоэмиссионной камерой сгорания авиационного ГТД на базе техноло-гии искусственного интеллекта. В качестве модели искусственного интеллекта принимается нейронная сеть. Главной проблемой разработки нейронных сетей в интеллектуальных системах управления (смарт-регуляторах) на этапе проек-тирования является наличие адекватной математической эксперт-модели объекта, необходимой для их тренировки (обучения). Современные системы управления активно используют также встроенные математические модели объекта для реализации целевых функций и параметров управления, которые не могут быть получены прямым измерением, в частности эмиссии вредных веществ (окислов азота и углерода). Между тем эмиссия вредных веществ в современ-ных газотурбинных двигателях является столь же значимым параметром, как тяга (мощность) или ресурс.В качестве такой математической модели малоэмиссионной камеры сгорания, пригодной как для тренировки нейронной сети, так и для встраивания в структуру смарт-регулятора, рассматривается стохастическая нелинейная ма-тематическая модель генерации окислов азота на базе уравнения Зельдовича. Особенностью представленной матема-тической модели является применение принципа суперпозиции генерации окислов азота в диффузионном и гомоген-ном факелах. Функции распределения плотности вероятности концентрации топливовоздушной смеси в этих факелах учитывают как пространственную неоднородность состава смеси, так и гармоническую составляющую от акустичеких волн, генерируемых теплоподводом. Представленная концепция математической модели в виде интегральных соотно-шений сформирована на основе свертки результатов численного моделирования на 4D-метамодели и имеющихся экс-периментальных данных.В качестве целевой функции (критерия) управления малоэмиссионной камерой сгорания авиационного газотур-бинного двигателя предлагается нормируемый уровень эмиссии окислов азота за цикл взлет-посадка, что может быть реализовано с помощью смарт-регулятора на основе нейронной сети.Ключевые слова: малоэмиссионная камера сгорания, газотурбинный двигатель, система управления, искус-ственный интеллект, нейронная сеть, математическая модель. V.G. Avgustinovich, T.A. Kuznetsova, A.I. Fatykov, A.D. NugumanovPerm National Research Polytechnic University, Perm, Russian Federation LOW EMISSION COMBUSTOR CONTROL CONCEPTION AND ITS EXPERT-MODEL FOR SMART-CONTROLLER NEURAL NETWORK TRAININGApproach to control of low-emission aeroengine combustor on artificial intelligence base is presented. The neural network as model of artificial intelligence is used. The main problem of neural network designing for smart controllers, particularly on first stage, is availability of identical object mathematical expert-model, that is need for neural network training. The on-board aeroengine models is widely used in the modern control and monitoring systems now. However the low emission combustor is essentially more unlinear and stochastic object and working out of the object model is very complicated task. Moreover the NOx emission is the pa...
Connection between pilot fuel flow and pressure pulsations in dry low emission combustor is established on base of experimental data. Determining quantitative criteria of homogeneous or diffusion flame is formulated. The criteria give chance to evaluate quality of mixing fuel and air and combustion without emission measuring. The root-mean-square deviation of the dependence of the distribution of the air-fuel mixture concentration field over the combustion chamber cross section on the correlation coefficient between the pilot fuel ratio and the double amplitude of pressure pulsations in the flame tubes for a homogeneous (technically mixed air-fuel mixture) circuit was approximated based on the data obtained. The results obtained make it possible to significantly improve the quality of emission prediction by refining the semi-empirical mathematical model of the nitrogen oxides' generation, built on the basis of the Zeldovich thermal mechanism for low-emission operating modes of dry low emission combustor of the gas turbine engines. The account of heterogeneity of the process in the flame tubes makes it possible to move from the assumption of the geometric and gas-dynamic identity of the flame tubes to their actual heterogeneity. This conclusion allows refining the model. The developed mathematical model can be used as a virtual emission sensor in advanced tracking control systems of gas turbine engines.
При создании современных авиационных газотурбинных двигателей отмечается значительное усложнение систем автоматического управления и контроля, а их задачи управления являются нетривиальными по множеству причин. Для решения этих задач необходима адекватная математическая модель системы автоматического управления в реальном масштабе времени. Наличие такой модели создает предпосылки для решения задач управления, а также дает возможность обеспечения информационной избыточности, которая позволяет повысить отказоустойчивость системы автоматического управления, т.е. ее способность выполнять свои функции после появления неисправностей. В статье представлены результаты анализа математической модели современной системы автоматического управления газотурбинного двигателя на одном из стационарных и одном из переходных режимов функционирования. Анализ включает рекуррентную идентификацию коэффициентов математической модели, оценивание точности идентификации и определение статистических характеристик измерительных и системных шумов. Идентификация проводилась на основе измерительной информации, полученной в результате летных испытаний авиационного газотурбинного двигателя. Применялись методы регрессионного и дисперсионного анализа. Для определения оптимальных оценок коэффициентов математической модели использовался метод наименьших квадратов в движущемся окне. Этот метод позволяет получить несмещенные оценки коэффициентов с минимальной дисперсией. Проводилась оптимизация ширины движущегося окна с целью обеспечения минимума времени запаздывания оценок сигнала выхода модели и требуемой точности идентификации на всех режимах функционирования двигателя. Точность идентификации оценивалась по коэффициенту детерминации. Результаты анализа математической модели системы автоматического управления для одного из стационарных из переходных режимов представлены в виде таблиц и графиков. Показано, что предложенный алгоритм идентификации обеспечивает выполнение требований по точности определения оценок сигналов выхода системы автоматического управления газотурбинного двигателя и времени их запаздывания. Ключевые слова: математическая модель, идентификация, метод наименьших квадратов, оценивание, дисперсионный анализ, рекуррентная идентификация.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.