[发明专利]一种航空发动机试车数据建模方法

说明书

本发明公开了一种航空发动机试车数据建模方法，包括以下步骤：获取航空发动机试车分段稳态及动态数据段；根据先验知识以及控制需求确定航空发动机状态变量模型结构，确定状态变量矩阵A、B、C、D待辨识参数个数；将航空发动机状态变量模型转化为以待辨识参数为状态变量的状态变量方程；根据航空发动机两个稳态点间的动态数据进行最小二乘拟合，计算待辨识参数的初值以及协方差矩阵的初值；根据以上初值和待辨识参数的状态变量方程，进行卡尔曼滤波辨识，得到最终的待辨识参数值，建立状态变量模型。本发明方法算法复杂程度低，使用递推的算法存储量小，建立的航空发动机状态变量模型经试车数据检验误差小。

技术领域

本发明属于航空发动机建模与仿真领域，具体涉及一种基于最小二乘及卡尔曼滤波算法的航空发动机试车数据建模方法。

技术背景

航空发动机无论是在设计试车阶段，还是实际飞行状态下都会产生大量的稳态及动态数据。如何从实际含有噪声的试验数据中建立模型，属于系统辨识的范畴。航空发动机模型的系统辨识是指采用航空发动机试验数据辨识参数得到航空发动机的动态模型。现代航空发动机动态模型一般为基于状态空间的状态变量模型，比如航空发动机机载自适应模型就是在原有的航空发动机线性化状态变量模型增加了性能退化量构成。现代控制理论下基于状态变量模型进行控制规律设计已经成为现代控制规律的主流，航空发动机控制器设计也不例外。航空发动机作为复杂的非线性系统一般采用不同稳态点附近的分段线性化小偏差状态变量模型近似原有模型，而建立状态变量模型已有的方法都局限于根据航空发动机的非线性部件级模型，采用小扰动法或者拟合法得到状态变量模型的矩阵ABCD参数的值。以上算法均应用于理论研究阶段，对于实际航空发动机试车数据中存在噪声和野点的情况下无能为力。而一些智能模型比如神经网络模型等由于计算量巨大，模型结构过于复杂，应用于航空发动机建模无法满足实时性等要求。而在航空发动机研制初期往往在缺少非线性部件模型的情况下，更加依赖于通过实际试车数据进行系统辨识的建模方法。而现有技术中根据航空发动机试车数据建模的方法局限于动态系数法建模，其模型不属于状态变量模型,不适用于基于现代控制论下的控制规律设计。而且由于需要对数据进行平滑滤波，去除野点等预处理操作，算法比较复杂。

发明内容

本发明所需要解决的技术问题是针对现有技术中的缺陷和不足，提供一种基于最小二乘及卡尔曼滤波算法的航空发动机试车数据辨识建模方法，该方法可以用于解决当缺少部件特性情况下，根据实际试车数据进行系统辨识建模得到航空发动机的状态变量模型。该方法辨识得到的模型既可用于航空发动机模型中的实时机载模型，也可以用于航空发动机的控制器设计初期参数调整中航空发动机仿真设计，航空发动机控制系统半物理仿真系统等。其算法也可以用于试车阶段的实时在线建模，在不进行平滑滤波的情况下算法对于噪声和野点的抗干扰能力很强。

本发明为解决上述技术问题采用以下技术方案：

一种航空发动机试车数据辨识建模方法，根据航空发动机分段线性化稳态及动态数据，对航空发动机状态变量模型参数进行辨识，以建立航空发动机的状态变量模型，其特征在于，所述方法包括以下步骤：

步骤S1.获取航空发动机试车分段稳态及动态数据段；

步骤S2.根据先验知识以及控制需求，确定航空发动机状态变量模型结构，确定状态变量矩阵A、B、C、D待辨识参数个数；

步骤S3.将步骤S2所确定的航空发动机状态变量模型转化为以待辨识参数为状态变量的状态变量方程；