[发明专利]基于燃油逆映射的航空发动机极限保护方法及装置

说明书

本发明公开了一种基于燃油逆映射的航空发动机极限保护方法，在航空发动机控制过程中，分别通过航空发动机的各个限制约束参数所对应的燃油逆映射模型获得相应的燃油流量限制值，然后根据这些燃油流量限制值计算出同时满足各个限制约束的燃油流量极限值，并利用该燃油流量极限值对航空发动机进行极限保护；每个燃油逆映射模型均是以包括航空发动机的燃油流量历史数据和该限制约束参数当前数据在内的数据作为训练输入，以航空发动机的燃油流量当前数据作为训练输出，预先对深度神经网络进行训练得到。本发明还公开了一种基于燃油逆映射的航空发动机极限保护装装置。本发明可使得发动机运行限制可以根据飞行任务进行变化，发动机限制值可连续变化。

技术领域

本发明属于航空宇航推进理论与工程中的系统控制与仿真技术领域，主要涉及一种航空发动机极限保护方法及装置。

背景技术

随着航空工业的发展，如何保证航空发动机安全稳定运行变得越来越重要。因此，在发动机控制系统的设计过程中，设计者不仅要考虑如何提供高精度的推力，还要考虑如何在整个过程中提供良好的响应性能，保证发动机的安全运行。为了实现这些具有挑战性的目标，当前的发动机控制器设计者总是采用最大选择和最小选择逻辑结构来防止发动机超过任何操作限制。

优化控制方法能够在满足发动机操作限制的条件下，提高发动机瞬态性能。何黎明和戚学峰提出了多目标瞬态优化问题的线性加权方法和自适应变权加权方法。应用序贯二次规划(SQP)算法求解优化控制。为了避免SQP中惩罚函数的影响，有学者采用了全局收敛性好、局部超线性收敛完全的可行序列二次规划(FSQP)算法。郑前钢研究了可变叶片调节对发动机瞬态响应速度的影响。张海波提出了基于支持向量回归的控制律实时优化，以提高发动机响应能力和延长发动机寿命，提出了基于Bezier曲线的涡轮风扇发动机加速控制律设计的全局优化方法。上述工作开发的控制律设计只适用于特定的发动机状态和特定的极限值。但是，当发动机气路部件性能下降时，上述方法计算的限制线与工作限制之间的关系会发生变化。因此，为了确保发动机即使在最坏的情况下也能安全运行，上述方法常常保持较大的安全裕度。然而，对于相同的操作极限，在不同的飞行任务，如紧急控制，寿命延长控制，极限值应该有所不同。

发明内容

本发明所要解决的技术问题在于克服现有技术不足，提供一种基于燃油逆映射的航空发动机极限保护方法，可使得发动机运行限制可以根据飞行任务进行变化，发动机限制值可连续变化。

本发明具体采用以下技术方案解决上述技术问题：

一种基于燃油逆映射的航空发动机极限保护方法，在航空发动机控制过程中，分别通过航空发动机的各个限制约束参数所对应的燃油逆映射模型获得各个限制约束参数所分别对应的燃油流量限制值，然后根据这些燃油流量限制值计算出同时满足各个限制约束的燃油流量极限值，并利用该燃油流量极限值对航空发动机进行极限保护；每个限制约束参数所对应的燃油逆映射模型均是以包括航空发动机的燃油流量历史数据和该限制约束参数当前数据在内的数据作为训练输入，以航空发动机的燃油流量当前数据作为训练输出，预先对深度神经网络(Deep NeuralNetworks，以下简称DNN)进行训练得到。

根据相同的发明思路还可以得到以下技术方案：

一种基于燃油逆映射的航空发动机极限保护装置，包括Min-Max极限保护模块和与航空发动机的各个限制约束参数一一对应的一组燃油逆映射模型；这一组燃油逆映射模型用于在航空发动机控制过程中获得各个限制约束参数所分别对应的燃油流量限制值，每个限制约束参数所对应的燃油逆映射模型均是以包括航空发动机的燃油流量历史数据和该限制约束参数当前数据在内的数据作为训练输入，以航空发动机的燃油流量当前数据作为训练输出，预先对深度神经网络进行训练得到；Min-Max极限保护模块用于根据这些燃油流量限制值计算出同时满足各个限制约束的燃油流量极限值，并利用该燃油流量极限值对航空发动机进行极限保护。

优选地，所述深度神经网络为在线滑动窗口深度神经网络(简称OL-SW-DNN)。