王永華，李冬

基于云粒子群算法的航空發(fā)動機性能衰退模型研究

王永華1，李冬2

(1.海軍航空工程學(xué)院飛行器工程系，山東煙臺264001；2.海軍航空工程學(xué)院研究生管理大隊，山東煙臺264001)

壓氣機和渦輪是發(fā)動機的關(guān)鍵部件，其性能下降對發(fā)動機性能有重要影響。本文研究了壓氣機和渦輪的性能衰退，將部件性能衰退等價轉(zhuǎn)化為部件失效因子，修正部件特性，建立了某型渦扇發(fā)動機的非線性性能衰退計算模型；提出了云粒子群優(yōu)化算法，以改善迭代收斂速度慢、計算時間長的問題。基于非線性發(fā)動機性能衰退模型，進行了部件性能衰退對發(fā)動機性能影響的定量計算，所得結(jié)論為發(fā)動機狀態(tài)監(jiān)控提供了依據(jù)。

航空發(fā)動機；部件特性；性能老化；云粒子群算法；模型

1 引言

航空發(fā)動機是飛機系統(tǒng)中故障率最高、調(diào)整最復(fù)雜、維護工作量最大的系統(tǒng)，其工作狀態(tài)好壞直接影響到飛機能否安全、可靠運行。渦扇發(fā)動機的風(fēng)扇、壓氣機、高壓渦輪和低壓渦輪屬于故障多發(fā)部件，隨著服役時間的增加，部件磨損、氣流通道變形、臟污以及調(diào)節(jié)機構(gòu)參數(shù)誤差增大，使得部件的性能參數(shù)偏離正常值。國外對此進行了深入研究，NASA主要針對CF6、JT9D研究了發(fā)動機短期性能衰退和故障診斷發(fā)展模型，重點研究了部件性能變化對發(fā)動機整機性能的影響，指出發(fā)動機部件性能的相對變化趨勢可近似為低階多項式函數(shù)。國內(nèi)，王占學(xué)等對某型渦扇發(fā)動機整機性能老化情況進行了研究[1]；文獻[2]～[5]主要圍繞旋轉(zhuǎn)部件的葉型氣動性能和低雷諾數(shù)條件下部件性能進行了研究，并對定常和非定常流動下旋轉(zhuǎn)部件的性能進行了數(shù)值模擬。國內(nèi)對使用過程中旋轉(zhuǎn)部件性能變化的研究較少，李本威等研究了單級壓氣機性能衰退對發(fā)動機性能的影響[6]，由于壓氣機和渦輪間存在氣動聯(lián)系，壓氣機和渦輪部件性能變化必然會對自身及相關(guān)部件產(chǎn)生影響。

本文通過建立準確的航空發(fā)動機性能衰退模型，基于云粒子群優(yōu)化算法，來研究單個壓氣機部件、渦輪部件性能衰退，以及壓氣機和渦輪兩個部件性能同時衰退時，對發(fā)動機總體性能的影響。

2 基于特性修正的發(fā)動機性能衰退模型

旋轉(zhuǎn)部件的性能衰退主要是由于葉頂間隙增大、葉片表面粗糙度增加和葉片型面改變引起。葉頂間隙增大主要來源于機械磨損和氣路腐蝕，葉片表面粗糙度增加主要來源于壓氣機吸附的灰塵產(chǎn)生的積垢現(xiàn)象和沙塵損壞表面后形成的葉片侵蝕，葉片型面改變主要來源于外物損傷所形成的型面變化和機械磨損造成的葉片長度減小。隨著使用時間或飛行循環(huán)數(shù)的增長，旋轉(zhuǎn)部件氣路內(nèi)部型面變化會導(dǎo)致部件特性曲線變化，而部件特性的準確性在很大程度上決定了發(fā)動機性能計算模型的精度。本文對風(fēng)扇、高壓壓氣機、高壓渦輪、低壓渦輪等旋轉(zhuǎn)部件的特性進行修正，用修正后的部件特性參數(shù)重新計算發(fā)動機的穩(wěn)態(tài)平衡工作點。

以效率和流量損失作為衡量部件性能退化的標準，旋轉(zhuǎn)部件流量失效因子SWi和效率失效因子SEi定義為：

式中：η為部件效率，W為空氣質(zhì)量流量，T為氣路某截面處溫度，P為氣路某截面處壓力，下標i、i0分別代表部件和部件初始健康值。將修正后的特性參數(shù)帶入部件特性曲線，得到修正后的各個旋轉(zhuǎn)部件特性，建立發(fā)動機性能衰退模型，計算旋轉(zhuǎn)部件性能衰退對發(fā)動機性能參數(shù)的影響。計算流程及原理如圖1所示。

按照氣路部件建立發(fā)動機穩(wěn)態(tài)模型，基于部件匹配技術(shù)建立發(fā)動機部件間的動量守恒(功率平衡)、流量連續(xù)和能量守恒，得到描述發(fā)動機工作的非線性方程組[2]。將部件失效模型插入到發(fā)動機穩(wěn)態(tài)模型中，通過修改失效部件特性參數(shù)完成性能衰退量計算。首先確定六個初始參數(shù)，采用“N+1”殘量法對非線性方程組進行迭代求解，直到使所有方程的誤差平方和都小于某一誤差限制或達到規(guī)定循環(huán)次數(shù)的那一組數(shù)據(jù)，即為發(fā)動機平衡工作點。

圖1 發(fā)動機性能衰退模型計算流程圖Fig.1 Computational flow of effect of component deterioration on engine performance deterioration

3 云粒子群優(yōu)化算法

由于部件特性參數(shù)發(fā)生改變時，穩(wěn)態(tài)模型迭代收斂速度減慢，計算時間延長?？紤]到實際情況，提出基于云粒子群的優(yōu)化算法對穩(wěn)態(tài)模型進行改進，以加速穩(wěn)態(tài)模型收斂。

基本粒子群算法由Clerc和Kennedy在2000年提出。文獻[7]～[9]在保持基本粒子群速度和位置迭代公式基礎(chǔ)上，在收斂性方面進行了大量研究，對粒子群算法進行了優(yōu)化改進。由于基本粒子群算法所采用的慣性權(quán)重的調(diào)整策略不能反映實際優(yōu)化搜索過程，本文基于云發(fā)生器，提出一種基于個體適應(yīng)值、把種群分三個子群且分別采用不同慣性權(quán)重的生成策略：

設(shè)規(guī)模為m的粒子群，第k次迭代中粒子xi適應(yīng)度值為fi，粒子群的平均適應(yīng)度值將優(yōu)于favg的適應(yīng)度值求平均得到于favg的適應(yīng)度值求平均得到優(yōu)粒子的適應(yīng)度值為fmin。fi＜粒子為優(yōu)秀粒子，采用較小的慣性權(quán)重w加快其全局收斂速度，w取0.2；fi＜粒子為較差粒子，w取0.9；fi優(yōu)于次于為一般粒子，用云發(fā)生器非線性動態(tài)調(diào)整粒子xi的慣性權(quán)重，其算法為：

式中：c11、c22為控制參數(shù)。En影響正態(tài)云的陡峭程度，En越大云覆蓋水平就越寬；結(jié)合算法的速度和精度，算法中取c11=2.9。He決定云滴的離散程度，He過小會在一定程度上喪失“隨機性”，He過大則喪失“穩(wěn)定傾向性”，本文取c22=10。

在以上慣性權(quán)重調(diào)整策略的基礎(chǔ)上就形成了云粒子群優(yōu)化算法，其計算流程如圖2所示。

圖2 云粒子群優(yōu)化算法流程圖Fig.2 Computational flow of cloud particle swarm optimization

為了驗證云粒子群優(yōu)化算法的有效性，分別采用基本粒子群優(yōu)化算法和云粒子群優(yōu)化算法對發(fā)動機性能衰退模型進行仿真計算。設(shè)初始化粒子群規(guī)模為50，最大迭代次數(shù)為500。仿真結(jié)果表明，云粒子群優(yōu)化算法可顯著減小粒子運動振幅，有效避免無效迭代，加速模型收斂，其模型誤差和迭代次數(shù)比基本粒子群優(yōu)化算法顯著減少(如圖3所示)。

圖3 兩種算法迭代次數(shù)和計算誤差Fig.3 Iterative times and computational error of two types of arithmetic

4 仿真計算

利用所建立的某型發(fā)動機性能衰退模型，研究了該型發(fā)動機在最大軍用狀態(tài)下，低壓壓氣機、高壓壓氣機、低壓渦輪、高壓渦輪等部件單獨或組合性能衰退變化對發(fā)動機總體性能的影響。選取低壓壓氣機、高壓壓氣機、低壓渦輪、高壓渦輪等部件的效率分別下降2%，或高、低壓部件同時下降2%時對發(fā)動機渦輪后溫度T8和耗油率sfc的影響，計算結(jié)果如圖4所示。

結(jié)果表明，單個部件效率下降的情況下，無論是T8還是sfc，其性能下降程度均隨高壓渦輪、低壓渦輪、高壓壓氣機和低壓壓氣機效率的下降而逐漸增大。對于相同的核心機部件(如渦輪或壓氣機)，效率下降時低壓部件比高壓部件對性能參數(shù)的影響程度大。單個部件對整機性能影響程度從大到小依次是低壓壓氣機、高壓壓氣機、低壓渦輪和高壓渦輪。從整機角度看，壓氣機部件比渦輪部件對性能參數(shù)的影響程度大。另外，圖中給出的部件變化對發(fā)動機整機性能指標影響的定量計算值，可為發(fā)動機狀態(tài)監(jiān)控提供依據(jù)。

圖4 部件性能變化對發(fā)動機性能參數(shù)的影響Fig.4 Components performance vs engine performance parameter

5 結(jié)論

(1)采用云發(fā)生器非線性動態(tài)調(diào)整粒子慣性權(quán)重，提出的云粒子群優(yōu)化算法可有效避免無效迭代，減少迭代次數(shù)，加速模型收斂。

(2)將部件性能衰退等價轉(zhuǎn)化為部件失效因子，修正部件特性，建立了某型渦扇發(fā)動機的非線性性能衰退計算模型，得到了旋轉(zhuǎn)部件性能變化與整機性能的定量關(guān)系，為發(fā)動機狀態(tài)監(jiān)控提供了依據(jù)。

(3)核心機部件中，壓氣機性能變化比渦輪性能變化對整機性能的影響程度大。

[1]王占學(xué)，劉增文，葉新農(nóng).某型渦扇發(fā)動機部件老化對性能影響的分析與計算[J].航空動力學(xué)報，2007，22(5)：792—796.

[2]葉新農(nóng).軍用單元體發(fā)動機維修與使用壽命研究不穩(wěn)定因子[D].西安：西北工業(yè)大學(xué)，2003.

[3]周敏，王如根.改變開孔位置對風(fēng)扇葉片氣動特性的影響[J].汽輪機技術(shù)，2007，49(5)：359—361.

[4]王如根，周敏，趙英武，等.跨聲速壓氣機低雷諾數(shù)下流動失穩(wěn)機制研究[J].航空動力學(xué)報，2009，24(2)：414—419.

[5]李紹斌，蘇杰先，馮國泰，等.動靜葉片干擾下跨聲壓氣機級性能與葉片型面靜壓研究[J].航空動力學(xué)報，2007，22(7)：1153—1160.

[6]李本威，李東，李姜華，等.單級壓氣機性能衰退定量研究[J].航空動力學(xué)報，2010，25(7)：1588—1594.

[7]Naka S，Genji T，Yura T，et al.A Hybrid Particle Swarm OptizationforDistributionStateEstimation[J].IEEE Transaction Power System，2003，18(1)：60—68.

[8]Esmin A A A，Lambert-Torres G，Zambroni de Souza A C. A Hybrid Particle Swarm Optimization Applied to Loss Power Minimization[J].IEEE Transaction Power Systems，2005，20(2)：859—866.

[9]Clerc M，Kennedy J.The Particle Swarm–Explosion,Sta?bility,and Convergence in a Multidimensional Complex Space[J].IEEE Trans.Evol.Comput，2002：58—73.

Research on Aero-Engine Performance Deterioration Model Based on the Cloud Particle Swarm Optimization

WANG Yong-hua1，LI Dong2
(1.Department of Aerocraft Engineering，Naval Aeronautical and Astronautical University，Yantai 264001，China；2.Graduate Student Brigade，Naval Aeronautical and Astronautical University，Yantai 264001，China)

Compressor and turbine are the key components of aero-engine.Their performance deterioration has important effect on the engine performance.The component characteristic is corrected through the com?pressor and turbine revised factor.The performance deterioration model is established based on the revised component characteristics,and a new cloud particle swarm optimization is carried out in order to accelerate convergence.The effects of component performance deterioration are analyzed using the nonlinear perfor?mance deterioration model.The results offer theoretical referenced value to engine performance deteriora?tion and relative influence between components.

aero-engine；component characteristic；performance deterioration；cloud particle swarm optimization；model

V231.3

A

1672-2620(2012)01-0017-03

2011-07-16；

2011-12-27

王永華(1975-)，女，山東煙臺人，講師，博士研究生，主要從事航空發(fā)動機性能和故障仿真研究。