本发明属于航空发动机建模与仿真领域，具体涉及一种基于实测参数的航空发动机主流快速计算模型自适应修正方法。
背景技术：
1、航空发动机的非线性模型是基于发动机设计状态部件特性所建立的，而由于发动机的制造环节中存在的个体差异及在服役过程中不可避免出现的性能退化情况，会造成发动机额定模型无法反映真实发动机工作状态的情况。为在发动机飞行过程中更为精确地反映出当前发动机所处状态并提供较精确的主流参数，对建立的主流快速计算模型进行自适应修正是十分必要的。对于未使用实测参数的航空发动机模型，通常根据滤波算法利用真实发动机与模型输出参数之间的偏差进行自适应修正即可达到相应目的，然而对于使用了实测参数的主流快速计算模型，由于使用了部分输出参数实测值，故直接利用真实发动机与模型输出参数之间的偏差进行自适应修正不可行。在发动机性能退化的过程中，由于部件的热力学参数发生变化，其平衡方程的残差亦会相应发生变化，故依据该残差进行自适应修正是具有实际意义的。基于该思想，本发明建立了基于oselm-ekf的主流快速计算模型自适应修正方法并验证其有效性。
技术实现思路
1、本发明所要解决的技术问题是针对背景技术的缺陷，根据基于实测参数(低压转速nl、高压转速nh、风扇出口总压p22、低压涡轮出口总压p5)的主流快速计算模型，设计具有自学习功能的oselm-ekf自适应方案。
2、本发明为解决上述技术问题采用以下技术方案：
3、步骤a)，根据发动机实测参数，结合热平衡法研究基于实测参数的主流关键参数计算方法，建立基于实测参数的主流快速计算模型。
4、步骤b)，分析部件性能对退化平衡方程残差的影响，确定用于部件特性调整参数估计的调整参数可行解。
5、步骤c)，以基于实测参数的主流快速计算模型为基础，设计了一种基于oselm-ekf的部件特性调整参数估计和压比补偿的自适应修正方法，结合模型发展自适应修正方法，验证修正方法有效性。
6、进一步地，所述步骤a引根据发动机实测参数，结合热平衡法研究基于实测参数的主流关键参数计算方法，建立基于实测参数的主流快速计算模型的具体步骤如下：
7、步骤a1)，利用神经网络模型替代冷端旋转部件的气动热力学模型。风扇部件神经网络模型输入层输入参数选取低压转速nl、进口总温t2、风扇压比πfan，输出层输出参数选取风扇出口总温t22。其计算过程可以用下式表示：
8、t22＝f1(nl,t2,πfan)
9、其中，f1(·)为风扇部件网络函数。
10、压气机部件神经网络模型输入层输入参数选取高压转速nh、进口总温t25、进口总压p25、压气机压比πcomp，输出层输出参数选取压气机出口总温t3，压气机出口流量w3以及用于高低压涡轮气流掺混计算所需的级间引气温度t27。其计算过程可以用下式表示：
11、[t27,t3,w3]＝f2(nh,t25,p25,πcomp)
12、其中，f2(·)为压气机部件网络函数。
13、步骤a2)，利用热平衡法计算燃烧室出口温度t4及高压涡轮进口温度t41，其过程可以描述为以下形式：
14、(1)利用压气机出口截面温度t3计算压气机出口焓值h3：
15、h3＝ft2h(0,t3)
16、其中，ft2h(·)为温焓转化函数。
17、(2)计算燃烧室出口焓值h4及经冷气掺混后的高压涡轮进口焓值h41：
18、
19、其中，燃油低热值hμ＝42900kj/kg，ηb为燃烧效率，a-导冷气为压气机出口流量中向高压涡轮导向器引气的比例，w3为压气机出口空气流量，w4为燃烧室出口空气流量，w41为经冷气掺混后的高压涡轮进口空气流量，wfb为主燃油流量。
20、(3)利用燃烧室出口焓值h4及高压涡轮进口焓值h41计算燃烧室出口温度t4及高压涡轮进口温度t41：
21、
22、其中，f4及f41为燃烧室出口截面及高压涡轮进口截面油气比,fh2t(·)为焓温转化函数。
23、步骤a3)，建立基于实测参数的主流快速计算模型，在高低压转速实测值nhr、nlr，风扇出口总压实测值p22r，涡轮出口总压实测值p5r支持下，基于实测参数的主流快速计算模型中简化的lpv模型状态空间表达式可用下式描述:
24、
25、其中，状态量控制量u＝[wfb a8]t，输出量下标r代表实测参数。
26、根据当前发动机的实测参数，结合上式即可得到该状态下各旋转部件压比参数，运行风扇及压气机部件神经网络模型即可得到燃烧室部件前各主流参数，接着利用热平衡法计算燃烧室出口温度t4及高压涡轮进口温度t41，即可得到发动机整机主流参数。
27、进一步地，所述步骤b分析部件性能对退化平衡方程残差的影响，确定用于部件特性调整参数估计的调整参数可行解的具体步骤如下：
28、用下列(1)式描述平衡方程残差，(2)式描述模型计算出的主流参数与实测参数的偏差：
29、
30、
31、其中，jh和jl分别表示高、低压转子轴转动惯量，nht、nlt分别为高、低压涡轮发出功率，nf、nc和nex分别为风扇、压气机以及相关附件的消耗功率，wg为各截面燃气流量，ps为各截面静压，wcool为引气流量。
32、在发动机部件特性调整参数发生退化时，其真实量测参数亦会发生变化，而真实量测参数输入至主流快速计算模型中时，却认为其此时处于健康状态，因此根据该模型计算得到的主流参数导致平衡方程残差及其与实测参数的偏差发生变化，且残差整体趋势变大。故利用该残差的变化进行部件特性调整参数估计具有可行性。
33、进一步地，所述步骤c以基于实测参数的主流快速计算模型为基础，设计了一种基于oselm-ekf的部件特性调整参数估计和压比补偿的自适应修正方法，结合模型发展自适应修正方法，验证修正方法有效性的具体步骤如下：
34、步骤c1)，发动机部件性能发生退化时，利用残差的变化量通过扩展卡尔曼滤波(ekf)进行部件特性调整参数估计。选取k时刻系统状态量为xk＝[se1 sw1 sw2 se3]t，其中sei为旋转部件的效率系数，swi为旋转部件流量系数，k时刻对系统的控制量为uk＝[wfb a8]t，k时刻的测量值yk＝[e1 e2 e3 e4 e5 e6 e7]t为平衡方程残差。
35、步骤c2)，在不同的状态点对性能参数不同退化模式、不同退化程度情况下进行交叉选择，在不更新网络参数的情况下利用多个独立的oselm离线网络对该训练集进行训练，并依据欧氏距离赋予其输出权重，加权求和后最终输出由于性能退化造成的压比的补偿矩阵。
36、假设共训练了p个oselm离线网络，在性能估计第k步时根据各个网络所得到的压比补偿矩阵得到此时各平衡方程残差ei＝[ei1 ei2 ei3 ei4 ei5 ei6 ei7]t，其中下标i表示第i个oselm离线网络，其与残差理想平衡点的欧式距离权重λi的赋予情况如下式所示：
37、
38、步骤c3)，将多个独立的oselm离线网络输出加权求和得到的压比的补偿矩阵更新至模型，在性能参数退化情况下，发动机状态空间模型表达式可写成如下形式：
39、
40、其中，为由于性能退化造成的压比的补偿矩阵。
41、步骤c4)，对oselm-ekf自适应修正方案设计网络自学习模块，在神经网络精度不足时对其网络拓扑结构参数进行更新。通过模型输出的平衡方程残差进行判断，若模型输出的平衡方程残差大于阈值则更新网络拓扑参数，其过程可用下式描述：
42、
43、
44、其中，βk和βk-1分别表示当前时刻和前一个时刻所获得的输出权重更新值，pk和pk-1分别表示当前时刻和前一个时刻的增益项，hk为当前时刻隐含层的输出矩阵。
45、在oselm网络迭代更新过程中，根据每一时刻获得的数据块，迭代更新网络参数直至训练结束。
1.基于实测参数的航空发动机主流快速计算模型自适应修正方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于实测参数的航空发动机主流快速计算模型构建方法，其特征在于，风扇部件神经网络模型输入层输入参数选取低压转速nl、进口总温t2、风扇压比πfan，输出层输出参数选取风扇出口总温t22，其计算过程用下式表示：
3.根据权利要求1所述的一种基于实测参数的航空发动机主流快速计算模型构建方法，其特征在于，压气机部件神经网络模型输入层输入参数选取高压转速nh、进口总温t25、进口总压p25、压气机压比πcomp，输出层输出参数选取压气机出口总温t3，压气机出口流量w3以及用于高低压涡轮气流掺混计算所需的级间引气温度t27，其计算过程用下式表示：
4.根据权利要求1所述的一种基于实测参数的航空发动机主流快速计算模型构建方法，其特征在于，在气动热力学基础上，利用热平衡法计算燃烧室出口温度t4及高压涡轮进口温度t41，其过程描述为如下形式：
5.根据权利要求1所述的一种基于实测参数的航空发动机主流快速计算模型构建方法，其特征在于，更新后的发动机状态空间模型的状态空间表达式为：
6.根据权利要求1所述的一种基于实测参数的航空发动机主流快速计算模型构建方法，其特征在于，更新网络拓扑参数，其过程用下式描述：
