基于动态逆的涡轴发动机自适应模型建模方法研究

摘要

为实现对涡轴发动机动态响应的实时跟踪,提出一种基于动态逆与神经网络的涡轴发动机自适应模型建模方法。基于考虑健康因子输入的涡轴发动机状态变量模型及真实发动机可测状态参数,设计一种基于动态逆的健康参数估计方法;基于神经网络建立包含健康参数的涡轴发动机机载模型,共同构成涡轴发动机自适应模型;进行典型任务下的对比仿真分析。研究结果表明:相比于线性卡尔曼滤波器,基于动态逆的涡轴发动机自适应模型不仅能获得相同的健康参数稳态估计精度,而且总时间消耗可有效减小26%左右,实时性更高;自适应模型的稳态误差不超过0.5%,动态精度更高,更有利于实现涡轴发动机动态响应的自适应跟随。