附壁喷气自适应控制系统、轴流压气机及其应用

1.本公开涉及轴流压气机流动控制技术领域，尤指一种附壁喷气自适应控制系统、轴流压气机及其应用。


背景技术：

2.现代航空发动机的特点是重量轻、体积小和集成结构简单化，而压气机是航空发动机最重要的组成部分，因此以上特性很大程度上都可以通过改型压气机来实现。降低压气机单级叶片数量或者减少级数可以大幅度降低发动机质量进而提高推重比，增加气流折转角可以提高单级的压比。然而气流折转角的增大会引起流动分离加剧，导致扩压能力下降严重还可能会引起通道堵塞。因此，为满足压气机单级负荷上升的需求，探索行之有效的叶型表面流动分离抑制方法将显得意义重大。
3.相关技术中通过附壁喷气抑制流动分离，但是，现有附面层喷气控制分离技术多为考虑飞行器的常规飞行高度下(即来流工况条件不发生变化)的流动分离情况，对于飞行器在非设计工况下运行(例如起飞和降落过程)时的压气机叶片流动分离控制技术目前还十分欠缺。


技术实现要素：

4.有鉴于此，本公开提供了一种附壁喷气自适应控制系统、轴流压气机及适用于轴流压气机的附壁喷气自适应控制方法。
5.根据本公开的一个方面，提供了一种附壁喷气自适应控制系统，适用于轴流压气机的附壁喷气控制，轴流压气机包括多个静叶，每个静叶的叶片本体的吸力面上设有多个静压测量点，叶片本体内设有引气通道，该附壁喷气自适应控制系统包括：
6.信号采集装置，与多个静压测量点连接，用于实时采集静压测量点的静态压力信号；
7.控制器，用于接收静态压力信号，并利用经训练的bp神经网络模型识别静态压力信号，并输出控制信号；以及
8.喷气量控制阀，用于根据控制信号控制引气通道出口的喷气量。
9.优选地，控制器包括：
10.第一控制器，用于接收静态压力信号，并利用经训练的第一bp神经网络模型识别静态压力信号，并输出来流攻角信号；
11.第二控制器，用于利用经训练的第二bp神经网络模型识别来流攻角信号，并输出控制信号。
12.优选地，采用方差选择法和主成分分析法确定多个静压测量点。
13.优选地，以第一预设数量的静态压力信号和喷气量为第一输入变量，与第一输入变量对应的来流攻角信号作为第一输出变量来训练第一bp神经网络模型。
14.优选地，以第二预设数量的来流攻角信号和喷气量为第二输入变量，与第二输入
变量对应的总压损失系数作为第二输出变量来训练第二bp神经网络模型。
15.优选地，系统还包括存储装置，用于存储数据，数据包括静态压力信号、与静态压力信号对应的控制信号以及喷气量；控制器还用于从存储装置中获取数据，以更新bp神经网络模型。
16.优选地，上述系统还包括显示装置，用于将数据展示给用户。
17.优选地，静压测量点为静压测孔。
18.根据本公开的另一方面，提供了一种轴流压气机，包括：
19.多个静叶，每个静叶包括：叶片本体，叶片本体的吸力面上设有多个静压测量点，叶片本体内设有引气通道，引气通道连接至喷气气源；
20.如上所述的附壁喷气自适应控制系统，与多个静压测量点连接，用于实时采集静压测量点的静态压力信号，并据以控制引气通道出口的喷气量。
21.优选地，静叶还包括：
22.设置于吸力面上的喷气缝，喷气缝及引气通道独立，喷气缝的进口与引气通道相连，喷气缝的出口与气动外型可控表面相连。
23.优选地，气动外型可控表面相切于与该气动外型可控表面相邻的吸力面。
24.优选地，气动外型可控表面的曲率大于原吸力面在该气动外型可控表面位置处的曲率。
25.根据本公开的另一方面，提供了一种适用于如上所述的轴流压气机的附壁喷气自适应控制方法，该方法包括：
26.获取多个静压测量点的静态压力信号；利用经训练的bp神经网络模型识别静态压力信号，并输出控制信号；以及根据控制信号控制引气通道出口的喷气量。
27.本公开的技术方案至少具有以下优势：
28.(1)本公开中的附壁喷气自适应控制系统、轴流压气机基于经训练的bp神经网络模型，能够获得不同来流工况下的最佳附壁喷气量，并且可以实现喷气量的自主调节，避免了因来流攻角发生变化而使附壁喷气控制流动分离效果减弱，提高了喷气控制效率，进而提高了压气机的效率和稳定性。
29.(2)本公开的轴流压气机在喷气缝后应用气动外型可控表面，喷气为附面层的低能流体增加动量，使其抵抗叶片通道内逆压梯度的能力增强，减弱或完全抑制流动分离。
附图说明
30.图1示出了根据本公开实施例的附壁喷气自适应控制系统的结构示意图；
31.图2示出了本公开实施例中吸力面上均布静压点位的示意图；
32.图3示出了根据本公开实施例的轴流压气机的结构示意图；
33.图4示出了轴流压气机叶片内部导流肋片结构示意图；
34.图5示出了根据本公开实施例的适用于轴流压气机的附壁喷气自适应控制方法的流程图。
35.附图标记说明：
36.11：叶片本体；
37.12：吸力面；
38.13：静压测量点；
39.14：引气通道；
40.15：叶片前缘；
41.16：叶片尾缘；
42.17：气动外型可控表面；
43.18：静压点位；
44.19：喷气缝；
45.110：导流肋片；
46.111：压力面；
47.20：信号采集装置；
48.30：控制器；
49.40：喷气量控制阀。
具体实施方式
50.为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开作进一步的详细说明。
51.需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号。附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。另外，虽然本文可提供包含特定值的参数的示范，但应了解，参数无需确切等于相应的值，而是可在可接受的误差容限或设计约束内近似于相应的值。此外，以下实施例中提到的方向用语，例如“上”、“下”、“前”、“后”、“左”、“右”、“内”、“外”等，仅是参考附图的方向。因此，使用的方向用语是用来说明并非用来限制本公开。
52.现有附面层喷气控制分离技术多考虑飞行器的常规飞行高度下(即来流工况条件不发生变化)的流动分离情况。当飞行器在非设计工况下运行时，例如飞行器起飞和降落过程中，此时来流工况将不可避免地发生变化，现有的附壁喷气控制流动分离方法的效果将会大大减弱，进而影响压气机的效率。为了提高飞行器在变工况来流条件下运行时对压气机静叶流动分离控制的稳定性和机动性，本公开提出了一种附壁喷气自适应控制系统、轴流压气机以及适用于轴流压气机的附壁喷气自适应控制方法。
53.图1示出了根据本公开实施例的附壁喷气自适应控制系统的结构示意图。该附壁喷气自适应控制系统适用于轴流压气机的附壁喷气控制。其中，该轴流压气机包括多个静叶，每个静叶的叶片本体11的吸力面12上设有多个静压测量点13，叶片本体11内设有引气通道14，而引气通道14连接至喷气气源(图中未示出)。其中，喷气气源可由外部独立气源或高负荷轴流压气机高压通道内引气供给，并通过喷气量控制阀40控制喷气量。
54.如图1所示，附壁喷气自适应控制系统包括信号采集装置20、控制器30和喷气量控制阀40。
55.信号采集装置20与吸力面12上的多个静压测量点13连接，用于实时采集静压测量点13的静态压力信号。
56.在一些实施例中，静压测量点例如可以采用0.5mm孔径的静压测孔。信号采集装置20例如可以采用静态压力扫描阀实现。在其他实施例中，也可以采用其他合适的结构实现
对静压测量点的静态压力信号进行实时采集，在此不做限定。
57.控制器30与信号采集装置20连接，用于接收静态压力信号，并利用经训练的bp神经网络模型识别静态压力信号，并输出控制信号。
58.静态压力信号用以表征实时的来流工况条件，当控制器30接收静态压力信号之后，利用经训练的bp神经网络模型识别静态压力信号，并输出对应来流工况条件下的最佳附壁喷气量控制信号至喷气量控制阀40。
59.喷气量控制阀40与控制器30连接，用于根据控制器30发出的控制信号控制引气通道14出口的喷气量。
60.喷气量控制阀40根据控制器30发出的最佳附壁喷气量控制信号控制引气通道14出口的喷气量，最终实现附壁喷气自适应控制系统自动调节喷气量的功能。
61.在一些实施例中，喷气量控制阀40例如可以采用比例电磁阀实现。在其他实施例中，也可以根据实际情况，采用其他合适的结构来依据控制器的控制信号对喷气量进行调节，在此不做限定。
62.本公开实施例的附壁喷气自适应控制系统通过将实时采集的静态压力信号反馈至经训练的bp神经网络模型，能够获得不同来流工况下的最佳附壁喷气量，并且可以实现喷气量的自主调节，避免了因来流攻角发生变化而使附壁喷气控制流动分离效果减弱，提高了喷气控制效率，进而提高了压气机的效率和稳定性。
63.在本公开一些实施例中，上述多个静压测量点采用方差选择法和主成分分析法来确定。下面将结合图2对静压测量点的选择进行详细说明。
64.图2示出了本公开实施例中吸力面上均布静压点位的示意图。
65.如图2所示，在叶片本体的吸力面上选取预设数量个均匀分布的静压点位，通过数值模拟方法得到不同来流攻角在叶片本体的吸力面的静态压力值，然后采用方差选择法和主成分分析法确定多个静压测量点。在本公开实施例中，一般选取的静压点位数量越多，模拟测得结果更为准确。在本实施例中，将以150个静压点位为例来说明确定多个静压测量点的过程。
66.在叶片前缘15与叶片尾缘16之间的吸力面12上选取150个静压点位18的静态压力值作为150个特征，使用方差选择法和主成分分析法结合的方式对其进行特征选择和降维处理。
67.具体地，选取若干关键攻角下的150个静压点位的静态压力值，并计算出150个静压点位的静态压力值的方差值，然后选取5个方差值较大的静压点位作为关键点位，该5个关键点位即为本实施例中选择的多个静压测量点。为了方便后续构建神经网络模型，使用主成分分析法对上述5个关键点位的静态压力输入变量进行降维处理。通过对5个关键点位的静态压力值进行协方差矩阵对角化处理，保留计算得到的累积解释方差达到总累计解释方差85％的主成分，从而简化输入变量的个数，提高模型建立的准确性。
68.应当理解，本实施例中的静压点位的数量以及静压测量点的数量等仅是示例性的，以帮助本领域技术人员理解本公开的技术方案，并非用以限制本公开的保护范围。根据实际需要，可以选择其他数量的静压点位和静压测量点。
69.在本公开一些实施例中，上述控制器30包括第一控制器和第二控制器。
70.第一控制器用于接收静态压力信号，并利用经训练的第一bp神经网络模型识别静
态压力信号，并输出来流攻角信号。
71.第二控制器用于利用经训练的第二bp神经网络模型识别来流攻角信号，并输出控制信号，该控制信号用于控制喷气量控制阀40调节引气通道出口的喷气量。
72.在本公开实施例中，将静态压力信号作为经训练的第一bp神经网络模型的输入信号，实现来流攻角的实时识别功能，进而将来流攻角信号输出至经训练的第二bp神经网络模型，从而输出对应来流工况条件下的最佳附壁喷气量控制信号至喷气量控制阀40，进而实现附壁喷气自适应控制系统自动调节喷气量的功能。
73.在一些实施例中，以第一预设数量的静态压力信号和喷气量为第一输入变量，与第一输入变量对应的来流攻角信号作为第一输出变量来训练第一bp神经网络模型。
74.沿用上述实施例中采用方差选择法和主成分分析法所选择的多个关键点位作为静压测量点。在训练模型之前，首先需要创建训练样本空间和测试样本空间，在本实施例中，采用全因子试验法完成样本空间的构建。其中，样本空间数据经cfd计算得到一定来流攻角、康达喷气量区域内关键点位的静态压力值。基于上述样本空间，将该关键点位的静态压力信号和喷气量为第一输入变量，与第一输入变量对应的来流攻角作为第一输出变量来训练第一bp神经网络模型，即可得到训练好的第一bp神经网络模型。在本实施例中，为了保证模型构建精度，样本空间数量不低于第一预设值，例如36。对应地，第一输入变量的数量不低于第一预设数量。需要说明的是，样本空间数量可以根据实际设定，在此不做限定。
75.在一些实施例中，以第二预设数量的来流攻角信号和喷气量为第二输入变量，与第二输入变量对应的总压损失系数作为第二输出变量来训练第二bp神经网络模型。
76.在本实施例中，以第二预设数量的来流攻角信号和喷气量为第二输入变量，与第二输入变量对应的总压损失系数作为第二输出变量来训练第二bp神经网络模型。其中，训练样本空间和测试样本空间的构建方式与第一bp神经网络模型相同，在此不再赘述。基于以上样本空间，即可完成第二bp神经网络模型构建。
77.在本实施例中，第一bp神经网络模型和第二bp神经网络模型通过来流攻角信号关联起来，基于第一bp神经网络模型和第二bp神经网络模型，可以根据实时采集到的静态压力信号输出与之对应的最佳附壁喷气控制信号至喷气量控制阀，进而实现附壁喷气自适应控制系统的自动调节喷气量的功能。
78.在本公开一些实施例中，上述附壁喷气自适应控制系统还包括存储装置。存储装置用于存储数据，其中上述数据包括静态压力信号、与静态压力信号对应的控制信号以及喷气量等等。控制器还用于从存储装置中获取所述数据，以更新bp神经网络模型。
79.基于上述数据，可以不断训练和更新第一bp神经网络模型和第二bp神经网络模型，这样可以提高神经网络模型预测的准确性，从而输出更为准确的附壁喷气量，进而进一步避免了因来流攻角变化而导致附壁喷气控制流动分离效果减弱，提高了压气机效率。
80.在本公开一些实施例中，上述附壁喷气自适应控制系统还包括显示装置，用于将上述数据展示给用户。
81.基于上述附壁喷气自适应控制系统，本公开还提供了一种轴流压气机。以下将结合图3和图4对该轴流压气机进行详细描述。
82.图3示出了根据本公开实施例的轴流压气机的结构示意图。
83.如图3所示，轴流压气机包括：多个静叶，每个静叶包括叶片本体11，叶片本体11的
吸力面12上设有多个静压测量点13，叶片本体11内设有引气通道14，引气通道14连接至喷气气源(图中未示出)；如上所述的附壁喷气自适应控制系统，该附壁喷气自适应控制系统与多个静压测量点13连接，用于实时采集静压测量点13的静态压力信号，并据以控制引气通道14出口的喷气量。需要说明的是，对于轴流压气机中的每个静叶都可以独立采用附壁喷气自适应控制系统。
84.在一些实施例中，每个静叶还包括设置于吸力面12上的喷气缝19。喷气缝19平行布置于吸力面12的不同轴向位置(图3中示出一个喷气缝为例)，喷气缝19的侧壁与吸力面12相交的出口处采用圆弧连接，喷气缝19的高度一般取0.2～0.5mm，且沿叶片展向保持不变。每个喷气缝19及引气通道14均独立，喷气缝14的进口与引气通道14相连，喷气缝19出口处吸力面型线为气动外型可控表面17，气体经喷气缝19喷射出去，喷出的气体经气动外型可控表面17流出，作用于吸力面12上的附面层低能流体，为附面层的低能流体增加动量，使其抵抗压气机内部通道内逆压梯度的能力增强，减弱或完全抑制流动分离。其中，引气通道14连接至喷气气源，喷气量由附壁喷气自适应控制系统根据运行工况进行主动控制。喷气气源可由外部独立气源提供，也可以自轴流压气机的高压级位置处引气。
85.在本实施例中，气动外型可控表面17是圆弧的一部分，气动外型可控表面17的曲率大于原吸力面在该气动外型可控表面位置处的曲率(如图3所示)。气动外型可控表面17和与该气动外型可控表面相邻的吸力面12相切，能够有效避免因喷气与主流速度方向不一致而导致的掺混损失。
86.在气动外型可控表面17的设计时，要考虑曲率的影响，如果曲率太小，附壁效应增加的气流折转能力下降；如果曲率太大，气流附壁时间太短而易产生分离。因此，应综合考虑并设计气动外型可控表面17的曲率，并保证气动外型可控表面17和与该气动外型可控表面相邻的吸力面12相切。
87.在确定气动外型可控表面曲率后，在考虑机械可加工性的前提下，以喷气缝19的缝高与气动外型可控表面17的半径之比越小越好为设计标准，以确定喷气缝19的缝高。在喷气缝19的缝高确定之后，对原叶片吸力面型线进行调整，确定气动外型可控表面17与吸力面12的交点位置。需保证调整后的喷气缝19附近的吸力面为圆弧的一部分且与下游吸力面曲率连续，叶片弦长不变。调整后的叶片气动性能应与叶片原型尽量一致，在改变型线后，即使喷气量为0时叶片性能也可以优于原型，在较小的喷气量下(例如相对于主流流量2％以内时)，喷气可以有效抑制流动分离，进而提高压气机的效率和稳定性。
88.在一些实施例中，引气通道14内还设有导流肋片110(如图4所示)，该导流肋片110包括位于引气通道14内的近吸力面内壁的吸力面导流肋片以及位于引气通道14内的近压力面内壁的压力面导流肋片。通过对导流肋片110的结构、位置进行优化，可以使喷气在引气通道14内进行转折，重整后以展向均匀的速度沿与气动外型可控表面17切线一致的方向流出。
89.需要说明的是，本公开中对于喷气缝和引气通道的数量、高度以及结构位置等的描述仅是示例性的，以帮助本领域技术人员理解本公开的技术方案，并非意在限制本公开的保护范围。根据实际需要，可以根据叶片结构和流动状况等选取上述结构的相关参数，在此不做限定。
90.基于上述附壁喷气自适应控制系统，本公开还提供了一种适用于轴流压气机的附
壁喷气自适应控制方法。以下将结合图5对该方法进行详细描述。
91.图5示出了根据本公开实施例的适用于如上所述的轴流压气机的附壁喷气自适应控制方法的流程图。
92.如图5所示，适用于轴流压气机的附壁喷气自适应控制方法，包括：
93.s510，获取多个静压测量点的静态压力信号；
94.s520，利用经训练的bp神经网络模型识别静态压力信号，并输出控制信号；以及
95.s530，根据控制信号控制引气通道出口的喷气量。
96.综上所述，本公开提供了一种附壁喷气自适应控制系统、轴流压气机及适用于轴流压气机的附壁喷气自适应控制方法。该附壁喷气自适应控制系统和轴流压气机基于经训练的bp神经网络模型，能够获得不同来流工况下的最佳附壁喷气量，并且可以实现喷气量的自主调节，避免了因来流攻角发生变化而使附壁喷气控制流动分离效果减弱，提高了喷气控制效率，进而提高了压气机的效率和稳定性，具有良好的推广应用前景。
97.以上所述的具体实施例，对本公开的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本公开的具体实施例而已，并不用于限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。