关键词:
空气涡轮火箭发动机
动态过程
遗传算法
性能优化
PI控制器参数优化
自适应控制
摘要:
空气涡轮火箭发动机(Air Turbine Rocket,ATR)是一种涡轮基组合循环发动机,其宽广的飞行包线、卓越的机动性能以及高推力和比冲等优势使其在临近空间飞行器应用中具有广阔的发展前景。然而,由于ATR发动机的飞行包线范围较宽,控制变量较多,要充分发挥其在整个飞行包线内的高机动性,实现控制器参数与飞行条件的自适应调整至关重要。为此,本文采用遗传算法对ATR发动机自适应控制方法展开了研究,主要研究内容如下:首先针对ATR发动机构建了工质物性计算模型和燃烧计算模型。在考虑内部流动特性的基础上,依次构建变几何进气道、压气机、燃气发生器、涡轮、燃烧室、变几何尾喷管等关键部件模型,应用容积法建立了 ATR发动机变几何动态模型,并对其进行了稳态性能及动态性能的计算,分析了变几何参数及控制器参数对ATR发动机动态性能的影响。在此基础上,基于空气流路、富燃燃气流路和燃气流路的特性分析,对各流路内工质的热力学参数计算进行了简化,并将简化模型与原模型计算结果进行了对比验证。仿真结果表明,采用调节燃气发生器流量控制转速,调节尾喷管喉口面积控制涡轮膨胀比的闭环控制方法,可以在多变量耦合的情况下,高效准确的获取ATR发动机动态性能,同时避免了繁琐的迭代过程;通过简化工质的化学平衡计算及压气机与涡轮特性图插值,模型可以降低80%的计算时间。其次,基于ATR发动机稳态模型,将物理转速及压气机工作点作为优化变量,计算得到推力和比冲,并将两者作为遗传算法的目标函数,建立了 ATR发动机性能优化模型。对不同飞行条件下的优化结果进行了深入分析,发现在获得Pareto最优解集后,设计者需要根据实际应用场景与偏好权衡,以确定合适的设计方案;遗传算法的种群规模与迭代次数对优化结果具有显著影响,适当增大种群规模有助于拓宽Pareto最优解的范围。最后,根据控制器性能设计目标,将多个性能评价指标以加权的形成作为目标函数,采用快速非支配排序遗传算法(NSGA-Ⅱ)建立了 ATR发动机控制器参数多目标优化方法。该方法可以获得一组最优的控制器参数集—Pareto前沿,并采用基于熵权法的最优解逼近法(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)来处理,最终获得当前动态过程最优的控制器参数。对ATR发动机起飞段及爬升段进行仿真,完成加速过程后,控制器参数自动更换优化好的参数,相比继续沿用之前的控制器参数,实现ATR发动机起飞段及爬升段更加快速、稳定、准确的控制过程。