孫 博，彭淑宏，吳克梁

（上海電氣燃?xì)廨啓C(jī)有限公司，上海201612）

燃?xì)廨啓C(jī)仿真中部件特性處理方法的準(zhǔn)確性研究

孫 博，彭淑宏，吳克梁

（上海電氣燃?xì)廨啓C(jī)有限公司，上海201612）

在基于部件的燃?xì)廨啓C(jī)性能仿真建模過程中，部件特性線處理方法的準(zhǔn)確性是影響整個機(jī)組仿真精度的關(guān)鍵因素。分別介紹了采用傳統(tǒng)離散插值處理方法、人工神經(jīng)網(wǎng)絡(luò)法和偏最小二乘法進(jìn)行部件特性線處理的原理和方法，利用一部分已知樣本特性數(shù)據(jù)和不同處理方法對某燃?xì)廨啓C(jī)進(jìn)行性能仿真，并將仿真結(jié)果與另一部分已知樣本特性數(shù)據(jù)進(jìn)行比較，分析不同處理方法對部件特性和整機(jī)性能計算精度的影響。結(jié)果表明：在仿真過程中利用偏最小二乘法可直接使用重構(gòu)方程求解部件特性，無需對部件特性離散化和插值處理，避免了傳統(tǒng)部件特性處理方法的計算誤差，提高了燃?xì)廨啓C(jī)熱力模型求解的精度。

燃?xì)廨啓C(jī)；性能仿真；特性線；建模；處理方法

符號表

IGV 進(jìn)口可調(diào)導(dǎo)葉

n*C壓氣機(jī)相對折合轉(zhuǎn)速

π*C壓氣機(jī)相對壓比

m*壓氣機(jī)相對折合質(zhì)量流量

ηC壓氣機(jī)相對等熵效率

n*Τ渦輪相對折合轉(zhuǎn)速

πΤ渦輪相對壓比

m*T渦輪相對折合質(zhì)量流量

ηT渦輪相對等熵效率

角標(biāo)

C 壓氣機(jī)

T 渦輪

0 設(shè)計工況

* 滯止/總參數(shù)

0 引言

燃?xì)廨啓C(jī)是由包括渦輪、壓氣機(jī)、燃燒室等多部件組成的復(fù)雜的成套動力機(jī)械裝備。對燃?xì)廨啓C(jī)進(jìn)行變工況性能預(yù)測仿真過程中涉及到對部件特性的描述，特別是對壓氣機(jī)和渦輪這樣的關(guān)鍵部件而言，特性曲線的描述和處理方法關(guān)系到整個仿真計算的準(zhǔn)確性。對現(xiàn)代重型燃?xì)廨啓C(jī)輪機(jī)而言，壓氣機(jī)具有高壓比及進(jìn)口可調(diào)導(dǎo)葉（IGV），而渦輪冷卻設(shè)計復(fù)雜，其部件特性曲線的描述過程和描述方法也更為復(fù)雜，因此有必要對關(guān)鍵部件特性處理方法作詳細(xì)地分析研究。

部件特性建模方法有多種，傳統(tǒng)方法是將部件特性線離散為數(shù)組形式，并在仿真過程中以插值方式進(jìn)行變工況特性匹配。隨著現(xiàn)代計算機(jī)技術(shù)的發(fā)展，許多新技術(shù)應(yīng)用到燃?xì)廨啓C(jī)仿真過程中。Changduk Kong[1]將遺傳算法應(yīng)用于燃?xì)廨啓C(jī)壓氣機(jī)特性圖的重構(gòu)計算，并將仿真結(jié)果與傳統(tǒng)模型方法及試驗數(shù)據(jù)進(jìn)行比較，證明了該方法的可行性；尹大偉[2]使用基于空間分布權(quán)系數(shù)鄰域選點的Kriging方法計算了壓氣機(jī)變工況特性，證明其優(yōu)于傳統(tǒng)插值方法；Wang Zhiao，M Gholamrezaei，K.Ghorbanian等[4-7]將人工神經(jīng)網(wǎng)絡(luò)技術(shù)引入部件特性模擬，比較了廣義回歸網(wǎng)絡(luò)（the rotated general regression）和多層感知器神經(jīng)網(wǎng)絡(luò)的特性線處理方法的精度和優(yōu)缺點。

以導(dǎo)葉不可調(diào)的壓氣機(jī)為研究對象已不能滿足現(xiàn)代重型燃?xì)廨啓C(jī)的仿真需求；傳統(tǒng)的部件特性線擬合插值方法計算精度差，而神經(jīng)網(wǎng)絡(luò)又存在泛化能力差的問題。本文針對以上問題，提出了采用偏最小二乘法PLS（Partial least square regress，偏最小二乘回歸方法）[10]對壓氣機(jī)和渦輪2個部件進(jìn)行特性重構(gòu)，比較了各種工況下偏最小二乘法、傳統(tǒng)插值方法、人工神經(jīng)網(wǎng)絡(luò)法的部件特性計算精度。以某燃?xì)廨啓C(jī)為例，利用ISPEpro過程分析軟件，建立了該燃?xì)廨啓C(jī)的穩(wěn)態(tài)仿真模型，經(jīng)過計算，比較分析了使用不同部件特性線處理方法對燃?xì)廨啓C(jī)整體熱力性能精度的影響。

1 部件特性常用處理方法

壓氣機(jī)和渦輪的特性通常是將其主要參數(shù)，包括IGV開度、轉(zhuǎn)速、壓比/膨脹比、流量和效率等，以無因次折合參數(shù)的形式，繪制成為流量特性線和效率特性線。在燃?xì)廨啓C(jī)仿真過程中，需要將這些特性線以特定的處理方法放入部件模型，并聯(lián)立其他的控制方程求解，本文針對幾種常用處理方法展開討論。

1.1 傳統(tǒng)方法

對部件特性線進(jìn)行處理的傳統(tǒng)方法常常是把部件特性線離散化，以數(shù)組表格的形式放入部件模型中，在求解時采用插值方法獲得部件變工況特性。這種方法最關(guān)鍵的2步是離散化和插值，其優(yōu)點是使用方便，但也存在以下問題：

（1）在對特性線進(jìn)行離散化時，不可避免的帶來部件特性的信息缺失，可能無法正確表達(dá)特性線的形狀；

（2）特性圖中各等轉(zhuǎn)速線的壓比范圍不同，但以2維表格的形式處理特性線時則要求各轉(zhuǎn)速下的范圍一致，給表格表達(dá)帶來困難；

（3）壓比較小時，等轉(zhuǎn)速線上流量呈近似垂直直線，在制作離散化表格時，很難準(zhǔn)確捕捉到流量隨壓比的微小變化。

因此在傳統(tǒng)特性線處理過程中，特性線表格與實際特性線之間存在著不可避免的偏差。另外，傳統(tǒng)方法采用表格線性插值或樣條插值的方法求取部件變工況特性。當(dāng)插值點不在表格節(jié)點上時，計算要經(jīng)過多次插值，帶來工作量增大、精度降低等問題。

1.2 神經(jīng)網(wǎng)絡(luò)法

神經(jīng)網(wǎng)絡(luò)法在部件特性方面有較多應(yīng)用[8-9]，被采用的神經(jīng)網(wǎng)絡(luò)類型多樣，但基本原理類似。一般來說，神經(jīng)網(wǎng)絡(luò)法特性線擬合是將已有特性線數(shù)據(jù)作為學(xué)習(xí)樣本，經(jīng)過訓(xùn)練后建立起部件特性的神經(jīng)網(wǎng)絡(luò)模型。以壓氣機(jī)為例，具體表達(dá)如下

式中：Y為{效率，流量}；X為{IGV，轉(zhuǎn)速，壓比}。

訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)f（）即可用于求解不同X參數(shù)下的部件的變工況特性Y，可有效避免插值誤差，但也存在以下問題：

（1）學(xué)習(xí)過程需要大量的樣本數(shù)據(jù)，才能訓(xùn)練出精確反映特性線形狀的神經(jīng)網(wǎng)絡(luò)。

（2）由于泛化能力較差，對已有樣本區(qū)域以外的點，計算精度差甚至?xí)蟠笃x實際值。

1.3 回歸分析法——偏最小二乘法PLS

PLS是從化工領(lǐng)域發(fā)展起來的1種新型多元數(shù)據(jù)統(tǒng)計分析方法，于1983年由伍德（S.Wold）和阿巴諾（C.Albno）等首次提出。集多元線性回歸分析、典型相關(guān)分析和主成分分析的功能為一體，將建模預(yù)測類型的數(shù)據(jù)分析方法與非模型式的數(shù)據(jù)認(rèn)識性分析方法有機(jī)結(jié)合起來[11-12]。其建模機(jī)理如下：設(shè)有2組變量，p個自變量{x1，x2，…，xp}和q個因變量{y1，y2，…，yq}，進(jìn)行了n次采樣得到樣本點n個，構(gòu)成自變量數(shù)據(jù)表X=[x1，x2，…，xp]n×p與因變量數(shù)據(jù)表Y=[yi1，yi2，…，yiq]n×p。偏最小二乘法分別在X和Y中提取成分t1和u1，t1和u1分別是x1，x2，…，x p和y1，y2，…，yq的線性組合，并且t1和u1需滿足：應(yīng)盡可能多地攜帶各自數(shù)據(jù)矩陣中的變異信息；t1和u1的相關(guān)程度能夠達(dá)到最大。

在第1個成分t1和u1被提取后，偏最小二乘法分別實施X對t1的回歸以及Y對t1的回歸，如果回歸方程已經(jīng)達(dá)到滿意的精度，則算法終止；否則，將利用X被t1解釋后的殘余信息以及Y被t1解釋后的殘余信息進(jìn)行第2輪成分提取。如此循環(huán)，直到達(dá)到較滿意的精度為止。若最終對X共提取了m個成分t1，t2，…，tm，偏最小二乘法將通過實施yk對t1，t2，…，tm的回歸，然后再表達(dá)成yk關(guān)于原變量x1，x2，…，xp的回歸方程，k=1，2，…，q，至此偏最小二乘建模完成。

偏最小二乘回歸法用最簡單的方法求得一些絕對不可知的真值，而令誤差平方之和為最小。主要有以下優(yōu)點：

（1）能夠在自變量存在嚴(yán)重多重相關(guān)性的條件下進(jìn)行回歸建模；

（2）偏最小二乘回歸模型更易于識別系統(tǒng)信息和噪聲；在偏最小二乘回歸模型中，每個自變量的回歸系數(shù)更容易解釋，通常用于曲線擬合。

2 基于偏最小二乘法定部件特性重構(gòu)和建模

燃?xì)廨啓C(jī)在低轉(zhuǎn)速尤其是起動工況運行時，由于空氣流量小于設(shè)計值，前幾級壓氣機(jī)很容易因強(qiáng)烈的旋轉(zhuǎn)脫離而進(jìn)入喘振工況[13-16]。在現(xiàn)代燃?xì)廨啓C(jī)設(shè)計中，為了改善壓氣機(jī)喘振特性和燃?xì)廨啓C(jī)低負(fù)荷性能，通常會采用進(jìn)口可調(diào)導(dǎo)葉（IGV）。

在壓氣機(jī)空氣流量變化或者變工況條件下，壓氣機(jī)軸向速度與圓周速度的配合關(guān)系不協(xié)調(diào)時，可以關(guān)小或者開大可變導(dǎo)葉的安裝角度γ，使氣流絕對速度C1的方向變化，消除偏離設(shè)計值的正負(fù)沖角，以保證氣流進(jìn)入動葉的相對速度W1的方向恒定不變，達(dá)到防喘振的目的。同時，導(dǎo)葉安裝角γ的變化，會使壓氣機(jī)特性線向左或者向右移動。

可見，對于進(jìn)口導(dǎo)葉可調(diào)的壓氣機(jī)，表示工作性能的主要參數(shù)除了壓比、效率、流量、轉(zhuǎn)速和進(jìn)氣的壓力及溫度外，還有IGV。為了解決變工況和數(shù)量級差異，采用通用特性進(jìn)行描述，即將壓氣機(jī)的通用特性用IGV、相對折合流量、相對折合轉(zhuǎn)速、相對壓比和相對效率5個參數(shù)表示，相比導(dǎo)葉固定不可調(diào)壓氣機(jī)多了1個參數(shù)——IGV。只要其中任意3個參數(shù)確定，那么壓氣機(jī)就有1個完全確定的工作狀態(tài)，因此壓氣機(jī)運行工況的獨立參變量有3個。壓氣機(jī)的通用特性可表達(dá)為

式中：n為轉(zhuǎn)速；T1為壓氣機(jī)進(jìn)口總溫；Rg空氣氣體常數(shù)；πc壓氣機(jī)壓比；mc為壓氣機(jī)進(jìn)口流量；p1*為壓氣機(jī)進(jìn)口總壓；ηc為壓氣機(jī)效率。

壓氣機(jī)特性重構(gòu)時，將IGV，nc*，πc，mc*和ηc進(jìn)行組合，將前3個參數(shù)作為自變量進(jìn)行線性回歸分析，即采用3元偏最小二乘法PLS-3，得到壓氣機(jī)特性線的3元偏最小二乘法回歸模型

可調(diào)進(jìn)口導(dǎo)葉壓氣機(jī)特性由一系列φIGV（為進(jìn)口可調(diào)導(dǎo)葉開度）下的幾組等折合轉(zhuǎn)速特性線表示。如果將各φIGV下的特性線分別用2個參數(shù)作為自變量進(jìn)行獨立重構(gòu)，并將得到的特性在不同φIGV所對應(yīng)的曲線之間進(jìn)行插值，也可以滿足熱力模型中對壓氣機(jī)特性計算的需求。在這種情況下可將各φIGV下的相對折合轉(zhuǎn)速、相對壓比、相對折合流量和相對效率組合，將相對折合轉(zhuǎn)速、相對壓比作為自變量進(jìn)行線性回歸分析，即采用2元偏最小二乘法PLS-2，得到壓氣機(jī)特性線的2元偏最小二乘法回歸模型

對于渦輪來說，其特性線處理方法與不包含φIGV的壓氣機(jī)特性線回歸模型相似，不同的是主要參數(shù)為膨脹比πc、效率ηc、流量mc、轉(zhuǎn)速n和進(jìn)氣的壓力p3*及溫度T3*，表示為通用特性參數(shù)mT*、nT*、πT和ηT4個參數(shù)。

進(jìn)行渦輪仿真時，將通用特性參數(shù)進(jìn)行組合，將相對折合轉(zhuǎn)速和相對膨脹比作為自變量進(jìn)行線性回歸分析，得到渦輪特性線的偏最小二乘法回歸模型

利用偏最小二乘法進(jìn)行部件特性重構(gòu)后，可將重構(gòu)方程直接放入部件模型中，當(dāng)壓氣機(jī)采用PLS-2，在變工況計算時，要經(jīng)過1次關(guān)于φIGV的插值計算。壓氣機(jī)采用PLS-3和渦輪采用PLS-2，在變工況計算時，直接采用數(shù)學(xué)方法計算工作點，無需插值。

3 不同部件建模方法比較

3.1 不同建模方法對部件性能的影響

以某燃?xì)廨啓C(jī)的壓氣機(jī)為例，通過利用已知的樣本點對其特性線進(jìn)行重構(gòu)，比較采用傳統(tǒng)方法、人工神經(jīng)網(wǎng)絡(luò)法和偏最小二乘法3種建模方法計算結(jié)果的精度。其中人工神經(jīng)網(wǎng)絡(luò)采用最典型的BP（Back Propagation，反向傳播）3層神經(jīng)網(wǎng)絡(luò)，根據(jù)精度最高原則自動選取訓(xùn)練精度和隱層節(jié)點數(shù)。

在特性線重構(gòu)過程中，使用了共705個特性樣本點，φIGV范圍為60.5%～100%，相對折合轉(zhuǎn)速范圍為0.75～1.10，相對壓比范圍為0.29～1.24，利用其中660個樣本點作為3種建模方法的已知輸入數(shù)據(jù)（稱為原樣本點），其余45個樣本點作為驗證數(shù)據(jù)（稱為測試樣本點），對3種不同的樣本點進(jìn)行比較：

（1）完全落在原樣本點上的數(shù)據(jù)，即用于比較的重構(gòu)數(shù)據(jù)與某些原樣本點φIGV、相對折合轉(zhuǎn)速和相對壓比相同。

（2）落在已知φIGV上的數(shù)據(jù)，即用于比較的重構(gòu)數(shù)據(jù)與某些原樣本點φIGV相同，其他數(shù)據(jù)不同。

（3）3個變量均不存在對應(yīng)值的數(shù)據(jù)，即用于比較的重構(gòu)數(shù)據(jù)具有與原樣本點不同的φIGV、相對折合轉(zhuǎn)速和折合壓比。

3.1.1 完全落在原樣本上的數(shù)據(jù)比較

φIGV為100%，nc*=1時，3種方法建立的壓氣機(jī)流量重構(gòu)特性線及原始樣本點組成的壓氣機(jī)流量特性線比較如圖1所示；該條流量特性線數(shù)據(jù)相對于原數(shù)據(jù)的相對誤差如圖2所示。φIGV為100%，nc*=1時，3條效率重構(gòu)特性線及原始樣本點組成的效率特性線如圖3所示；該條效率特性線數(shù)據(jù)相對于原數(shù)據(jù)的相對誤差圖4所示。從圖1～4的對比結(jié)果可見，對于正好落在原樣本的數(shù)據(jù)點，PLS-2部件特性重構(gòu)方法計算得到的結(jié)果誤差最小，PLS-3計算得到的結(jié)果誤差最大。但是3種部件重構(gòu)方法計算結(jié)果相對誤差絕對值均小于0.11%，由此可見，BP和PLS-2都能夠很好地擬合原有數(shù)據(jù)點。

圖1 壓氣機(jī)流量擬合比較

圖2 壓氣機(jī)流量誤差比較

圖3 壓氣機(jī)效率擬合比較

圖4 壓氣機(jī)效率誤差比較

3.1.2 落在某個已有φIGV上的數(shù)據(jù)比較

可調(diào)導(dǎo)葉壓氣機(jī)的特性線是以不同φIGV下的幾組特性線表示的。本文的原特性線樣本中包含有φIGV=100的特性線數(shù)據(jù)。BP和PLS重構(gòu)法計算得到的各不同轉(zhuǎn)速和壓比時的壓氣機(jī)流量和效率的相對誤差如圖5、6所示。

圖5 φIGV=100%壓氣機(jī)效率誤差比較

圖6 φIGV=100%壓氣機(jī)流量誤差比較

從圖中可見，插值計算結(jié)果誤差遠(yuǎn)大于其他3種方法；由于神經(jīng)網(wǎng)絡(luò)的泛化能力有限，BP計算得到的結(jié)果誤差比采用PLS的大；對于正好落在已有φIGV上的數(shù)據(jù)，PLS-2不需進(jìn)行關(guān)于φIGV的插值計算，PLS-2計算得到的結(jié)果相對誤差最小，比PLS-3的計算結(jié)果誤差低1個數(shù)量級。由此可見，對于正好落在某個已有φIGV上的數(shù)據(jù)點，PLS-2特性重構(gòu)方法精度最高。

3.1.2 3個變量均不存在對應(yīng)值的數(shù)據(jù)比較

使用1組與原樣本完全不重合的測試樣本進(jìn)行重構(gòu)流量和效率相對誤差比較，如圖7、8所示。采用插值法需要多次插值，采用PLS-2需做關(guān)于φIGV的1次插值計算，BP和PLS-3重構(gòu)法則不需插值計算。從圖中可見，插值計算結(jié)果誤差最大；由于BP泛化能力差，個別點計算誤差較大（如圖8所示），穩(wěn)定性不足；對于壓氣機(jī)效率，采用PLS-3計算結(jié)果誤差比PLS-2的小，而對于壓氣機(jī)流量，采用PLS-2計算結(jié)果誤差比PLS-3的小。因為本文采用的壓氣機(jī)特性樣本數(shù)據(jù)不能覆蓋全部φIGV和壓比范圍，使得部件重構(gòu)中存在一定的形狀辨識誤差，導(dǎo)致采用PLS-3時壓氣機(jī)效率計算結(jié)果誤差較大。

由于壓氣機(jī)流量誤差對燃?xì)廨啓C(jī)整機(jī)性能的影響大于壓氣機(jī)效率，因此，3個變量均不存在對應(yīng)值的數(shù)據(jù)點，仍建議采用PLS-2，使得壓氣機(jī)特性誤差對燃?xì)廨啓C(jī)整機(jī)性能影響最小。

圖7 壓氣機(jī)效率誤差比較

圖8 壓氣機(jī)流量誤差比較

3.2 不同建模方法對燃?xì)廨啓C(jī)整機(jī)性能的影響

由以上分析可知，在燃?xì)廨啓C(jī)部件特性計算中，偏最小二乘法部件重構(gòu)法具有顯著優(yōu)勢。以某燃?xì)廨啓C(jī)為研究對象，采用PLS-2和傳統(tǒng)方法對壓氣機(jī)特性和渦輪特性重構(gòu)，并在IPSEpro平臺中建立起該燃?xì)廨啓C(jī)的穩(wěn)態(tài)模型，進(jìn)一步比較2種方法對燃?xì)廨啓C(jī)整機(jī)性能的精度影響。在不同環(huán)境工況（各環(huán)境工況壓力均為1.01325 MPa），采用2種部件建模方法對燃?xì)廨啓C(jī)軸功輸出和熱效率的誤差影響比較如圖9、10所示；在ISO工況下，不同負(fù)荷率和不同折合轉(zhuǎn)速時2種部件建模方法對整機(jī)效率和軸功的誤差影響比較如圖11、12所示。

從圖中可見，無論是不同環(huán)境工況還是同一環(huán)境工況不同運行點下，采用PLS部件特性重構(gòu)方法都使整機(jī)軸功和熱效率誤差大大減小。因此，偏最小二乘法能夠顯著提高燃?xì)廨啓C(jī)熱力模型求解的精度。

圖9不同環(huán)境下部件重構(gòu)方法對軸功誤差的影響

圖10 不同環(huán)境部件重構(gòu)方法對熱效率誤差的影響

圖11 不同負(fù)荷率下部件重構(gòu)方法對軸功的影響

圖12 不同轉(zhuǎn)速下部件重構(gòu)方法對熱效率誤差的影響

4 結(jié)論

（1）在燃?xì)廨啓C(jī)仿真中，相比傳統(tǒng)方法和神經(jīng)網(wǎng)絡(luò)法，采用偏最小二乘法進(jìn)行部件特性重構(gòu)，能夠提高燃?xì)廨啓C(jī)部件特性求解精度和整機(jī)熱力模型求解精度。

（2）對于還原樣本數(shù)據(jù)點，BP神經(jīng)網(wǎng)絡(luò)和偏最小二乘法計算精度都較高；對于預(yù)測與樣本點不重合的其他數(shù)據(jù)點，則采用PLS部件重構(gòu)方法，計算精度比傳統(tǒng)方法和BP神經(jīng)網(wǎng)絡(luò)的高，穩(wěn)定性比BP神經(jīng)網(wǎng)絡(luò)的好。

（3）對于壓氣機(jī)來說，采用2元偏最小二乘法還是3元進(jìn)行特性重構(gòu)，要具體問題具體分析，主要受部件特性線形狀、樣本數(shù)量等的影響。對于本文分析的情況，建議使用2元偏最小二乘法。

[1]Changduk K，Seonghee K，Jayoung K.Component map generation of a gas turbine using genetic algorithms[J].Journal of Engineering for Gas Turbines and Power，2006，128（1）：92-96.

[2]尹大偉，李本威，王永華.基于Kriging方法的航空發(fā)動機(jī)壓氣機(jī)特性元建模[J].航空學(xué)報，2011，32（1）：99-106. YINDawei，LIBenwei，WANGYonghua.Aeroenginecompressor characteristics metamodeling using Kriging method [J]. Acta Aeronautica etAstronautica Sinica，2011，32 （1）：99-106.（in Chinese）

[3]崔茂佩.壓縮機(jī)特性線的系數(shù)擬合法 [J].熱能動力工程，1999（1）：43-46. CUI Maopei.A coefficient fitting method for compressor characteristic curves[J].Journal of Engineering for Thermal Energy and Power，1999（1）：43-46.（in Chinese）

[4]王志濤，李淑英，譚智勇.基于BP和RBF神經(jīng)網(wǎng)絡(luò)壓氣機(jī)特性曲線擬合方法的研究[J].汽輪機(jī)技術(shù)，2009，51（2）：94-96. WANG Zhitao，LI Shuying，TAN Zhiyong.Comparing study on the fitting method of compressor characteristic curve based on BP and RBF neural network [J].Turbine Technology，2009，51（2）：94-96.（in Chinese）

[5]MaciejL.Jetengine turbine and compressor characteristics approximation by means of artificial neural networks[C]//Adaptive and Natural Computing Algorithms.Warsaw：8th International Conference. ICANNGA 2007：143-152.

[6]Gholamrezaei M，Ghorbanian K.Compressor map generation using a feed-forward neural network and rig data：Part A [J].Proceedings of the Institution of Mechanical EngineersJournal of Power and Energy，2010，224（1）：97-108.

[7]Ghorbanian K，Gholamrezaei M.An artificial neural network approach to compressor performance prediction[J].Applied Energy，2009，86（7-8）：1210-1221.

[8]段紹棟，肖玲斐，申濤.基于功率反饋的渦軸發(fā)動機(jī)神經(jīng)網(wǎng)絡(luò)PID控制研究[J].航空發(fā)動機(jī)，2012，38（2）：11-14. DUAN Shaodong，XIAO Lingfei，SHEN Tao.Neural networks PID control of turboshaft engine based on power feedback[J].Aeroengine，2012，38（2）：11-14.（in Chinese）

[9]雷積紅，陳策，李軍，等.基于BP神經(jīng)網(wǎng)絡(luò)的渦扇發(fā)動機(jī)部件特性研究[J].燃?xì)鉁u輪試驗與研究，2003，16（4）：15-17. LEI Jihong，CHEN Ce，LI Jun，et al.A study of turbofan component characteristic based on back-propagation network [J].Gas Turbine Experiment and Research，2003，16（4）：15-17.

[10]王惠文.偏最小二乘法及其應(yīng)用 [M].北京：國防工業(yè)出版社，1999：150-171. WANG Huiwen.Partialleastsquaresregression method and applications[M].Beijing：National Defence Industry Press，1999：150-171.（in Chinese）

[11]Svante W，Paul G，Kim E，et al.Multi way principal components and PLS analysis[J].Journal of Chemometrics，1987，1（1）：41-56.

[12]Svante W，Michael S，Lennart Er.PLS-regression：a basic tool of chemometrics[J].Chemometrics and Intelligent Laboratory Systems，2001，58（1）：109-130.

[13]馬文通，蘇明，余南華.變幾何多級軸流式壓氣機(jī)特性估算[J].中國電機(jī)工程學(xué)報，2008，28（11）：72-76. MA Wentong，SU Ming，YU Nanhua.Characteristic estimation method of variable geometry multistage axial-flow compressors[J].Proceedings of the Chinese Society for Electrical Engineering，2008，28（11）：72-76.（in Chinese）

[14]馬文通，劉永文，蘇明.基于平均微元級特性的壓氣機(jī)特性線外推方法[J].動力工程學(xué)報，2007，27（3）：323-326. MA Wentong，LIU Yongwen，SU Ming.Extrapolation of performance curves ofcompressors based on averaged infinitesimalstage characteristics [J].Journal of PowerEngineering，2007，27（3）：323-326.（in Chinese）

[15]曾進(jìn)，任慶生，翁史烈，等.基于神經(jīng)網(wǎng)絡(luò)的燃?xì)廨啓C(jī)動態(tài)過程仿真[J].熱能動力工程，2000，15（4）：423-425. ZENG Jin，REN Qingsheng，WENG Shilie，et al.Simulation of a gas turbine dynamic process on the basis of a neural network[J].Journal of Engineering for Thermal Energy and Power，2000，15（4）：423-425.（in Chinese）

[16]Robbins W H，Dugan J F.Prediction of off-design performance of multi-stage compressors [M].Washington：NASA SP-36，1965：297-310.

（編輯：趙明菁）

Accuracy Research on Processing Methods of Component Characteristics in Gas Turbine Simulation

SUN Bo1，PENG Shu-hong1，WU Ke-liang1
（Shanghai Electric Gas Turbine Co.，Ltd.，Shanghai 200240，China）

In the gas turbine performance simulation process based on component characteristics,the accuracy description of component characteristics curve affect the simulation results significantly.Different component characteristics curve methods including traditional modeling method,neural network method and PLS （partial least square）method were introduced.An actual gas turbine was taken as an example,and the effect on performance simulation accuracy of components and entire machine using different characteristic processing methods was analyzed based on part of given performance data.The results were compared with the other part of the given performance data.Results show that PLS method can be used in refactoring equation directly in the simulation process,it could avoid the interpolation errors of component characteristics compared with traditional processing methods,improve the accuracy of the gas turbine thermodynamic model.

gas turbine;performance simulation;characteristic curve;modeling;processing method

V 231.1

A

10.13477/j.cnki.aeroengine.2015.05.009

2015-05-27

孫博（1982），女，博士，從事燃?xì)廨啓C(jī)性能仿真，控制策略分析及二次空氣系統(tǒng)計算分析等工作；E-mail：sunbo@shanghai-electric.com。

孫博，彭淑宏，吳克梁.燃?xì)廨啓C(jī)仿真中部件特性處理方法的準(zhǔn)確性研究 [J].航空發(fā)動機(jī)，2015，41（5）：43-48.SUN Bo，PENG Shuhong，WU Keliang.Accuracy research on processingmethods ofcomponents characteristics curve in gas turbine simulation [J].Aeroengine，2015，41（5）：43- 48.