郭政波，劉振剛，雷 杰

（中國飛行試驗研究院發(fā)動機(jī)所，陜西?西安?710089）

全權(quán)限數(shù)字電子（FADEC）控制系統(tǒng)是航空發(fā)動機(jī)控制系統(tǒng)發(fā)展的必然趨勢，其中主燃油系統(tǒng)作為最核心部分，往往工作在高溫、高壓、強振動的惡劣環(huán)境中[1]，在飛行過程中容易出現(xiàn)故障。為了提高飛行安全性，需要對發(fā)動機(jī)主燃油流量進(jìn)行實時監(jiān)控，從而實現(xiàn)對發(fā)動機(jī)主燃油系統(tǒng)的狀態(tài)評估，分析發(fā)動機(jī)性能是否衰減、可靠性和安全性是否降低，為航空發(fā)動機(jī)故障預(yù)測及診斷奠定基礎(chǔ)。

然而，現(xiàn)階段配裝無人機(jī)的渦扇發(fā)動機(jī)由于結(jié)構(gòu)限制、硬件冗余等原因，未安裝燃油流量計，同時飛行監(jiān)控中受測試條件的限制，無法實時獲取主燃油流量的數(shù)值[2]。為確保其飛行試驗安全，本文利用某型渦扇發(fā)動機(jī)歷史試飛數(shù)據(jù)，通過高低壓轉(zhuǎn)子轉(zhuǎn)速、油門桿位置、排氣溫度等機(jī)載可測參數(shù)，建立全包線范圍內(nèi)的渦扇發(fā)動機(jī)主燃油流量預(yù)測模型，間接獲取主燃油流量，并利用未參與發(fā)動機(jī)模型辨識的整個飛行架次的試驗數(shù)據(jù)進(jìn)行驗證，結(jié)果滿意。

1 渦扇發(fā)動機(jī)主燃油系統(tǒng)

某型渦扇發(fā)動機(jī)為雙轉(zhuǎn)子、雙涵道分開排氣式小型渦扇發(fā)動機(jī)，由主機(jī)和系統(tǒng)組成。其中，系統(tǒng)包括全權(quán)限數(shù)字電子控制系統(tǒng)、傳動系統(tǒng)、潤滑系統(tǒng)和起動系統(tǒng)等。數(shù)控系統(tǒng)主要通過控制主燃油流量來實現(xiàn)起動控制、穩(wěn)態(tài)過渡態(tài)控制和導(dǎo)葉角度控制等功能，使得發(fā)動機(jī)在飛行包線內(nèi)的任意一點都有良好的動靜態(tài)特性。

該型發(fā)動機(jī)的主燃油系統(tǒng)由高速電磁閥、計量活門裝置、停車電磁閥和燃油分布器等組成。主燃油控制模塊由電液轉(zhuǎn)換執(zhí)行裝置（計量活門控制裝置）和燃油系統(tǒng)等部分組成，控制器采集計量活門閥芯位置給定量和反饋量，經(jīng)PI算法輸出PWM控制量，從而控制電磁閥的流量。計量開關(guān)控制裝置按照電磁閥的流量調(diào)節(jié)計量活門開度，而燃油系統(tǒng)負(fù)責(zé)供給發(fā)動機(jī)與計量活門面積相對應(yīng)的燃油。燃油系統(tǒng)主要由齒輪泵、定壓差控制器、燃油分配器等組成，壓差回油活門使計量活門前后壓差不變，保證計量活門工作在所需的開度位置，控制發(fā)動機(jī)不同狀態(tài)（包括起動、加減速、穩(wěn)定狀態(tài)）的燃油流量，形成閉環(huán)控制回路[4]。

停車電磁閥用于應(yīng)急停車控制。當(dāng)停車電磁閥工作時，能夠關(guān)閉計量活門，迅速切斷供油。

2 發(fā)動機(jī)逆向預(yù)測模型

逆向預(yù)測模型與常規(guī)預(yù)測模型不同，可實現(xiàn)對執(zhí)行機(jī)構(gòu)燃油流量的預(yù)測。常規(guī)預(yù)測模型以燃油流量、尾噴口面積等作為輸入，以各截面的溫度、壓力、轉(zhuǎn)子轉(zhuǎn)速等作為輸出，而逆向預(yù)測模型是以燃油流量為輸出量，各測量參數(shù)作為輸入。航空發(fā)動機(jī)是強非線性的復(fù)雜系統(tǒng)，采用離線訓(xùn)練方法建立神經(jīng)網(wǎng)絡(luò)模型不能涵蓋發(fā)動機(jī)的全部工作狀態(tài)，不適用于發(fā)動機(jī)的性能蛻化預(yù)測。因此，本文提出了離線和在線訓(xùn)練相結(jié)合的極限學(xué)習(xí)算法來建立發(fā)動機(jī)逆向預(yù)測模型，通過離線訓(xùn)練使網(wǎng)絡(luò)獲得初始診斷能力，通過在線訓(xùn)練將網(wǎng)絡(luò)模型擴(kuò)展應(yīng)用于發(fā)動機(jī)工作狀態(tài)和蛻化程度預(yù)測[5]。

發(fā)動機(jī)可測參數(shù)包括高度H、馬赫數(shù)M、進(jìn)口總壓Pt2、進(jìn)口總溫Tt2、低壓轉(zhuǎn)子轉(zhuǎn)速PNF、高壓轉(zhuǎn)子轉(zhuǎn)速PNC、導(dǎo)葉角度Afa2、壓氣機(jī)出口壓力Pt3、低壓渦輪出口總溫Tt5等，若把所有測量參數(shù)作為網(wǎng)絡(luò)輸入，可以提高訓(xùn)練精度，但會增加網(wǎng)絡(luò)的復(fù)雜度和訓(xùn)練時間，使得在線訓(xùn)練的效果大大降低，因此可以通過選擇關(guān)聯(lián)性大的輸出參數(shù)來解決在線訓(xùn)練難的問題。在工程實踐中，考慮到硬件計算資源的限制，采用盡可能少的辨別信息進(jìn)行決策，首先必須要選出對輸出敏感的特征量。

2.1 輸入變量篩選

本文應(yīng)用平均影響值（MIV）算法實現(xiàn)神經(jīng)網(wǎng)絡(luò)敏感參數(shù)篩選。其算法流程如圖1所示。

圖1 ??變量篩選實現(xiàn)過程

MIV算法計算步驟為：網(wǎng)絡(luò)訓(xùn)練終止后，將訓(xùn)練樣本P中每一自變量分別加、減10%，構(gòu)建新的訓(xùn)練樣本Pl和P2，將Pl和P2分別作為仿真樣本，繼續(xù)進(jìn)行仿真，得到仿真結(jié)果Al和A2，求出兩者的差值，即為變動該自變量后對輸出產(chǎn)生的影響變化值，最后將影響變化值按觀測例數(shù)求取平均值，得到MIV。

計算得到每個自變量的MIV值后，根據(jù)絕對值的大小進(jìn)行排序，得到各自變量對網(wǎng)絡(luò)輸出影響相對重要性的關(guān)系，據(jù)此判斷輸入特征對于網(wǎng)絡(luò)結(jié)果的影響程度。計算結(jié)果見圖2。

圖2 ??各輸入?yún)?shù)的MIV值（絕對值）

2.2 發(fā)動機(jī)主燃油流量逆向預(yù)測模型構(gòu)建

極限學(xué)習(xí)機(jī)（Extreme Learning Machine，ELM），是由Huang等提出的一種單隱含層前饋神經(jīng)網(wǎng)絡(luò)，通過求解線性方程組獲取具有最小范數(shù)的最小二乘解，作為輸出層網(wǎng)絡(luò)權(quán)值，網(wǎng)絡(luò)訓(xùn)練過程簡單快速，不需要迭代[6]。與傳統(tǒng)網(wǎng)絡(luò)訓(xùn)練算法相比，ELM的訓(xùn)練速度提升明顯，能夠?qū)崟r在線訓(xùn)練。鑒于上述算法的優(yōu)點，本文采用ELM構(gòu)建發(fā)動機(jī)主燃油流量的逆向預(yù)測模型，同時為了提高模型的動態(tài)響應(yīng)精度，引入輸出變量反饋環(huán)節(jié)。

算法實現(xiàn)步驟如下：

步驟1 歷史試飛數(shù)據(jù)

為求解最優(yōu)網(wǎng)絡(luò)權(quán)值，使得網(wǎng)絡(luò)輸出與實際值誤差最小，最優(yōu)網(wǎng)絡(luò)權(quán)值可表示為：

基于極限學(xué)習(xí)機(jī)的發(fā)動機(jī)逆向預(yù)測模型以高度H、高壓轉(zhuǎn)子轉(zhuǎn)速PNC、進(jìn)氣總壓Pt2、壓氣機(jī)出口總壓Pt3和低壓轉(zhuǎn)子轉(zhuǎn)速PNF共5個參數(shù)作為輸入，主燃油流量Wf作為輸出，通過逆向預(yù)測模型輸出主燃油流量預(yù)測值。為了提升模型的預(yù)測精度，將傳感器測量的前q步數(shù)據(jù)也納入輸入?yún)?shù)序列。ELM模型的燃油流量預(yù)測值如下式所示：

逆向預(yù)測模型中，隱含層節(jié)點個數(shù)為20，隱含層激勵函數(shù)為sigmoid，輸入數(shù)據(jù)前選2步。

一般的ELM模型初始計算階段會隨機(jī)產(chǎn)生權(quán)值和偏置值，存在執(zhí)行機(jī)構(gòu)燃油流量預(yù)測值偏差較大的問題。為提高逆向預(yù)測模型的初始訓(xùn)練精度，在飛行包線范圍內(nèi)，選取歷史試飛數(shù)據(jù)，包括不同高度層、油門桿角度（PLA）=69.5°～100°，采集所有穩(wěn)態(tài)點數(shù)據(jù)，對網(wǎng)絡(luò)參數(shù)初始化。訓(xùn)練樣本集在飛行包線中分布如圖3所示。

圖3 ??逆向預(yù)測模型訓(xùn)練樣本集

首先以地面全面開車試驗數(shù)據(jù)作為驗證，其結(jié)果如圖4所示。

圖4 ??主燃油流量逆向預(yù)測值與實際值對比（地面開車）

以未參與發(fā)動機(jī)模型辨識的整個飛行架次的試驗數(shù)據(jù)進(jìn)行驗證，其結(jié)果如圖5、圖6和圖7所示。

圖5 ??爬升過程中主燃油流量逆向預(yù)測值與實際值對比

圖6 ??加減速過程中主燃油流量逆向預(yù)測值與實際值對比

圖7 ??整個飛行架次過程中主燃油流量預(yù)測值與實際值對比

從圖中可以看出，基于極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)的航空發(fā)動機(jī)主燃油流量逆向預(yù)測模型的參數(shù)預(yù)測值與實測值在穩(wěn)態(tài)時誤差小于1%，過渡態(tài)誤差小于6%，使用效果比較理想。

3 結(jié)????論

本文在某型渦扇發(fā)動機(jī)歷史試飛數(shù)據(jù)的基礎(chǔ)上，基于極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)構(gòu)建主燃油流量逆向預(yù)測模型，應(yīng)用平均影響值算法對預(yù)測模型的輸入變量進(jìn)行敏感性篩選，以提高模型的動態(tài)精度，形成結(jié)論如下：

（1）基于離線和在線訓(xùn)練的極限學(xué)習(xí)機(jī)（ELM）算法能夠?qū)⒛嫦蚰Ｐ蛿U(kuò)展應(yīng)用至發(fā)動機(jī)動態(tài)過程、發(fā)動機(jī)蛻化狀態(tài)的參數(shù)預(yù)測評估；

（2）基于極限學(xué)習(xí)機(jī)（ELM）的航空發(fā)動機(jī)主燃油流量逆向預(yù)測模型的參數(shù)預(yù)測值與實測值在穩(wěn)態(tài)時誤差小于1%，動態(tài)小于6%，精度較高，可滿足工程需要。