变循环发动机部件法建模及优化

madio

摘要：
本文主要解决的是变循环发动机部件法建模及优化问题。建立了基于多维
; w+ y. \: N% j0 M0 K, M非线性隐式方程组的变循环发动机部件模型，分别采用牛顿—拉夫逊法和遗传
算法对模型求解；建立了以发动机推力F 和耗油率scf 为目标的多目标最优化
模型，采用遗传算法对发动机单涵道工作模式下的工作参数进行优化，以使其
! \" m  ^( c+ W/ z$ h5 z5 U* Y达到最佳性能。具体讨论了发动机性能最优时，CDFS 导叶角、低压涡轮导叶
) ^$ Y' y  O5 }角、尾喷管喉道面积等发动机参数随飞行马赫数变化的规律。
8 H% @. {4 d8 ~针对问题一：首先根据附件3 中的标准化公式，对附录4 给出的风扇的增
压比进行标准化处理得到zz 值。然后画出风扇流量在9 种不同的换算转速下随
压比函数值变化的曲线图，如图4 所示。根据附件2 给出的各部件计算公式，
采用发动机部件建模法求出风扇和CDFS 的出口总温、总压和流量，如下表所
示：
; F( a3 U) R9 b: k0 m指标 出口总温 出口总压 出口流量
风扇 379.2879 1.3057 19.0477
( d& V7 G& N  ?. |8 A$ rCDFS 420.3209 1.7973 17.1329
针对问题二：在双涵道模式下，建立了发动机工作平衡的多维非线性隐式
方程组。针对多维非线性隐式方程组模型的复杂性及隐式性的特点，由于迭代
过程存在可能不收敛，因此本文采用了牛顿-拉夫逊法和遗传算法2 种不同算法
; D' K+ m3 V+ d6 u2 c* }0 }1 \进行求解。对于方程组采用两种算法分别求得牛顿—拉夫逊法的满意解和遗传
算法的最优解如下表所示：
! V! N+ W& e4 S- R! o2
/ Z' `" X2 \( f) I( ~  R+ a4 |$ {! z变量 H n CL Z CDFS Z CH Z *
4 T TH Z TL Z
' B4 ^4 B' ^# D! ~牛顿—拉夫逊法 0.950 0.541 0.451 0.306 1800 0.201 0.14
$ y7 h9 m" R# t" }遗传算法 0.919 0.455 0.477 0.293 1800 0.172 0.1
3 K$ u* o8 g& C( f, P6 W( H根据题目要求，在文中陈述了相应算法的关键步骤及其解释，并从多个方
1 r& d' j# `# j! z面比较了2 种算法的有效性，结果如下表所示：
评价指标 收敛性 计算精度 计算效率 其他指标
! B1 q- q# \8 Q4 }( q: }牛顿-拉夫逊法 局部收敛性 高精度 较高 对始值较敏感
) h, Q- F! N2 W1 X遗传算法 全局收敛 高精度 不理想 无始值要求，通用
( P: p2 I! I. V+ T& r对于问题三：第1 小问是在单涵道模式下，建立了以发动机推力F 和耗油
& {. |- D7 R4 R率scf 为目标的多目标最优化模型，并首先采用加权适应度函数将多目标优化问
& M0 X8 p/ d2 h% o. e题转换为了单目标求解问题，采用遗传算法进行求解，得到发动机性能最优时
' h( C* Y  h! v" C8 ?* J& B7 dCDFS 导叶角度、低压涡轮导叶角度、尾喷管喉道面积值如下表所示：
: A( ?7 t! m7 F0 N3 jCDFS  CH  8 A
9 [! Y& N, N% H3 |-5 2.78 9.51103
9 y% f. G9 P# n第2 小问在第1 小问的基础上，增加了马赫数的变化范围从1.1 到1.6，
/ a  K5 V, F2 ?. v+ k' g且后混合器内、外涵道可调等条件。采用第1 小问的遗传算法，选定了马赫数
为1.1、1.2、1.3、1.4、1.5、1.6 时，求解发动机性能最优时CDFS 导叶角度、
7 d3 b+ e, w: T! `  u1 b# r低压涡轮导叶角度、尾喷管喉道面积的值如下表所示，并分别作出了CDFS 导
叶角度、低压涡轮导叶角度、尾喷管喉道面积随马赫数变化规律的曲线图。
Ma CDFS  CH  8 A F Fs scf
( ]" m8 a: L2 ]$ j5 ^5 B8 H1.1 -4.89 -0.3600 9.53103 9557.3 719.8540 0.1551
1.2 -3.55 -0.8430 9.63103 10292 720.1292 0.1516
* n5 ^; L( b8 I: L1.3 -4.95 0.3930 9.51103 10507 695.1700 0.1520
1.4 -4.99 -4.9900 9.54103 9405.8 612.7537 0.1730
8 X, A8 F9 ?7 R& z8 Z' G0 j1.5 -5.00 2.7800 9.51103 12458 715.1500 0.1329
1.6 -4.69 6.0300 9.56103 14492 752.7750 0.1164
' p  G( B( f! K. ]" X关键词：多维非线性隐式方程组 牛顿-拉夫逊法 遗传算法 加权适应度函数
多目标优化