遺傳算法求解變循環(huán)發(fā)動機(jī)穩(wěn)態(tài)性能參數(shù)研究

伍建偉,劉夫云,甘 林,鄧 勇

(桂林電子科技大學(xué) 機(jī)電工程學(xué)院,廣西 桂林 541004)

?

遺傳算法求解變循環(huán)發(fā)動機(jī)穩(wěn)態(tài)性能參數(shù)研究

伍建偉,劉夫云,甘 林,鄧 勇

(桂林電子科技大學(xué) 機(jī)電工程學(xué)院,廣西 桂林 541004)

以雙涵道變循環(huán)發(fā)動機(jī)為研究對象，在一定簡化條件下采用部件級建模法在MATLAB平臺上建立了整機(jī)的穩(wěn)態(tài)數(shù)學(xué)模型，開發(fā)了該模型的求解程序進(jìn)行數(shù)值仿真。為求得滿足平衡方程和約束條件下穩(wěn)態(tài)發(fā)動機(jī)的性能參數(shù)，將發(fā)動機(jī)性能參數(shù)作為設(shè)計變量，平衡方程相對偏差的和作為目標(biāo)函數(shù)，用遺傳算法(GA)對加入插值法出錯機(jī)制的模型進(jìn)行求解。計算結(jié)果表明：在GA程序中加入出錯處理機(jī)制的程序，可有效解決多連通、小范圍連續(xù)的可行域，以及插值法產(chǎn)生的問題，進(jìn)而求得該工況下的穩(wěn)態(tài)發(fā)動機(jī)性能參數(shù)。

變循環(huán)發(fā)動機(jī)； 部件級建模法； 數(shù)值仿真； 平衡方程； 目標(biāo)函數(shù)； 遺傳算法； 插值法； 穩(wěn)態(tài)性能參數(shù)

0 引言

目前，燃?xì)鉁u輪發(fā)動機(jī)占據(jù)航空動力的主導(dǎo)地位，是知識密集、軍民兩用的高科技產(chǎn)品，是國家科技工業(yè)水平和綜合國力的重要標(biāo)志，成為各大國大力發(fā)展、高度壟斷的關(guān)鍵技術(shù)[1]。由飛機(jī)/發(fā)動機(jī)設(shè)計原理可知：對持續(xù)高馬赫數(shù)飛行任務(wù)，需要高單位推力的渦噴循環(huán)；反之，如任務(wù)強調(diào)低馬赫數(shù)和長航程，就需要低耗油率的渦扇循環(huán)[2-3]。變循環(huán)發(fā)動機(jī)(VCE)可同時具備高速時的大推力與低速時的低油耗，這使它有強大的性能優(yōu)勢，受到各航空強國的重視，成為目前航空發(fā)動機(jī)的重要研究方向。

目前，國內(nèi)關(guān)于變循環(huán)發(fā)動機(jī)的研究處于探索階段，主要集中在發(fā)動機(jī)整機(jī)建模和模式切換過渡仿真、穩(wěn)態(tài)性能模擬，以及總體結(jié)構(gòu)初步設(shè)計等方面[4-8]。文獻(xiàn)[4]建立了變循環(huán)發(fā)動機(jī)整機(jī)數(shù)學(xué)模型，研究了變循環(huán)發(fā)動機(jī)相關(guān)參數(shù)對模式轉(zhuǎn)換的影響，通過數(shù)值仿真得出了與實際相符的結(jié)論，即雙涵工作模式下發(fā)動機(jī)耗油率低，適于亞聲速巡航飛行，單涵工作模式下發(fā)動機(jī)單位推力高，適于超聲速巡航飛行。文獻(xiàn)[7]對變循環(huán)發(fā)動機(jī)進(jìn)行了數(shù)值模擬，研究了變循環(huán)發(fā)動機(jī)的高度、速度和低壓轉(zhuǎn)速對推力、耗油率、涵道比、前涵道比和后涵道比的影響，并得出結(jié)論：相較于單外涵模式，雙外涵模式的單位推力和耗油率低，其受飛行條件影響的主要為前涵道比。文獻(xiàn)[8]給出了變循環(huán)發(fā)動機(jī)總體結(jié)構(gòu)的初步方案，并對模式轉(zhuǎn)換機(jī)構(gòu)進(jìn)行了性態(tài)分析，確定了該方案的可行性。文獻(xiàn)[9]對變循環(huán)發(fā)動機(jī)建模方法進(jìn)行了研究及驗證。但有關(guān)求解的方法及其求解效率的研究較少。文獻(xiàn)[10]提到了用Newton-Raphson法求解變循環(huán)穩(wěn)態(tài)模型，但該法有兩方面的缺陷：一是需要初始點，即文獻(xiàn)[4-5、7]提及的“初猜值”，而實際上，隨意猜得的值很可能落入插值范圍之外，在迭代中會出現(xiàn)超出插值范圍的錯誤；二是該法易陷入局部最優(yōu)點，這是傳統(tǒng)優(yōu)化算法的通病，對本文研究的多連通、小范圍連續(xù)的可行域及含插值法的問題，則更易陷入局部最優(yōu)。國內(nèi)外，多位學(xué)者用GA對航空發(fā)動機(jī)進(jìn)行了優(yōu)化設(shè)計[11-12]。雖有提到用改進(jìn)的混合粒子群算法對變循環(huán)發(fā)動機(jī)模型進(jìn)行求解，但并未涉及關(guān)于含插值法(利用重要部件實驗特性數(shù)據(jù)時使用的方法)問題的解決方案[13]。為此，本文在建立變循環(huán)發(fā)動機(jī)雙涵道數(shù)學(xué)模型的基礎(chǔ)上，分析了該模型適用的條件、適用的范圍，加入了插值法出錯處理的機(jī)制，并用遺傳算法進(jìn)行數(shù)值仿真。

1 MATLAB與遺傳算法簡介

MATLAB是一套高性能數(shù)值計算和可視化軟件，集成數(shù)值分析、矩陣運算、信號處理和圖形顯示于一體，在系統(tǒng)建模和仿真、科學(xué)和工程繪圖及應(yīng)用程序開發(fā)等領(lǐng)域有廣泛應(yīng)用[14]。MATLAB也是一種專業(yè)的計算機(jī)程序，用于工程科學(xué)的矩陣數(shù)學(xué)運算。MATLAB 程序執(zhí)行MATLAB 語言，并提供了一個極其廣泛的預(yù)定義函數(shù)庫，可使相關(guān)技術(shù)工作變得簡單高效。同時， MATLAB擁有強大的調(diào)試功能，能在建模過程中方便發(fā)現(xiàn)錯誤、改正錯誤。因此，本文用MATLAB語言編制程序，可提高建模的效率和質(zhì)量。與此同時，隨著MATLAB軟件版本的升級，函數(shù)庫進(jìn)一步豐富完善，并加入了基于遺傳算法的優(yōu)化函數(shù)，用于處理復(fù)雜的大型優(yōu)化問題。

GA是借鑒生物界自然選擇和進(jìn)化機(jī)制發(fā)展起來的高度并行、隨機(jī)、自適應(yīng)搜索算法，適用性廣，特別適于處理傳統(tǒng)方法處理效果不佳的復(fù)雜和非線性問題[15-18]。最優(yōu)化問題是其經(jīng)典應(yīng)用領(lǐng)域，但傳統(tǒng)方法在有效解決大規(guī)模、多峰態(tài)、函數(shù)、含離散變量等問題時往往存在許多障礙。作為一種新的全局優(yōu)化搜索算法，GA因其簡單易用，對很多優(yōu)化問題能較易地解出令人滿意的解，不僅適于傳統(tǒng)優(yōu)化問題，而且適于非線性方程組的求解[17-18]?；谝韵乱蛩兀疚倪x擇GA進(jìn)行優(yōu)化。

a)GA適于數(shù)學(xué)關(guān)系不明確的問題?？紤]發(fā)動機(jī)的部件較多，在建立的發(fā)動機(jī)模型中，發(fā)動機(jī)性能參數(shù)并不直接與平衡方程相關(guān)聯(lián)，即待求變量與平衡方程間的數(shù)學(xué)關(guān)系并不明確。GA僅使用問題本身的目標(biāo)函數(shù)值，無需其它任何先決條件和輔助信息，所用有關(guān)特定問題的信息非常少。

b)GA無需輸入初始點，而是隨機(jī)產(chǎn)生初始種群。GA以群體為基礎(chǔ)，不是以單點搜索為基礎(chǔ)，能同時獲得多個峰值，因此陷入一個局部最小的可能性明顯減小。對本文建立的模型，可行域呈現(xiàn)為多連通、小范圍連續(xù)的性質(zhì)，如采用傳統(tǒng)優(yōu)化算法，受到初始點的限制，極易陷入局部最優(yōu)。

c) 現(xiàn)行非線性優(yōu)化算法多基于線性、凸性、可微性等, 但GA無相關(guān)假設(shè)。GA只需要評價目標(biāo)值的優(yōu)劣, 應(yīng)用性較廣，能較好地求解本文研究的數(shù)學(xué)模型。

d)GA具隨機(jī)性特點，是一種漸近式趨于最優(yōu)的近似算法。GA在每次的迭代過程中，利用復(fù)制、交換、突變等操作，使下一代的結(jié)果大體上優(yōu)于上一代。本文在雙涵道變循環(huán)發(fā)動機(jī)建模時作了一定的簡化，建立的模型是一種近似模型，無需求得精確解。另外，隨著種群和迭代代數(shù)的增加，GA的解會趨于精確解。

2 變循環(huán)發(fā)動機(jī)雙涵道模式穩(wěn)態(tài)模型建立

2.1 變循環(huán)發(fā)動機(jī)構(gòu)造及其原理

本文研究對象是雙涵道變循環(huán)發(fā)動機(jī)，主要部件包括進(jìn)氣道、風(fēng)扇、副外涵道、核心驅(qū)動風(fēng)扇級(CDFS)、CDFS涵道、主外涵道、前混合器、高壓壓氣機(jī)、主燃燒室、高壓渦輪、低壓渦輪、后混合器、加力燃燒室，以及尾噴管等[4-7]。雙涵道模式下，選擇活門和后混合器(后VABI)全部打開；單涵道模式下，選擇活門關(guān)閉，后混合器關(guān)小至一定位置。文獻(xiàn)[10]給出了發(fā)動機(jī)的具體結(jié)構(gòu)。

變循環(huán)發(fā)動機(jī)的工作原理如圖1所示。其工作模式有渦噴和渦扇兩種。發(fā)動機(jī)在亞聲速巡航的低功率工作狀態(tài)，風(fēng)扇后的模式轉(zhuǎn)換活門因為副外涵與風(fēng)扇后的壓差打開，使更多空氣進(jìn)入副外涵，同時前混合器面積開大，打開后混合器，增大涵道比，降低油耗，此時為發(fā)動機(jī)的渦扇模式。發(fā)動機(jī)在超聲速巡航、加速、爬升狀態(tài)時，前混合器面積關(guān)小，副外涵壓力增大，選擇活門關(guān)閉，迫使絕大部分氣體進(jìn)入核心機(jī)，產(chǎn)生高的推力，此時為發(fā)動機(jī)的渦噴模式。

2.2 變循環(huán)發(fā)動機(jī)部件建模法

燃?xì)鉁u輪發(fā)動機(jī)的特性可用實驗方法或數(shù)值方法獲得。但實驗方法需研制復(fù)雜的設(shè)備、投入巨額的資金和消耗巨大的能源，因此逐漸被數(shù)值模擬方法替代。隨著計算能力的不斷提高，發(fā)動機(jī)數(shù)學(xué)模型研究的不斷深入，計算機(jī)仿真精度在不斷提高，一定程度上彌補了實驗方法的不足，尤其是在發(fā)動機(jī)研制過程中，燃?xì)鉁u輪發(fā)動機(jī)計算機(jī)仿真技術(shù)發(fā)揮了不可替代的作用。

燃?xì)鉁u輪發(fā)動機(jī)由進(jìn)氣道、壓氣機(jī)、主燃燒室、渦輪、噴管等部件組成。如計算機(jī)能對這些部件的性能進(jìn)行準(zhǔn)確的模擬，就能準(zhǔn)確地模擬整個發(fā)動機(jī)的性能。這種建立在準(zhǔn)確模擬發(fā)動機(jī)各部件性能基礎(chǔ)上的發(fā)動機(jī)性能計算方法，被稱為部件法。該法是建立在發(fā)動機(jī)各部件特性已知的基礎(chǔ)上，因此計算精度較高[4]。本文利用壓氣機(jī)、渦輪的特性數(shù)據(jù)，采用線性插值法計算相應(yīng)的換算轉(zhuǎn)速、增壓比(落壓比(對渦輪而言))、效率，以及換算流量。

2.3 建模前模型假設(shè)

變循環(huán)發(fā)動機(jī)是十分復(fù)雜的氣動熱力學(xué)系統(tǒng)，建立其精確的數(shù)學(xué)模型十分困難。因此，本文在建立其非線性部件級模型時，作以下適當(dāng)簡化：

a)忽略燃油在燃燒室中燃燒延遲的影響；

b)氣流在各部件的流動均按準(zhǔn)一維流動處理；

c)不考慮流入流出時的放氣量[19]。

2.4 變循環(huán)發(fā)動機(jī)雙涵道模式穩(wěn)態(tài)數(shù)學(xué)模型

2.4.1 發(fā)動機(jī)性能參數(shù)

變循環(huán)發(fā)動機(jī)的性能參數(shù)有12個：nL為低壓轉(zhuǎn)速(風(fēng)扇、低壓渦輪物理轉(zhuǎn)速)；nH為高壓轉(zhuǎn)速(高壓壓氣機(jī)、CDFS、高壓渦輪物理轉(zhuǎn)速)；ZCL為風(fēng)扇壓比函數(shù)值；ZCDFS為CDFS壓比函數(shù)值；ZCH為高壓壓氣機(jī)壓比函數(shù)值；T4*為主燃燒室出口溫度；ZTH為高壓渦輪壓比函數(shù)值；ZTL為低壓渦輪壓比函數(shù)值；αL為風(fēng)扇導(dǎo)葉角；αCDFS為CDFS導(dǎo)葉角；αH為高壓壓氣機(jī)導(dǎo)葉角；αCH為低壓渦輪導(dǎo)葉角。

圖1 變循環(huán)發(fā)動機(jī)工作原理Fig.1 Principle of variable cycle engine

2.4.2 求解工況

在發(fā)動機(jī)飛行高度H=11 km，飛行馬赫數(shù)Ma=0.8的亞聲速巡航點，采用雙涵道模式，導(dǎo)葉角度均設(shè)置為0°。在該典型工況下，選擇活門完全打開，取副外涵道面積1.839103，后混合器出口總面積2.851 8104，尾噴管喉道面積9.554 4103。由滿足的方程和條件，求解在該工況下穩(wěn)態(tài)時的發(fā)動機(jī)性能參數(shù)。

2.4.3 雙涵道模式穩(wěn)態(tài)數(shù)學(xué)模型建立

首先，根據(jù)變循環(huán)發(fā)動機(jī)的計算公式，構(gòu)造各部件相應(yīng)的數(shù)學(xué)模型，用MATLAB程序語言編制各部件函數(shù)，建立各函數(shù)的流入該部件與流出該部件參數(shù)間的關(guān)系[10]。各部件對應(yīng)的M文件如下：inlet.m為進(jìn)氣道函數(shù)；compressor.m為風(fēng)扇、CDFS和高壓壓氣機(jī)函數(shù)(其中最后的一個輸入?yún)?shù)num 1，2，3分別對應(yīng)風(fēng)扇、CDFS和高壓壓氣機(jī)的計算)；main_combusition_chamber.m為主燃燒室；turbine_H_and_L.m為高壓渦輪與低壓渦輪函數(shù)(其中最后的一個輸入?yún)?shù)num 1，2分別對應(yīng)高壓渦輪和低壓渦輪的計算)；forward_mixer.m為前混合器函數(shù)；rear_mixer.m為后混合器函數(shù)；exhaust_nozzle.m為尾噴管函數(shù)。

然后，建立整機(jī)模型函數(shù)(M文件為whole_machine_model_fun.m)、整機(jī)的目標(biāo)函數(shù)(M文件為obj_fun.m)，以及其約束函數(shù)(M文件為non_con_fun.m)。其中：整機(jī)的穩(wěn)態(tài)模型函數(shù)是對各部件氣體流入流出的一個模擬，是對各部件數(shù)學(xué)模型的有機(jī)組合；約束函數(shù)是在插值需滿足的限制條件及流動氣體在通過各部件時的限制條件(如流經(jīng)CDFS的流量大于高壓壓氣機(jī)的流量，因為流出CDFS的流量會部分流入主涵道)；整機(jī)的穩(wěn)態(tài)模型函數(shù)和約束函數(shù)的輸入變量為發(fā)動機(jī)的性能參數(shù)(考慮求解工況下將導(dǎo)葉角設(shè)置為0°，故此時待求的發(fā)動機(jī)的性能參數(shù)為8個)。

最后，用MATLAB優(yōu)化工具箱中的遺傳算法函數(shù)進(jìn)行求解，流程如圖2所示。

圖2 雙涵道變循環(huán)發(fā)動機(jī)建模及求解流程Fig.2 Flowchart of modeling and solving for double bypass variable cycle engine

2.4.4 發(fā)動機(jī)平衡方程

發(fā)動機(jī)匹配工作時，受以下平衡方程制約[10]。

a)低壓軸功率平衡

NCL-NTLηmL=0.

(1)

式中：NCL為風(fēng)扇消耗功率；NTL為低壓渦輪發(fā)出功率；ηmL為中間軸機(jī)械效率，取ηmL=0.99。

b)高壓軸功率平衡

NCH+NCDFS-NTHηmH=0.

(2)

式中：NCH，NCDFS分別為高壓壓氣機(jī)和CDFS的消耗功率；NTH為高壓渦輪發(fā)出功率；ηmH為高速軸機(jī)械效率，取ηmH=0.99。

c)高壓渦輪進(jìn)口截面流量平衡

(3)

d)低壓渦輪進(jìn)口截面流量平衡

(4)

e)后混合器靜壓平衡

p61-p62=0.

(5)

式中：p61，p62分別為后混合器內(nèi)、外涵道(主外涵道)的靜壓，兩者應(yīng)平衡。

f)尾噴管面積平衡

(6)

g)風(fēng)扇出口流量平衡

Wa2-Wa21-Wa13=0.

(7)

式中：Wa2為風(fēng)扇出口流量；Wa13為副外涵流量；Wa21為CDFS進(jìn)口流量，三者間存在平衡關(guān)系。其中：Wa13由文獻(xiàn)[10]中前混合器的有關(guān)公式算出。

3 遺傳算法求解前模型處理

3.1 平衡方程求解轉(zhuǎn)為優(yōu)化問題處理

本文已知飛機(jī)在某種典型工況，在滿足平衡方程和約束條件下，求解變循環(huán)發(fā)動機(jī)的性能參數(shù)。為便于用MATLAB自帶的遺傳算法函數(shù)ga進(jìn)行求解，可作如下處理：發(fā)動機(jī)性能參數(shù)作為設(shè)計變量；平衡方程相對偏差之和作為目標(biāo)函數(shù)(即GA的適應(yīng)度函數(shù))；約束條件(插值點的范圍及氣體流經(jīng)發(fā)動機(jī)各部件所滿足的關(guān)系)提取出建立非線性約束函數(shù)。

GA是利用一定的尋優(yōu)規(guī)則，改變或調(diào)節(jié)輸入?yún)?shù)(發(fā)動機(jī)性能參數(shù))值，使目標(biāo)函數(shù)達(dá)到最優(yōu)。由于目標(biāo)函數(shù)是平衡方程的加權(quán)和(也稱為相對偏差之和)，當(dāng)該目標(biāo)函數(shù)最小，即最接近于0時，等價于滿足平衡方程，此時的最優(yōu)解即為平衡方程的解。

3.2 插值方法計算出錯處理

本文建立的發(fā)動機(jī)整機(jī)模型有一定的復(fù)雜性，為能充分利用實驗獲得重要部件的特性數(shù)據(jù)，部分中間變量求解采用了插值方法。雙涵道變循環(huán)發(fā)動機(jī)的數(shù)學(xué)模型轉(zhuǎn)為優(yōu)化問題后，受約束條件及插值范圍的限制，可行域呈現(xiàn)為多連通、小范圍連續(xù)的性質(zhì)。因此，如直接利用GA尋優(yōu)，因要求使用的點必須在插值的范圍內(nèi)，若超出插值范圍則計算中出錯，勢必導(dǎo)致算法中止。為避免此情況的出現(xiàn)，在整機(jī)模型的程序中加入了錯誤捕捉命令(在穩(wěn)態(tài)模型程序中加入MATLAB的try-catch語句)，當(dāng)出現(xiàn)錯誤，可判定此解不滿足條件，進(jìn)而進(jìn)入下一次迭代尋優(yōu)。

4 GA求解結(jié)果與分析

在MATLAB開發(fā)平臺編制相應(yīng)的程序，用GA求解給定工況下的VCE整機(jī)的數(shù)學(xué)模型，結(jié)果見表1。

計算結(jié)果分析如下。

a)求解過程

在GA求解過程中，設(shè)置了3組迭代的代數(shù)和初始種群個數(shù)。由表1可知：當(dāng)?shù)鷶?shù)和初始種群數(shù)較小時，GA陷入了局部最優(yōu)解。隨著迭代數(shù)和初始種群數(shù)的增加，目標(biāo)函數(shù)值進(jìn)一步減小，求解的結(jié)果進(jìn)一步精確。但隨著迭代數(shù)和初始種群的進(jìn)一步增加，目標(biāo)函數(shù)值減小的幅度相當(dāng)小，其值已基本接近于0，表明該優(yōu)化結(jié)果已收斂于該點。考慮GA是一種全局尋優(yōu)的算法，故可知該點為全局最優(yōu)點。

表1 遺傳算法求解雙涵道模式結(jié)果

b)求解結(jié)果

第三個迭代設(shè)置求解的結(jié)果表明，平衡方程式(3)、(7)的相對偏差值較大，分別為3.88%，3.45%，而其他平衡方程的相對偏差均小于0.2%，滿足平衡方程。考慮本文建立的模型是理想狀況，也是近似的，因此存在一定的誤差可接受。由圖2可知:平衡方程式(3)是高壓渦輪進(jìn)口截面流量平衡，而平衡方程式(7)是風(fēng)扇和CDFS總的流量與副外涵道流量的平衡。由于建模前的假設(shè)(不考慮流入流出時的放氣量)，故這兩個平衡方程的相對偏差值相對較大，但均在4%以內(nèi)，這是合理的。上述結(jié)果及求解的中間數(shù)據(jù)與文獻(xiàn)[4-5、7-8]的數(shù)據(jù)基本一致，可斷定此解即為該工況下雙涵道模式的穩(wěn)態(tài)仿真結(jié)果。

5 結(jié)束語

本文以變循環(huán)發(fā)動機(jī)的雙涵道模式為研究對象，將平衡方程的求解轉(zhuǎn)化為優(yōu)化問題的求解策略，利用插值方法出錯處理機(jī)制，解決了變循環(huán)發(fā)動機(jī)穩(wěn)態(tài)性能參數(shù)的求解問題。特別是程序中使用的插值方法出錯處理，即采用錯誤拋出命令(try catch)，這樣可控制程序中的錯誤，避免在尋優(yōu)的過程中程序中斷。研究獲得了以下結(jié)果：本文用GA求解變循環(huán)發(fā)動機(jī)穩(wěn)態(tài)性能參數(shù)，可有效解決多連通、小范圍連續(xù)的可行域及插值法產(chǎn)生的問題，進(jìn)而求得該工況下的穩(wěn)態(tài)發(fā)動機(jī)性能參數(shù)。后續(xù)將本文的處理方法用于發(fā)動機(jī)性能參數(shù)的優(yōu)化，將發(fā)動機(jī)的其它參數(shù)(如導(dǎo)葉角、副外涵道面積、后混合器出口面積和尾噴管面積)作為設(shè)計變量，以耗油率和推力作為目標(biāo)函數(shù)，用GA對目標(biāo)函數(shù)進(jìn)行優(yōu)化，在保證滿足平衡方程和約束條件的前提下，獲得發(fā)動機(jī)最優(yōu)性能。

[1] 劉大響, 金捷. 21世紀(jì)世界航空動力技術(shù)發(fā)展趨勢與展望[J]. 中國工程科學(xué)， 2004, 6(9): 1-8.

[2] 方昌德. 變循環(huán)發(fā)動機(jī)[J]. 燃?xì)鉁u輪試驗與研究. 2004, 17(3): 1-5.

[3] 梁春華. 未來的航空渦扇發(fā)動機(jī)技術(shù)[J]. 航空發(fā)動機(jī), 2005, 31(4): 54-58.

[4] 茍學(xué)中, 周文祥, 黃金泉. 變循環(huán)發(fā)動機(jī)部件級建模技術(shù)[J]. 航空動力學(xué)報, 2013, 28(1): 104-111.

[5] 王元, 李秋紅, 黃向華. 變循環(huán)發(fā)動機(jī)建模技術(shù)研究[J]. 航空動力學(xué)報, 2013, 28(4): 954-960.

[6] 周紅, 王占學(xué), 張曉博, 等. 變循環(huán)發(fā)動機(jī)模態(tài)轉(zhuǎn)換的幾何調(diào)節(jié)規(guī)律[J]. 航空動力學(xué)報, 2015, 30(9): 2160-2166.

[7] 劉增文, 王占學(xué), 黃紅超, 等. 變循環(huán)發(fā)動機(jī)性能數(shù)值模擬[J]. 航空動力學(xué)報, 2010, 25(6): 1310-1315.

[8] 劉洪波, 王榮橋. 變循環(huán)發(fā)動機(jī)總體結(jié)構(gòu)和模式轉(zhuǎn)換機(jī)構(gòu)研究[J]. 航空發(fā)動機(jī), 2008, 34(3): 1-5.

[9] 王元, 張平平, 李秋紅, 等. 變循環(huán)發(fā)動機(jī)建模方法研究及驗證[J]. 航空動力學(xué)報, 2014, 29(11): 2643-2651.

[10] 茍學(xué)中. 變循環(huán)發(fā)動機(jī)建模及控制規(guī)律研究[D]. 南京: 南京航空航天大學(xué), 2012.

[11] ZHAO J, XU M. Fuel economy optimization of an Atkinson cycle engine using genetic algorithm[J]. Applied Energy, 2013, 105: 335-348.

[12] 李立君, 尹澤勇, 喬渭陽. 基于多目標(biāo)遺傳算法的航空發(fā)動機(jī)總體性能優(yōu)化設(shè)計[J]. 航空動力學(xué)報, 2006, 21(1): 13-18.

[13] 白洋, 段黎明, 柳林, 等. 基于改進(jìn)的混合粒子群算法的變循環(huán)發(fā)動機(jī)模型求解[J]. 推進(jìn)技術(shù), 2014, 35(12): 1694-1770.

[14] CHAPMAN S J. Matlab programming for engineers[M]. Wadsworth: Wadsworth Publishing, 2007.

[15] HOLLAND J H. Adaptation in natural and artificial systems: an introductory analysis with applications to biology, control, and artificial intelligence[M]. Michigan: U Michigan Press, 1975.

[16] GOLDBERG D E. Genetic algorithms in search, optimization and machine learning[M]. New Jersey: Addison-Wesly, 1989.

[17] KAVOUSI A, VAHIDI B, SALEHI R, et al. Application of the Bee algorithm for selective harmonic elimination strategy in multilevel inverters[J]. IEEE Transactions on Power Electronics, 2012, 27(4): 1689-1696.

[18] 胡斐, 趙治國. 基于MATLAB的非線性方程組遺傳解法[J]. 計算機(jī)時代, 2010, 28(3): 44-45.

[19] 周文祥. 航空發(fā)動機(jī)及控制系統(tǒng)建模與面向?qū)ο蟮姆抡嫜芯縖D]. 南京: 南京航空航天大學(xué), 2006.

Study on Solving Steady-State Performance Parameters for Variable Cycle Engines with Genetic Algorithm

WU Jian-wei, LIU Fu-yun, GAN Lin, DENG Yong

(Mechanic and Electronic Engineering, Guilin University of Electronic Technology, Guilin 541004, Guangxi, China)

A steady mathematical model of double by pass variable cycle engine (VCE) was constructed under certain simplified conditions by using component-level modeling based on MATLAB. The solver was developed to finish numerical simulation. In order to solve the steady-state performance parameters of the engine under the equilibrium equation and constraint conditions, the engine performance parameters were selected as design variables, and the relative deviation of the equilibrium equation was selected as objective function. The genetic algorithm was used for solving the model added error mechanism of the interpolation method. Results show that the genetic algorithm program with the error handling mechanism can effectively figure out the troubles of the multiply connected and small scale continuous feasible region as well as the problems brought by the interpolation method. In this way, the steady-state engine performance parameters are solved under this working condition.

Variable cycle engines; Component-level modeling; Numerical simulation; Equilibrium equation; Objective function; Genetic algorithm； Interpolation method; Steady-state performance parameters

1006-1630(2016)05-0077-07

2016-04-21；

2016-07-06

國家自然科學(xué)基金資助(51265006)；廣西科技開發(fā)項目(桂科攻1598007-51)；柳州市科技開發(fā)項目(2013H020401)

伍建偉(1989—)，男，碩士生，主要研究方向為機(jī)械動力學(xué)與優(yōu)化算法研究。

V231

A

10.19328/j.cnki.1006-1630.2016.05.012