面向涡扇发动机的数字孪生物理层的构建方法

技术领域

本发明用于涡扇发动机数字孪生领域，应用于涡扇发动机的数字孪生物理层构建。

背景技术

数字孪生是对物理世界的多尺度、多学科、多物理量的概率表示。其旨在通过特定传感单元获取多维度、宽领域的高精确性数据，使用不同的专业知识和数据处理工具对数据进行计算处理，最终对关键输入输出实现特征化建模，完成对真实工况的模拟。数字孪生因其继承性、交互性、实时性等特征广泛应用于飞行器与航空发动机。分开排气式涡轮风扇发动机或称为涡扇发动机是一种常见的航空发动机。通过构建涡扇发动机数字孪生体系，能更好地模拟涡扇发动机的工作状态，了解内部系统的运行情况，最终做出更优的决策。物理层是涡扇发动机的数字孪生体系的基础，是发动机与其数字孪生体的映射过程。物理层是将物理实体和真实环境中的所有信息通过传感器等设备使用测量等手段转换成上位机可识别的信息，并在上位机中进行数据分类、分析与存储等操作，最终实现数据融合与模型融合的过程。整个物理层流程的精确性、完整性与实时性决定了数字孪生系统是否能够正常运转。但是，由于涡扇发动监测数据难以采集，以及对于数据利用与反馈不够充分，所以对于涡扇发动机数字孪生物理层构建的相关技术研究较少。因此，如何有效地构建涡扇发动机数字孪生物理层，是研究构建其数字孪生的关键。

发明内容

为了解决现有技术问题，本发明的目的在于克服已有技术存在的不足，提供一种面向涡扇发动机的数字孪生物理层的构建方法，解决了涡扇发动机物理模型与虚拟模型的映射困难。

为达到上述目的，本发明采用如下技术方案：

一种面向涡扇发动机的数字孪生物理层的构建方法，其操作步骤如下：

步骤一，确认涡扇发动机结构：

涡扇发动机是一系列零件装配形成的复杂装配体，其中，不同零件之间组成不同的部件，用于在涡扇发动机整体中实现不同的功能，依据这些功能将部件分离；

步骤二，构建涡扇发动机部件级模型：

将分离出来的部件分别组成对应的模型，依据部件功能不同，不同的部件拥有不同的参数输入与输出，依据部件内部的气、动、热力学传递方式，明确每个部件的输入量与输出量；

步骤三，构建涡扇发动机数字映射模型：

依据部件的功能与部件之间的气、动、热力学传递方式，将部件级模型串联或者并联起来，组成整个涡扇发动机的数字映射模型，用于反映涡扇发动机整体的参数传递；

步骤四，对参数进行再次分类：

明确分类依据，按照依据将参数分类；

步骤五，确定传感器采集方案：

依据分类后的参数类型，考虑实际采集环境，确定所需传感器种类，布置传感器分布方法；

步骤六，将参数传递至数字孪生服务器得到监测数据集：

通过无线传感器网络方式，将采集得到的数据传输至服务器，得到涡扇发动机实时监测数据集；

步骤七，参数融合：

依据采集到的涡扇发动机实时监测数据集的数据，通过参数融合，实现对于涡扇发动机运行状态的判断，完成面向涡扇发动机的数字孪生物理层的构建。

优选地，在所述步骤七中，进行参数融合时，包括如下步骤：

7-1.使用z-score法标准化涡扇发动机数据；

7-2.按照相关度筛选数据，筛选达到要求的相关度大的数据，筛选后的数据包含s维涡扇发动机数据；

7-3.数据融合；将标准化后的数据记为：

7-4.使用Kalman滤波平滑HI随时间变化曲线，用于预测涡扇发动机的状态变化，依据曲线趋势，分析涡扇发动机运行状态。

优选地，在所述步骤7-2中，筛选后的发动机数据如下：

低压压气机出口总温度T

涡扇发动机工况突变最直接的体现就是其传感器采集数据的改变，依据数据趋势实现数据降维，撇除随时序变化极小的无效数据。

优选地，在所述步骤一中，依据大涵道比涡扇发动机物理实体，构建结构模型；

涡扇发动机为分开排气式涡轮风扇发动机，主要结构包括进气道、低压转子形式的风扇、外涵道喷管、低压压气机LPC(Low-Pressure Compressor)、高压压气机HPC(High-Pressure Compressor)、燃烧室、高压涡轮HPT(High-PressureTurbine)、低压涡轮LPT(Low-Pressure Turbine)与尾喷管；其中低压压气机、风扇与低压涡轮同轴转动，高压压气机与高压涡轮同轴转动；发动机有一个气流入口：进气道；发动机有两个气流出口：分别是内涵道与外涵道；

气流从进气道进入，然后经过风扇之后，分为两股气流，分别进入内、外涵道：

1-1.外涵道气流直接从外涵道喷管喷出；

1-2.内涵道气流依次进入低压压气机、高压压气机、燃烧室、高压涡轮、低压涡轮，最后从尾喷管喷出。

优选地，在所述步骤二中，构建涡扇发动机部件级模型时，部件级模型包括:进气道模型、风扇模型、外涵道喷管模型、低压压气机模型、高压压气机模型、燃烧室模型、高压涡轮模型、低压涡轮模型、尾喷管模型。

优选地，在所述步骤二中，构建涡扇发动机部件级模型时，具体如下：

2-1.进气道部件级模型：

进气道是涡扇发动机的第一部分结构，利用进气道外部依据飞机飞行高度H求得涡扇发动机外部大气温度T

当H≤11km时：

T

P

H≥11km时：

T

进气道利用自身结构，降低外部气体速度并完成增压；进气道依据飞行速度，确定其总压恢复系数σ

当飞行速度为亚音速时，即Ma≤1.0，

σ

当飞行速度为超音速时，即Ma≥1.0：

σ

2-2.风扇部件级模型：

气流经过进气道流入风扇，风扇入口总压P

P

T

气流流经增压比为π、效率为η

P

2-3.外涵道部件级模型：

涡扇发动机为分开排气式涡扇发动机，外涵道与内涵道为并联式结构，其涵道比为BPR；流出风扇的气流空气流量为W

外涵道出气口面积为A

P

T

P

2-4.低压压气机部件级模型：

低压压气机是内涵道的第一个部件级模型，其与外涵道属于并联式结构；风扇气流的空气流量的一部分W

P

W

式中，k为空气定熵指数；

2-5.高压压气机部件级模型：

低压压气机与高压压气机属于串联式结构，低压压气机的出口参数即为高压压气机入口参数；空气流量为W

W

P

空气流量为W

W

2-6.燃烧室部件级模型：

进入燃烧室气流的空气流量为W

c

式中，c

燃烧室油气比为farB，经燃烧反应，其输出量为：燃烧室出口总温T

P

T

W

2-7.高压涡轮部件级模型：

高压涡轮与燃烧室为串联式结构；流出燃烧室的气体W

c

P

W

气流混合之后，进入高压涡轮；高压涡轮转速为n

c

W

2-8.低压涡轮部件级模型：

低压涡轮与高压涡轮为串联式结构；流出高压涡轮的气体W

c

P

W

气流混合之后，进入低压涡轮；低压涡轮转速为n

W

n

2-9尾喷管部件级模型：

尾喷管与低压涡轮为串联式结构，内涵道气流经低压涡轮流入尾喷管，从总压恢复系数σ

T

P

P

优选地，在所述步骤三中，构建涡扇发动机数字映射模型时，包括如下步骤：

3-1.依据部件级模型确定映射模型参数类别：

3-1-1.总温为其驻点温度，为满足任意压力下不液化气体的实时温度；

3-1-2.总压为其驻点压力，指气流速度等熵滞止到零时的压力，是气流中静压与动压之和；

3-1-3.静压为在静止或者匀速直线运动时表面所受的压强；

3-1-4.空气流量：单位时间内流过的气体体积；

3-2.依据映射模型参数类别，得到部件级模型的输入与输出量，组合到映射模型中，确定总体的输入、输出量；确定涡扇发动机的参数，并匹配参数和发动机对应位置：

3-2-1.进气道模型：进气道入口静压或大气静压P

3-2-2.风扇模型：风扇入口总温T

3-2-3.外涵道模型：涵道比BPR、外涵道气流空气流量W

3-2-4.低压压气机模型：低压压气机空气流量W

3-2-5.高压压气机模型：高压压气机出口总温T

3-2-6.燃烧室模型：燃烧室入口空气流量W

3-2-7.高压涡轮模型：高压涡轮转速n

3-2-8.低压涡轮模型：低压涡轮转速n

3-2-9.尾喷管模型：尾喷管总压恢复系数σ

其中，总温为其驻点温度，为满足任意压力下不液化气体的实时温度；总压为其驻点压力，指气流速度等熵滞止到零时的压力，是气流中静压与动压之和；静压为在静止或者匀速直线运动时表面所受的压强；空气流量：单位时间内流过的气体体积。

优选地，在所述步骤四中，对参数进行再次分类时，包括如下步骤：

4-1.涡扇发动机数字映射模型中的参数，依据其来源分为环境参数、发动机设置参数、实时监测参数、计算获取的参数；对映射模型内的传递参数进行分类，便于分配合适的传感器；

环境参数包括：空气定熵指数k、大气静压P

涡扇发动机设置参数包括：燃油油量为W

4-2.利用光学、热学、力学传感器，实时监测，获得如下数据：飞机飞行高度H、飞行速度Ma、不包含燃烧室出口总温T

4-3.计算获取的参数，包括：进气道总压恢复系数σ

优选地，在所述步骤五中，确定传感器采集方案时，包括如下步骤：

5-1.在风扇、高速轴位置安装DSP传感器，用于测量风扇转速n

5-2.在如下位置安装探针式总温传感器：风扇入口、风扇出口、外涵道出口、低压压气机出口、燃气室出口、高压压气机出口、高压涡轮出口、尾喷管出口；

5-3.在如下位置安装探针式总压传感器：风扇入口、风扇出口、外涵道出口、低压压气机出口、燃气室出口、高压压气机出口、高压涡轮出口、尾喷管出口；

5-4.在如下位置安装测量耙式空气流量计：风扇入口、风扇出口、外涵道入口、外涵道出口、低压压气机出口、燃气室出口、高压压气机出口、高压涡轮出口、尾喷管出口。

本发明与现有技术相比较，具有如下显而易见的突出实质性特点和显著优点：

1.本发明面向涡扇发动机的数字孪生物理层的模型构建方法，依据涡扇发动机结构，推理其数字映射，确定数字孪生模型所需参数；

2.本发明依据参数种类，设计传感器采集方案，并对数据进行分析处理；

3.本发明在实际运用中，依据此构建方法，能快速建立涡扇发动机物理实体与虚拟模型的快速映射关系，实现对涡扇发动机工作状态的监控，完成涡扇发动机的数字孪生物理层的模型构建。

附图说明

图1为涡扇发动机结构图。

图2为涡扇发动机数字映射模型。

图3为涡扇发动机传感器分布方案。

图4为涡扇发动机HI变化曲线。

具体实施方式

以下结合具体的实施例子对上述方案做进一步说明，本发明的优选实施例详述如下：

实施例一：

在本实施例中，参考图1～图3，一种面向涡扇发动机的数字孪生物理层的构建方法，其操作步骤如下：

步骤一，确认涡扇发动机结构：

涡扇发动机是一系列零件装配形成的复杂装配体，其中，不同零件之间组成不同的部件，用于在涡扇发动机整体中实现不同的功能，依据这些功能将部件分离；

步骤二，构建涡扇发动机部件级模型：

将分离出来的部件分别组成对应的模型，依据部件功能不同，不同的部件拥有不同的参数输入与输出，依据部件内部的气、动、热力学传递方式，明确每个部件的输入量与输出量；

步骤三，构建涡扇发动机数字映射模型：

依据部件的功能与部件之间的气、动、热力学传递方式，将部件级模型串联或者并联起来，组成整个涡扇发动机的数字映射模型，用于反映涡扇发动机整体的参数传递；

步骤四，对参数进行再次分类：

明确分类依据，按照依据将参数分类；

步骤五，确定传感器采集方案：

依据分类后的参数类型，考虑实际采集环境，确定所需传感器种类，布置传感器分布方法；

步骤六，将参数传递至数字孪生服务器得到监测数据集：

通过无线传感器网络方式，将采集得到的数据传输至服务器，得到涡扇发动机实时监测数据集；

步骤七，参数融合：

依据采集到的涡扇发动机实时监测数据集的数据，通过参数融合，实现对于涡扇发动机运行状态的判断，完成面向涡扇发动机的数字孪生物理层的构建。

本实施例方法面向涡扇发动机的数字孪生物理层的模型构建方法，依据涡扇发动机结构，推理其数字映射，确定数字孪生模型所需参数。

实施例二：

本实施例与实施例一基本相同，特别之处在于：

在本实施例中，参见图1-4，一种面向涡扇发动机的数字孪生物理层的构建方法，其操作步骤如下：

步骤一，确认涡扇发动机结构：

涡扇发动机是一系列零件装配形成的复杂装配体，其中，不同零件之间组成不同的部件，用于在涡扇发动机整体中实现不同的功能，依据这些功能将部件分离；

依据大涵道比涡扇发动机物理实体，构建结构模型；

涡扇发动机为分开排气式涡轮风扇发动机，主要结构包括进气道、低压转子形式的风扇、外涵道喷管、低压压气机LPC(Low-PressureCompressor)、高压压气机HPC(High-Pressure Compressor)、燃烧室、高压涡轮HPT(High-PressureTurbine)、低压涡轮LPT(Low-Pressure Turbine)与尾喷管；其中低压压气机、风扇与低压涡轮同轴转动，高压压气机与高压涡轮同轴转动；发动机有一个气流入口：进气道；发动机有两个气流出口：分别是内涵道与外涵道；

气流从进气道进入，然后经过风扇之后，分为两股气流，分别进入内、外涵道：

1-1.外涵道气流直接从外涵道喷管喷出；

1-2.内涵道气流依次进入低压压气机、高压压气机、燃烧室、高压涡轮、低压涡轮，最后从尾喷管喷出；

步骤二，构建涡扇发动机部件级模型：

将分离出来的部件分别组成对应的模型，依据部件功能不同，不同的部件拥有不同的参数输入与输出，依据部件内部的气、动、热力学传递方式，明确每个部件的输入量与输出量；

构建涡扇发动机部件级模型时，具体如下：

2-1.进气道部件级模型：

进气道是涡扇发动机的第一部分结构，利用进气道外部依据飞机飞行高度H求得涡扇发动机外部大气温度T

当H≤11km时：

T

P

H≥11km时：

T

进气道利用自身结构，降低外部气体速度并完成增压；进气道依据飞行速度，确定其总压恢复系数σ

当飞行速度为亚音速时，即Ma≤1.0，

σ

当飞行速度为超音速时，即Ma≥1.0：

σ

2-2.风扇部件级模型：

气流经过进气道流入风扇，风扇入口总压P

P

T

气流流经增压比为π、效率为η

P

2-3.外涵道部件级模型：

涡扇发动机为分开排气式涡扇发动机，外涵道与内涵道为并联式结构，其涵道比为BPR；流出风扇的气流空气流量为W

外涵道出气口面积为A

P

T

P

2-4.低压压气机部件级模型：

低压压气机是内涵道的第一个部件级模型，其与外涵道属于并联式结构；风扇气流的空气流量的一部分W

P

W

式中，k为空气定熵指数；

2-5.高压压气机部件级模型：

低压压气机与高压压气机属于串联式结构，低压压气机的出口参数即为高压压气机入口参数；空气流量为W

W

P

空气流量为W

W

2-6.燃烧室部件级模型：

进入燃烧室气流的空气流量为W

c

式中，c

燃烧室油气比为farB，经燃烧反应，其输出量为：燃烧室出口总温T

P

T

W

2-7.高压涡轮部件级模型：

高压涡轮与燃烧室为串联式结构；流出燃烧室的气体W

c

P

W

气流混合之后，进入高压涡轮；高压涡轮转速为n

c

W

2-8.低压涡轮部件级模型：

低压涡轮与高压涡轮为串联式结构；流出高压涡轮的气体W

c

P

W

气流混合之后，进入低压涡轮；低压涡轮转速为n

W

n

2-9尾喷管部件级模型：

尾喷管与低压涡轮为串联式结构，内涵道气流经低压涡轮流入尾喷管，从总压恢复系数σ

T

P

P

步骤三，构建涡扇发动机数字映射模型：

依据部件的功能与部件之间的气、动、热力学传递方式，将部件级模型串联或者并联起来，组成整个涡扇发动机的数字映射模型，用于反映涡扇发动机整体的参数传递；涡扇发动机结构与映射模型如图2；

构建涡扇发动机数字映射模型时，包括如下步骤：

3-1.依据部件级模型确定映射模型参数类别：

3-1-1.总温为其驻点温度，为满足任意压力下不液化气体的实时温度；

3-1-2.总压为其驻点压力，指气流速度等熵滞止到零时的压力，是气流中静压与动压之和；

3-1-3.静压为在静止或者匀速直线运动时表面所受的压强；

3-1-4.空气流量：单位时间内流过的气体体积；

3-2.依据映射模型参数类别，得到部件级模型的输入与输出量，组合到映射模型中，确定总体的输入、输出量；确定涡扇发动机的参数，并匹配参数和发动机对应位置：

3-2-1.进气道模型：进气道入口静压或大气静压P

3-2-2.风扇模型：风扇入口总温T

3-2-3.外涵道模型：涵道比BPR、外涵道气流空气流量W

3-2-4.低压压气机模型：低压压气机空气流量W

3-2-5.高压压气机模型：高压压气机出口总温T

3-2-6.燃烧室模型：燃烧室入口空气流量W

3-2-7.高压涡轮模型：高压涡轮转速n

3-2-8.低压涡轮模型：低压涡轮转速n

3-2-9.尾喷管模型：尾喷管总压恢复系数σ

其中，总温为其驻点温度，为满足任意压力下不液化气体的实时温度；总压为其驻点压力，指气流速度等熵滞止到零时的压力，是气流中静压与动压之和；静压为在静止或者匀速直线运动时表面所受的压强；空气流量：单位时间内流过的气体体积；

步骤四，对参数进行再次分类：

明确分类依据，按照依据将参数分类；对参数进行再次分类时，包括如下步骤：

4-1.涡扇发动机数字映射模型中的参数，依据其来源分为环境参数、发动机设置参数、实时监测参数、计算获取的参数；对映射模型内的传递参数进行分类，便于分配合适的传感器；

环境参数包括：空气定熵指数k、大气静压P

涡扇发动机设置参数包括：燃油油量为W

4-2.利用光学、热学、力学传感器，实时监测，获得如下数据：飞机飞行高度H、飞行速度Ma、不包含燃烧室出口总温T

4-3.计算获取的参数，包括：进气道总压恢复系数σ

步骤五，确定传感器采集方案：

如图3所示，依据分类后的参数类型，考虑实际采集环境，确定所需传感器种类，布置传感器分布方法；确定传感器采集方案时，包括如下步骤：

5-1.在风扇、高速轴位置安装DSP传感器，用于测量风扇转速n

5-2.在如下位置安装探针式总温传感器：风扇入口、风扇出口、外涵道出口、低压压气机出口、燃气室出口、高压压气机出口、高压涡轮出口、尾喷管出口；

5-3.在如下位置安装探针式总压传感器：风扇入口、风扇出口、外涵道出口、低压压气机出口、燃气室出口、高压压气机出口、高压涡轮出口、尾喷管出口；

5-4.在如下位置安装测量耙式空气流量计：风扇入口、风扇出口、外涵道入口、外涵道出口、低压压气机出口、燃气室出口、高压压气机出口、高压涡轮出口、尾喷管出口；

步骤六，将参数传递至数字孪生服务器得到监测数据集：

通过无线传感器网络方式，将采集得到的数据传输至服务器，得到涡扇发动机实时监测数据集；依据数据集能实现对数据的实时监测、处理与分析；

步骤七，参数融合：

依据采集到的涡扇发动机实时监测数据集的数据，通过参数融合，实现对于涡扇发动机运行状态的判断，完成面向涡扇发动机的数字孪生物理层的构建。

进行参数融合时，包括如下步骤：

7-1.使用z-score法标准化涡扇发动机数据；

7-2.按照相关度筛选数据，筛选达到要求的相关度大的数据，筛选后的数据包含11维涡扇发动机数据；筛选后的发动机数据如下：

低压压气机出口总温度T

高压压气机出口总压P

涡扇发动机工况突变最直接的体现就是其传感器采集数据的改变；依据此数据趋势实现数据降维，撇除随时序变化极小的无效数据；

7-3.数据融合；将标准化后的数据记为：

7-4.使用Kalman滤波平滑HI随时间变化曲线，用于预测涡扇发动机的状态变化，依据曲线趋势，分析涡扇发动机运行状态。将每个时间(单位：周期)的数据拟合成对应的健康指数HI(Health Index)散点。使用Kalman滤波平滑数据，如图4，拟合曲线。

随着周期的增加，该涡扇发动机健康指数下降。表明该发动机正在经历寿命下降阶段。

本实施例面向涡扇发动机数字孪生物理层的构建方法，用于构建了涡扇发动机物理层。本实施例运用于涡扇发动机整个数字孪生框架中，用于快速实现涡扇发动机物理实体与虚拟模型之间的反馈，反映和监测真实工况中涡扇发动机的运动状态。本实施例方法面向涡扇发动机的数字孪生物理层的模型构建方法，依据涡扇发动机结构，推理其数字映射，确定数字孪生模型所需参数。

综上所述，上述实施例面向涡扇发动机的数字孪生物理层的构建方法，应用于涡扇发动机数字孪生领域。上述实施例方法的操作步骤为：确认涡扇发动机结构；构建涡扇发动机部件级模型；构建涡扇发动机数字映射模型；对参数进行分类；确定传感器采集方案；将参数数据传递至数字孪生服务器；对数据实现参数融合，反映涡扇发动机工作状态。上述实施例方法具有一定的创新性和可行性，对于航空发动机数字孪生构建具有一定的借鉴意义。

上面结合附图对本发明实施例进行了说明，但本发明不限于上述实施例，还可以根据本发明的发明创造的目的做出多种变化，凡依据本发明技术方案的精神实质和原理下做的改变、修饰、替代、组合或简化，均应为等效的置换方式，只要符合本发明的发明目的，只要不背离本发明的技术原理和发明构思，都属于本发明的保护范围。