RBCC发动机动态过程特性与建模方法研究

发布时间：2017-09-08 17:29

  本文关键词：RBCC发动机动态过程特性与建模方法研究

  更多相关文章： RBCC 动态特性 模型 拟合法 遗传算法

【摘要】：RBCC发动机兼具冲压发动机和火箭发动机的优势,在全工作包线内具有较优的工作性能,应用前景广泛。当前对RBCC发动机的流动燃烧机理和燃烧组织技术已有一定的认识,随着研究的深入,RBCC发动机已进入工程应用阶段。为实现全模态安全、可靠的工作,必须对发动机实施有效控制,研究发动机气动热力过程动态特性并建立发动机控制模型。本文利用三维CFD技术研究了发动机的动态特性,通过喷注流量的阶跃和喷注位置的切换,获得了RBCC发动机动态响应数据;研究了热力喉道形态的动态变化特征,讨论了状态变量的选取原则,确定了特征截面的具体位置;基于直连试验,研究了RBCC发动机的动态特性时间和释热、波系组织传递规律;在CFD模拟和试验研究基础上,确定了状态空间模型的具体形式;基于Ma3来流CFD模拟结果,分别采用拟合法和遗传算法建立了发动机二维状态空间模型,讨论了特征数据点个数、参数之间相互匹配关系对模型精度的影响,判别了模型的能控性和可观性。基于以上研究,本文得到的主要结论包括以下三个方面:1特征截面应靠近热力喉道生成位置,以对发动机工作参数的变化较为敏感。凹腔所在位置为发动机集中放热区,对热力喉道的生成具有很强的促进作用,因此实际选取凹腔后截面作为特征截面。2 RBCC发动机的动态过程响应时间受喷注方式和来流马赫数的影响。同一喷注位置下,二次燃料喷注当量比越高,动态响应时间越长;相同喷注当量比,分级喷注较集中喷注具有更长的动态响应时间;随着来流马赫数的升高,动态响应时间逐渐变短。3基于二次喷油规律变化的动态数据,利用拟合法和遗传算法可建立状态空间模型,且遗传算法较拟合法具有更宽广的适用范围。在兼顾模型精度和计算效率的前提下,实际选取20个特征数据点较为合适。针对遗传算法,遗传算子参数的选取需和种群的范围相匹配。
【关键词】：RBCC 动态特性 模型 拟合法 遗传算法
【学位授予单位】：西北工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：V430
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-21
• 1.1 RBCC研究背景和意义9-13
• 1.1.1 RBCC工作原理与特点9-11
• 1.1.2 RBCC发动机的控制任务与方法11-13
• 1.2 组合动力控制系统研究13-19
• 1.3 本文研究内容19-21
• 第二章 发动机动态特性的三维数值模拟研究21-39
• 2.1 数学模型及控制方程21-26
• 2.1.1 控制方程21-23
• 2.1.2 湍流模型23-24
• 2.1.3 化学动力学模型24-26
• 2.2 网格生成和边界条件26
• 2.2.1 网格生成26
• 2.2.2 边界条件26
• 2.3 验证算例26-28
• 2.4 发动机动态特性计算结果28-34
• 2.4.1 发动机参数变化过程28-31
• 2.4.2 热力喉道形态动态过程研究：31-34
• 2.5 特征截面的确定34-37
• 2.6 本章小结37-39
• 第三章 RBCC发动机动态特性试验研究39-61
• 3.1 RBCC发动机直连试验系统39-44
• 3.1.1 来流模拟系统39-40
• 3.1.2 测试控制系统硬件40-41
• 3.1.3 变流量二次燃料喷注系统41-44
• 3.2 验发动机构型44-46
• 3.3 实验工况46-47
• 3.3.1 来流条件46
• 3.3.2 二次燃料喷注情况46-47
• 3.4 发动机动态特性研究47-59
• 3.4.1 特征截面动态特性曲线47-49
• 3.4.2 动态响应时间研究49-54
• 3.4.3 动态传播特性研究54-59
• 3.5 本章小结59-61
• 第四章 拟合法应用于RBCC发动机建模技术研究61-73
• 4.1 状态空间模型形式61
• 4.2 拟合法建模61-70
• 4.2.1 拟合法原理61-63
• 4.2.2 模型计算结果63-64
• 4.2.3 模型验证64
• 4.2.4 特征点个数对状态空间模型的影响64-70
• 4.3 本章小结70-73
• 第五章 遗传算法应用于RBCC发动机的建模研究73-87
• 5.1 遗传算法介绍73-74
• 5.2 遗传算法解决问题步骤74-75
• 5.3 遗传算法建模研究75-79
• 5.3.1 数据准备75-76
• 5.3.2 适应度函数设计76-77
• 5.3.3 遗传算子确定77-79
• 5.3.4 模型计算结果79
• 5.4 特征数据点个数对模型精度的影响79-80
• 5.5 变异算子和种群范围的相互匹配80-84
• 5.6 状态空间模型矩阵能控性与可观性的判定84-85
• 5.7 本章小结85-87
• 第六章 全文总结87-89
• 6.1 全文工作总结87-88
• 6.2 本文创新点88
• 6.3 下一步工作建议88-89
• 参考文献89-93
• 发表论文和参加科研工作情况说明93-95
• 致谢95-97

【相似文献】

中国期刊全文数据库 前10条

1 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

2 王毅,曹树良;遗传算法在并联水泵系统运行优化中的应用[J];流体机械;2003年10期

3 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

4 李凡,黄数林,张东风;一种改进的多倍体遗传算法[J];华中科技大学学报(自然科学版);2005年01期

5 韦雪洁;黎明;刘高航;田贵超;;注入式的遗传算法的分析与研究[J];南昌航空工业学院学报(自然科学版);2006年01期

6 阎纲;;遗传算法及其仿真[J];湖南工程学院学报(自然科学版);2006年04期

7 ;遗传算法[J];电网与清洁能源;2008年10期

8 吴玫;陆金桂;;遗传算法的研究进展综述[J];机床与液压;2008年03期

9 李培植;肖利明;于静涛;;基于遗传算法的结构优化方法[J];公路交通科技(应用技术版);2008年08期

10 于金;金乐;杜海璐;;基于改进遗传算法的集装箱装载优化问题研究[J];船海工程;2008年05期

中国重要会议论文全文数据库 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

中国重要报纸全文数据库 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

中国博士学位论文全文数据库 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年

4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年

5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

中国硕士学位论文全文数据库 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年

4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年

5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年

6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

，

本文编号：815341