基于遺傳算法的航空發動機部件特性修正

潘鵬飛 李秋紅 任冰濤 姜殿文

(南京航空航天大學 江蘇省航空動力系統重點實驗室，南京210016)

影響發動機部件級模型精度的一個重要因素是發動機部件特性.由于零件制造、部件組裝所導致的公差以及發動機長時間使用所導致的葉片磨損或者部件腐蝕問題，都會使得給定通用部件特性與實際裝機的發動機部件特性之間不可避免地存在差異.因而建立的部件級數學模型所表現出的工作特性與實際發動機的工作特性往往有很大的差別.因此，如何獲得準確的部件特性成為一個廣泛關注的課題[1－12].

當可以獲得大量實驗數據時，通常采用映射的方法來生成新的部件特性.如文獻[1－3]均研究了采用3階函數擬合法來獲取壓氣機部件特性.文獻[4]研究了基于神經網絡的壓氣機部件特性映射方法.當實驗數據較少時，通常在原有部件特性上進行修正，為了避免修正過程中的盲目性，廣泛采用優化算法來實現模型輸出和實驗結果的匹配.如文獻[5－8]研究了基于最小二乘算法的部件特性修正技術，文獻[9－10]研究了基于單純型法的發動機耦合因子優化技術，文獻[10－12]研究了基于遺傳算法的部件特性修正技術.這些方法均起到了提高模型精度的作用.

本文的研究對象為某型軍用渦扇發動機，由于保密等原因，只有設計點的實驗數據，為此適合采用部件特性修正的方法來提高模型精度.但在文獻[5－12]的部件特性修正研究中，均對部件的部……