高超聲速飛行器多源能量動態優化管理方法研究

王小平，陳麗君，金行健，梁國梁，陳俞初，施良宇

1.航空工業金城南京機電液壓工程研究中心，江蘇 南京 211106

2.南京航空航天大學，江蘇 南京 211106

隨著飛行器向多電/全電的方向發展，高超聲速飛行器對用電的需求也越來越大，這對飛行器上的電能生成系統提出了更高要求，渦輪基組合動力下的多源能量提取是亟待解決的核心技術[1-2]。渦輪基組合動力主要通過主動力進氣/油氣總焓提取、軸功率提取、熱能提取及燃油冷?利用等方法實現多源電能生成，這些均會對主動力單位燃油消耗率、渦輪動力壓氣機穩定裕度、沖壓動力進氣穩定裕度、燃燒穩定性等性能產生影響，且不同能量提取方式及其參數對主動力的性能影響程度與影響機理不同[3-5]。因此加強多源能量提取對主動力性能影響機理及對多源能量優化管理方法研究，有利于促進高超聲速飛行器系統技術的平衡發展，滿足其更高推重比和更低的燃料消耗率的綜合優化設計方法要求。

目前優化方法應用在飛行器的能量管理策略的相關成果較少，鑒于優化方法在其他混合動力系統的能量管理策略中的應用較為廣泛[6]，如地鐵、混合動力汽車、混合動力船舶等，可為解決高超聲速飛行器的多源優化管理問題提供有效途徑。楊少兵[7]等將遺傳算法用于地鐵能耗管理及運行圖優化；李平等[8]用粒子群算法優化了多工況下混合動力汽車的燃油消耗；Cheng等[9]、陳征等[10]將進化算法用于插電式混合動力汽車的能量優化管理策略。粒子群算法適合在動態、多目標優化環境中尋優，與傳統優化算法相比，計算速度更快，全局搜索能力更好，易于在工程上實現應用。高超聲速飛行器的飛行參數高動態變化會引起主動力和其能量關聯部件強非線性變化，這導致多源能量提取系統能效演化呈多峰值、不連續特征。因此，研究基于粒子群算法的高超聲速飛行器多源能量動態優化管理方法十分必要。

本文從綜合化的多源能量高效管控的角度，對高超聲速飛行器主動力及多源能量提取系統進行建模，對多源能量提取系統進行能效和管理策略進行分析，以此為基礎提出多源能量優化管理方法，最后驗證了該方法的可行性和有效性。

1 高超聲速飛行器主動力及多源能量提取系統建模

1.1 并聯式渦輪基組合循環發動機模型

本文選取并聯式渦輪基組合循環（TBCC）發動機作為高超聲速飛行器的主動力進行建模。并聯式TBCC發動機由渦輪發動機和沖壓發動機并聯組合而成，其并聯式的雙通道相對獨立，因而研制難度相對較小，具有很好的工程應用前景，是國內外發展高超聲速飛行器的主要動力[11-12]。圖1為并聯式TBCC發動機結構，針對并聯式TBCC發動機的特性，對發動機的渦輪發動機、沖壓發動機兩個獨立的通道分別進行建模[13-16]。

圖1 并聯式TBCC發動機結構Fig.1 Structure diagram of parallel TBCC engine

1.2 多源能量提取系統模型

如圖2 所示，在渦輪發動機模式擬采用三種能量提取方式：軸功提取發電、引氣發電和燃氣發電。軸功提取發電從渦扇發動機的高/低壓經過齒輪箱調節傳動比后帶動電機發電；引氣發電從渦扇發動機的高壓級/中間級/外涵道引出氣體驅動電機發電；燃氣發電在引出氣體后經過燃燒室燃燒再驅動電機發電。

圖2 渦輪發動機模式的多源能量提取系統Fig.2 Multi source energy extraction system for turbine engine mode

如圖3 所示，在沖壓發動機模式擬采用4 種能量提取方式：引氣發電、燃氣發電、半導體溫差發電和蓄電池。引氣發電、燃氣發電是從沖壓發動機的隔離段引出氣體驅動電機；半導體溫差發電即從燃燒室壁面引熱，形成的溫差使P、N 型熱電偶產生電勢差，從而給負載供電；蓄電池由化學能直接轉化為電能，無須從發動機中提取能量，僅有重量造成燃油代償。

圖3 沖壓發動機模式的多源能量提取系統Fig.3 Multi-source energy extraction system for ramjet engine mode

2 多源能量提取能效分析及優化管理策略

2.1 多源能量提取對發動機能效影響機理

本文以單位推力下燃油消耗率的變化（ΔSFC）為評價指標，其中ΔSFC 為多源能量提取前后單位推力燃油消耗率的差值。數值仿真對比了寬域飛行包線內多源能量提取對發動機的性能影響。

表1 為渦輪發動機模式仿真工況。從圖4 可以得出，隨著飛行高度、馬赫數的上升，軸功提取發電、燃氣發電、引氣發電依次為最適用的能量提取方式；對于軸功提取發電，隨著高壓軸轉速的降低，適用的提取部位從高壓軸變化至低壓軸；對于引氣發電和燃氣發電，隨著沖壓空氣能量的增大，適用的提取部位的變化趨勢為從高壓級至中間級、外涵道。

圖4 渦輪發動機模式多源能量提取的ΔSFC對比Fig.4 ΔSFC comparison of multi-source energy extraction in turbine engine mode

表1 渦輪發動機模式多源能量提取能效分析工況Table 1 Energy efficiency analysis of multi-source energy extraction in turbine engine mode

表2為沖壓發動機模式仿真工況。從圖5可以得出，在H>21km，Ma>4時，適用的能量提取方式由引氣發電變為半導體溫差發電。由于此時空氣渦輪的效率過低，引氣發電不再適用，而半導體溫差發電的效率隨溫差增大而升高，此時半導體溫差發電的燃油經濟性優于引氣發電。

圖5 沖壓發動機模式多源能量提取的ΔSFC對比Fig.5 ΔSFC comparison of multi-source energy extraction in ramjet engine mode

表2 沖壓發動機模式多源能量提取能效分析工況Table 2 Energy efficiency analysis of multi-source energy extraction in ramjet engine mode

2.2 多源能量優化管理策略

根據多源能量提取的能效分析可以得出，隨著飛行狀態改變，多源能量提取系統的燃油消耗會隨著提取方式不同而改變，故在飛行包線內需要進行多源能量優化管理以獲得最優的燃油經濟性。

本文擬采用瞬時能量優化控制策略的方法實現系統的能效優化。如圖6 所示，該方法根據當前飛行狀態判斷系統的工作模式，分析系統的能量形式，自動選擇適用的能量提取方式進行多源能量提取，在保證主發穩定裕度的基礎上，以每個時刻的總燃油量作為目標進行尋優，保證每個時刻的燃油消耗最小，實現寬域飛行包線內多源能量提取的能量利用率最高。

圖6 瞬時能量優化策略Fig.6 Multi source instantaneous energy efficiency optimization strategy

綜上所述，高超聲速飛行器多源能量優化分配目標函數F描述如下

式中：Wfturbine、Wframjet分別為渦輪發動機模式、沖壓發動機模式的燃油量；P1,1、P1,2為渦輪發動機模式高壓軸、低壓軸軸功提取發電的輸出功率；P2,1、P2,2、P2,3為渦輪發動機模式高壓級、中間級、外涵道引氣發電的輸出功率；P3,1、P3,2、P3,3為渦輪發動機模式高壓級、中間級、外涵道燃氣發電的輸出功率；P4、P5、P6、P7為沖壓發動機模式引氣發電、燃氣發電、半導體溫差發電、蓄電池的輸出功率。約束如下

式中：SMturbine和SMramjet為渦輪發動機模式、沖壓發動機模式的穩定裕度限制；SMhpc、SMlpc、SMinlet為高壓壓氣機、低壓壓氣機、進氣道的穩定裕度；Pdemand1、Pdemand2為渦輪發動機模式、沖壓發動機模式的負載功率需求。

3 基于改進粒子群算法的多源能量優化管理方法

3.1 改進粒子群算法

粒子群算法本質是一種隨機搜索算法，通過適應度值來評價個體的優劣程度和進行一定的隨機搜索。該算法中慣性權重w對粒子群算法的性能至關重要，它負責平衡粒子群的全局搜索能力和局部搜索能力：w較大，則全局收斂能力較強，局部收斂能力較弱；w較小，則局部收斂能力較強，全局收斂能力較弱。

因此，可在算法搜索過程中對慣性權重w進行自適應動態變化：計算整個粒子群適應度值的平均值，并與當前粒子的適應度值相比較，以判斷當前適應度值的優劣性。個體適應值較好的粒子對當前最優解臨近區域做局部細致搜尋，個體適應值差的粒子會以較大步長搜尋。本文自適應慣性權重w更新公式如下：

式中：wmax、wmin為慣性權重的最大值、最小值，fi為當前粒子的適應值，fav、fmin分別為當前整個粒子群適應值的平均值和最小值。此更新方法把慣性權重的變化與粒子的位置狀態信息關聯起來，以更加精確地調整慣性權重，進而保證了整個群體解的多樣性，減少了算法陷入局部極值的概率，提高了粒子群算法的收斂性。

在多源能量優化管理過程中，可將多源能量提取的輸出功率視為粒子，將系統的總燃油消耗視為適應度值，多源能量優化流程如圖7所示。

圖7 改進粒子群算法優化流程Fig.7 Multi source energy optimization process based on PSO

3.2 多源瞬時能量優化仿真驗證

對于高超聲速發動機主動力及多源能量提取模型，在寬域飛行包線內驗證基于粒子群算法的高超聲速飛行器多源能量優化管理方法的有效性。粒子群優化算法參數見表3。

表3 粒子群優化算法參數Table 3 Parameters of PSO algorithm

如圖8 所示，在渦輪發動機模式經過多源瞬時能量優化后，多源能量提取系統ΔSFC都低于優化前。其中，前25個工況ΔSFC 微量減小，即多源能量提取的燃油消耗可優化空間較小；后17個工況ΔSFC減小幅度較大，即優化后燃油消耗有明顯下降。

圖8 渦輪發動機模式多源瞬時能量優化后ΔSFC的對比Fig.8 Comparison between ΔSFC after multi-source instantaneous energy optimization in turbine engine mode

從圖9 中可以得出，由于軸功提取發電對發動機能效影響規律近似線性，所以在前25 個工況中，軸功提取的輸出功率占主要比例，可優化的空間較小，降低的燃油量占總燃油量的0.006%～0.048%；而引氣/燃氣發電在一定提取量下可以提高壓氣機的效率，其提取量和ΔSFC 呈較強的非線性關系，因此在后17 個工況中，引氣/燃氣發電的輸出功率占主要比例，經過瞬時能量優化后燃油量減小幅度較大，降低的燃油量占總燃油量的0.071%～0.307%。在渦輪發動機模式飛行包線內，優化后平均降低的燃油量占總燃油量的0.0948%。

圖9 渦輪發動機模式多源瞬時能量優化后減小的燃油量占總燃油量的比例Fig.9 Ratio of reduced fuel quantity to total fuel quantity after multi-source instantaneous energy optimization in turbine engine mode

如圖10所示，在沖壓發動機模式經過多源瞬時能量優化后，多源能量提取系統ΔSFC都低于優化前，且隨著飛行高度、馬赫數的升高，ΔSFC減少的幅度在變小。

圖10 沖壓發動機模式多源瞬時能量優化后ΔSFC的對比Fig.10 Comparison between ΔSFC after multi-source instantaneous energy optimization in ramjet engine mode

從圖11 中可以得出，在沖壓發動機模式，由于蓄電池對發動機的影響僅表現為重量造成的燃油代償損失，因此蓄電池輸出部分功率可以較好地彌補引氣發電、半導體溫差發電造成的功率代償，經過能量優化后在降低的燃油量占總燃油量的0.082%～0.165%。在沖壓發動機模式飛行包線內，優化后平均降低的燃油量占總燃油量的0.1229%。

圖11 沖壓發動機模式多源瞬時能量優化后減小的燃油量占總燃油量的比例Fig.11 Ratio of reduced fuel quantity to total fuel quantity after multi-source instantaneous energy optimization in ramjet engine mode

4 結論

本文首先對高超聲速飛行器的主動力及多源能量提取系統進行建模，再分析多源能量提取對發動機的性能影響機理和多源能量優化管理策略，最后提出一種基于改進粒子群算法的高超聲速飛行器寬域多源能量動態優化管理方法，并對其進行數值仿真驗證，實現了在寬域飛行包線內對高超聲速飛行器的能效管控，有效減少了系統油耗。主要結論如下：

（1）本文提出了一種自適應慣性權重修正方法來改進粒子群算法，減少算法陷入局部極值的概率，可適應多源能量提取系統的強非線性變化，提升系統優化效果。

（2）經過仿真驗證，多源能量優化管理后平均降低的燃油量在渦輪發動機模式占總燃油量的0.0948%，在沖壓發動機模式占總燃油量的0.1229%。