• ISSN 0258-2724
  • CN 51-1277/U
  • EI Compendex
  • Scopus 收录
  • 全国中文核心期刊
  • 中国科技论文统计源期刊
  • 中国科学引文数据库来源期刊

基于Kriging算法的压气机健康参数主从式插值建模

曾力 陈仁祥 董绍江

曾力, 陈仁祥, 董绍江. 基于Kriging算法的压气机健康参数主从式插值建模[J]. 西南交通大学学报, 2021, 56(5): 967-972. doi: 10.3969/j.issn.0258-2724.20191118
引用本文: 曾力, 陈仁祥, 董绍江. 基于Kriging算法的压气机健康参数主从式插值建模[J]. 西南交通大学学报, 2021, 56(5): 967-972. doi: 10.3969/j.issn.0258-2724.20191118
ZENG Li, CHEN Renxiang, DONG Shaojiang. Master-Slave Interpolation Modeling of Compressor Healthy Parameters Based on Kriging Algorithm[J]. Journal of Southwest Jiaotong University, 2021, 56(5): 967-972. doi: 10.3969/j.issn.0258-2724.20191118
Citation: ZENG Li, CHEN Renxiang, DONG Shaojiang. Master-Slave Interpolation Modeling of Compressor Healthy Parameters Based on Kriging Algorithm[J]. Journal of Southwest Jiaotong University, 2021, 56(5): 967-972. doi: 10.3969/j.issn.0258-2724.20191118

基于Kriging算法的压气机健康参数主从式插值建模

doi: 10.3969/j.issn.0258-2724.20191118
基金项目: 国家自然科学基金面上项目(51975079)
详细信息
    作者简介:

    曾力(1982—),男,讲师,研究方向为燃气轮机健康状态监测及故障诊断,E-mail:zengli_sichuan@163.com

  • 中图分类号: V221.3

Master-Slave Interpolation Modeling of Compressor Healthy Parameters Based on Kriging Algorithm

  • 摘要: 针对航空燃气轮机压气机数字化建模过程中由于缺少压气机流量系数导致模型精度偏低的问题,基于Kriging插值算法构造了面向压气机流量系数估计的主从式建模方法,分析了高维空间下对应于不同压气机换算转速的流量系数分布特征;基于流量系数的特征提取方法探索了流量系数、换算转速、增压比之间的映射关系,并提出了关于这三类参数的多维样本向量构造方法;基于Kriging算法建立了适用于燃气轮机过渡工况下压气机流量系数主从式插值模型. 研究结果表明:与传统的Kriging插值方法及牛顿插值法相比,基于主从式模型的流量系数计算结果更接近实际值,计算精度提高了近10%;主模型可输出流量系数的估值向量,插值效率相比传统Kriging模型提高了近15%.

     

  • 图 1  传统Kriging插值估计法

    Figure 1.  Traditional Kriging interpolation estimation method

    图 2  主从式Kriging插值估计法

    Figure 2.  Master-slave Kriging interpolation estimation method

    图 3  基于主从式模型的流量系数向量插值

    Figure 3.  Calculation of flow coefficients vector based on the Master-slave model

    图 4  基于主从式模型的流量系数单点插值

    Figure 4.  Flow coefficient calculation of single-points based on the Master-slave model

    表  1  待估计流量系数

    Table  1.   Flow coefficients to be estimated

    ${ {\overline n} _{\rm{des} } }$${\overline \pi } _{1\_{\rm{des} } }$${\overline \pi } _{2\_{\rm{des} } }$${\overline \pi } _{3\_{\rm{des} } }$${\overline \pi } _{4\_{\rm{des} } }$${\overline \pi } _{5\_{\rm{des} } }$${\overline \pi } _{6\_{\rm{des} } }$${\overline \pi } _{7\_{\rm{des} } }$${\overline \pi } _{8\_{\rm{des} } }$${\overline \pi } _{9\_{\rm{des} } }$${\overline \pi } _{10\_{\rm{des} } }$
    0.3315 0.600 0 0.593 0 0.586 0 0.577 0 0.5675 0.555 0 0.545 0 0.534 9 0.525 9 0.516 0
    0.8478 0.4125 0.409 0 1.390 0 1.3583 1.3178 1.260 0 1.205 0 1.150 0 1.100 0 1.045 0
    1.1268 1.620 0 1.577 0 1.532 5 1.485 0 1.4375 1.389 5 1.332 5 1.280 0 1.225 5 1.170 0
    下载: 导出CSV

    表  2  流量系数精度比较

    Table  2.   Accuracy comparison of flow coefficients

    换算
    转速
    传统 Kriging
    算法
    主从插
    值模型
    流量系数
    实际值
    0.331 50.302 70.296 30.296 3
    0.333 50.343 50.336 3
    0.359 50.372 20.369 8
    0.386 70.396 10.395 8
    0.408 80.421 80.413 9
    0.430 00.438 80.433 3
    0.442 10.451 20.450 0
    0.451 90.457 20.458 3
    0.459 70.462 10.466 7
    0.468 60.469 00.472 2
    0.847 81.146 71.140 61.144 4
    1.150 61.181 01.177 8
    1.171 11.203 01.205 6
    1.201 61.223 51.227 8
    1.232 21.239 41.240 0
    1.257 61.248 51.244 4
    1.263 91.254 11.247 8
    1.259 81.254 61.250 0
    1.254 51.254 61.250 6
    1.253 11.256 61.251 1
    1.126 81.365 31.355 11.355 6
    1.35931.35511.3556
    1.36141.35521.3556
    1.36461.35521.3556
    1.36481.35531.3556
    1.36201.35531.3556
    1.35891.35531.3556
    1.35951.35531.3556
    1.36221.35531.3556
    1.35751.35531.3556
    下载: 导出CSV

    表  3  流量系数目标点估值

    Table  3.   Estimation of target point of flow coefficients

    换算
    转速
    牛顿
    插值
    传统 Kriging
    算法
    主从插值
    模型
    流量系数
    实际值
    0.218 20.357 60.356 70.379 30.385 2
    0.901 81.069 81.062 31.108 71.096 7
    1.062 01.312 71.292 81.332 51.348 9
    下载: 导出CSV
  • KULKTLA, RDEDDY P, PRASAD B. Numerical study on the secondary air performance of the film holes for the combined impingement and film cooled first stage of high pressure gas turbine nozzle guide vane[J]. International Journal of Turbo and Jet Engines, 2020, 37(3): 221-240. doi: 10.1515/tjj-2017-0022
    谭治学,钟诗胜,林琳. 民航发动机性能诊断方法[J]. 哈尔滨工业大学学报,2019,51(1): 22-26. doi: 10.11918/j.issn.0367-6234.201801117

    TAN Zhixue, ZHONG Shisheng, LIN Lin. Method for performance diagnosis of commercial aero-engine[J]. Journal of Harbin Institute of Technology, 2019, 51(1): 22-26. doi: 10.11918/j.issn.0367-6234.201801117
    潘率诚,李刚团,丁朝霞,等. 基于部件特性的航空发动机性能模型修正[J]. 燃气涡轮试验与研究,2016,29(6): 26-29. doi: 10.3969/j.issn.1672-2620.2016.06.006

    PAN Shuaicheng, LI Gangtuan, DING Zhaoxia, et al. Aero-engine performance model correction based on component performance map[J]. Gas Turbine Experiment and Research, 2016, 29(6): 26-29. doi: 10.3969/j.issn.1672-2620.2016.06.006
    涂环,陈辉. 基于Kriging算法的压气机特性建模[J]. 内燃机学报,2014,32(4): 377-383.

    TU Huan, CHEN Hui. Modeling of compressor characteristica using Kriging method[J]. Transactions of CSICE, 2014, 32(4): 377-383.
    尹大伟,李本威. 基于Kriging方法的航空发动机压气机特性元建模[J]. 航空学报,2011,32(1): 99-106.

    YIN Dawei, LI Benwei. Aeroengine compressor characteristics metamodeling using Kriging method[J]. Acta Aeronautia et Astronautica Sinica, 2011, 32(1): 99-106.
    赵勇,李本威. 基于QPSO算法的压气机特性代理模型优化[J]. 推进技术,2014,35(11): 1538-1543.

    ZHAO Yong, LI Benwei. Surrogate model optimization of compressor characteristics based on QPSO algorithm[J]. Journal of Propulsion Technology, 2014, 35(11): 1538-1543.
    GHOLAMREZAEI M, GHORBANIAN K. Compressor map generation using a feed-forward neural network and rig data[J]. Power and Engine, 2009, 224(A): 97-106.
    MAREK O, SLAWOMIR S. Modeling of turbine engine axial-flow compressor and turbine characteristics[J]. Journal of Propolsion and Power, 2000, 16(2): 336-347. doi: 10.2514/2.5574
    柳强,王成恩. 基于Kringing模型的复杂产品管线敷设顺序粒子群优化[J]. 机械工程学报,2011,47(13): 140-145. doi: 10.3901/JME.2011.13.140

    LIU Qiang, WANG Chengen. Kriging mode-based routing sequence planning for complex products by particle swarm optimization[J]. Journal of Mechanical Engineering, 2011, 47(13): 140-145. doi: 10.3901/JME.2011.13.140
    赵海龙,岳珠峰,刘伟. 矩独立重要性分析的Kriging代理模型方法[J]. 航空学报,2016,37(7): 2234-2241.

    ZHAO Hailong, YUE Zhufeng, LIU Wei. A Kriging surrogatemodel method for moment-independent importanceanalysis[J]. Acta Aeronautics et Astronautica Sinica, 2016, 37(7): 2234-2241.
    申静,苏天赟,王国宇. 基于Kriging算法的海底地形插值设计与实现[J]. 海洋科学,2012,36(5): 24-28.

    SHEN Jing, SU Tianyun, WANG Guoyu. Submarine topography visualization based on Kriging algorithm[J]. Marine Sciences, 2012, 36(5): 24-28.
    TIMOTHY W S, JOHN J K. Kriging models for global approximation in simulation-based multidisciplinary design optimization[J]. AIAA Journal, 2001, 39(12): 2233-2240. doi: 10.2514/2.1234
    杨永存,辛庆伟. 一种基于试验数据的发动机特性曲线拟合[J]. 海军航空工程学院学报,2016,31(3): 312-316. doi: 10.7682/j.issn.1673-1522.2016.03.003

    YANG Yongcun, XIN Qingwei. A Fitting on engine characteristic map based on text data[J]. Journal of Naval Aeronautical and Astronautical University, 2016, 31(3): 312-316. doi: 10.7682/j.issn.1673-1522.2016.03.003
    宋文艳,孟乒乒,柴政. 基于飞机/发动机性能一体化的发动机控制规律优化设计方法研究[J]. 推进技术,2018,39(12): 2661-2668.

    SONG Wenyan, MENG Pingping, CHAI Zheng. Research on aero-engine control law optimization design based on integrated fighter/aero-engine performance[J]. Journal of Propulsion Technology, 2018, 39(12): 2661-2668.
    曾力,龙伟. 基于SVR的航空发动机滑油金属含量预测方法[J]. 四川大学学报(工程科学版),2016,48(增刊2): 161-164.

    ZENG Li, LONG Wei. Prediction method of metal content of aero engine lubricating oil based on SVR[J]. Journal of Sichuan University (Engineering Science Edition), 2016, 48(S2): 161-164.
    骆广琦, 桑增产. 航空燃气涡轮发动机数值仿真[M]. 北京: 国防工业出版社, 2007.
  • 加载中
图(4) / 表(3)
计量
  • 文章访问数:  382
  • HTML全文浏览量:  183
  • PDF下载量:  13
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-11-26
  • 修回日期:  2020-06-30
  • 网络出版日期:  2021-08-13
  • 刊出日期:  2021-10-15

目录

    /

    返回文章
    返回