航空发动机滑油压力和温度最大影响参数的一种确定方法

姜健

(中国飞行试验研究院，西安710089)

航空发动机滑油压力和温度最大影响参数的一种确定方法

姜健

(中国飞行试验研究院，西安710089)

以初步确定的试飞中滑油压力和滑油温度影响参数集合为基准输入参数，基于大量试飞数据，采用人工神经网络方法，获得滑油压力模型和滑油温度模型的基准结果。随后，采用不同的基准输入参数子集进行人工神经网络计算，以模型计算结果与试飞结果的最大偏差、偏差分布范围作为判据，与基准结果对比，确定滑油压力和滑油温度的最大影响参数。最后，建立发动机全包线试飞、全工作状态的滑油压力和滑油温度最大影响参数确定方法。该方法对滑油系统的试飞内容规划、状态预判和安全监控等具有重要的指导作用。

航空发动机；飞行试验；全包线试飞；全工作状态；滑油系统；滑油压力；滑油温度；人工神经网络

1 引言

滑油系统是航空发动机的重要系统之一，其工作正常与否直接影响整个发动机的可靠性和安全性[1]。我国GJB 243A-2004《航空燃气涡轮动力装置飞行试验要求》规定，通过在各种飞行条件(如起飞、爬升、稳定平飞、俯冲、跃升、倒飞、零过载等)下，发动机以各种状态工作(如稳态、加减速过程、通断加力过程、风车状态等)，检查滑油系统工作的可靠性，其评判依据主要为滑油压力、温度等参数值与设计指标的符合性。目前，每型发动机滑油系统试飞均按照GJB 243A-2004中的规定开展，但由于试飞前未对滑油压力、温度的影响因素开展深入研究，从而无法有效规划试飞任务，也给准确预判可能出现的问题带来困难。

近年来，研究人员利用人工神经网络方法，在航空发动机参数辨识、趋势预测及状态监控方面开展了大量研究工作，涉及发动机滑油[2]、气路[3-4]、性能[5]、振动[6]等关键参数，主要集中在不同神经网络方法结果对比、神经网络结果与离线数据对比验证等。基于人工神经网络在发动机参数辨识研究中的优势，本文以某型发动机试飞数据为样本，采用人工神经网络方法，对样本数据进行训练验证，再根据计算结果和验证结果的对比分析，建立了一种确定滑油压力和温度最大影响参数的方法，以期对滑油系统的试飞内容准确设计以及安全运行监控等提供指导。

2 滑油压力和温度影响参数的初步确定

2.1 滑油压力影响参数

滑油压力是否正常是整个滑油系统是否正常的重要标志，其直接影响润滑量大小，进而影响润滑效果和冷却效果[7-8]。本文研究的该型发动机滑油压力为滑油供油压力与中轴承腔压力之差。滑油压力受飞行状态、飞行姿态、发动机工作状态等因素的影响，综合考虑其表征参数，初步确定影响滑油压力的参数包括：气压高度、飞行马赫数、大气总温、纵向过载、侧向过载、法向过载、高压转速和油门杆角度。

2.2 滑油温度影响参数

滑油温度影响滑油的粘度，温度过高会改变滑油的特性(焦化、氧化)或损坏轴承的封严。本文研究的滑油温度为该型发动机后轴承腔滑油回油温度。飞行状态、飞行姿态、发动机工作状态都可能影响滑油温度。此外，由于滑油采用燃油冷却，所以燃油流量、温度等参数也会影响滑油温度。根据燃油喷嘴特性可知，主燃油总管压力与压气机出口压力之差能够表征燃油流量的大小。因此，初步确定影响滑油温度的参数包括：气压高度、飞行马赫数、大气总温、滚转角、滑油压力、油门杆、高压转速、主燃油总管压力与压气机出口压力之差。本文未考虑燃油温度对滑油温度的影响。

3 滑油压力人工神经网络结构及试飞数据

3.1 人工神经网络结构

采用三层人工神经网络结构，隐含层中选用双曲正切传递函数，输出层中选用纯线性传递函数。图1为以2.1节确定的影响参数为输入参数的滑油压力人工神经网络结构。

3.2 试飞数据

采用的数据样本来源于某发动机试飞数据。发动机工作点几乎涵盖了整个飞行包线，相关参数的最大值和最小值见表1。发动机工作过程包括各种稳定状态、加速、减速、加力接通和切断、空中起动等。由于开展的负过载条件试飞内容较少，不足以支持利用人工神经网络开展工作，所以本文不研究负过载条件下滑油压力和温度的最大影响参数。试飞中测试了发动机转速、排气温度、滑油压力、滑油温度等参数，且各参数测试值正确。

表1 相关参数的最大值和最小值Table 1 The maximum and minimum values of related parameters

4 滑油压力和温度的基准计算结果

图2为采用基准输入参数计算的滑油压力模型结果与试飞结果差值总体分布情况，图3为差值在1 kPa、5 kPa、10 kPa等以内的分布比例。可看出，计算结果与试飞结果差值范围为-14.2～18.9 kPa；计算结果与试飞结果差值分布在1 kPa、5 kPa、10 kPa、15 kPa、21 kPa以内的数量，分别占总样本数量的32.97%、91.38%、99.84%、99.99%、100%。即计算结果与试飞结果差值全部在21 kPa以内，有总样本数量0.16%的样本点结果在10 kPa以外，有总样本数量0.01%的样本点结果在15 kPa以外。

图4为采用基准输入参数计算的滑油温度模型结果与试飞结果差值的总体分布情况，图5为差值在1℃、5℃、7℃等以内的分布比例。可看出，计算结果与试飞结果差值范围为-7.2℃～10.3℃；计算结果与试飞结果差值分布在1℃、5℃、7℃、9℃、12℃以内的数量，分别占总样本数量的76.71%、99.73%、99.97%、99.99%、100%。即计算结果与试飞结果差值全部在12℃以内，有总样本数量0.03%的样本点结果在7℃以外，有总样本数量0.01%的样本点结果在9℃以外。

5 不同输入参数组合的滑油压力计算结果

5.1 输入参数组合说明

减少滑油压力输入参数：若采用其中的7个参数作为输入参数，则有种输入参数组合；采用其中的6个参数，则有C68=28种组合；依次类推，共计有种组合。对162种不同输入参数组合均进行计算。为避免因数据分组不同而引起的计算结果差异，这162个算例用于模型训练、验证和测试的数据样本分组，与采用基准输入参数的样本分组相同。

5.2 不同输入参数组合计算结果对比判据说明

求解采用不同输入参数组合的模型计算结果与试飞结果的最大偏差、偏差分布范围，并将最大偏差、偏差分布范围与基准结果的最大偏差、偏差分布范围进行比较，以比较结果作为判据。假设采用其中的5个参数的某种组合作为输入参数获得的最大偏差、偏差分布范围与基准结果相当，说明这5个输入参数是滑油压力的最大影响参数。

5.3 输入参数为7个的滑油压力计算结果

图6示出三组输入参数为7个时模型计算结果与试飞结果差值的总体分布。GROUPi(i=1～8)表示输入参数中缺少第i个参数组合，其中气压高度、飞行马赫数、大气总温、纵向过载、侧向过载、法向过载、油门杆角度和高压转速，分别为第1、2、3…8个参数。

图7为不同输入参数组合下模型计算结果与试飞结果的最大偏差，其中GROUP0(采用基准输入参数)为基准计算结果。可看出，采用7个参数作为输入参数(即GROUP1～GROUP8)，计算结果与试飞结果的最大偏差较之基准结果偏差范围更大，这说明分析确定的8个参数对滑油压力都有影响；GROUP8的计算结果与试飞结果的最大偏差较之基准结果相差很大，说明高压转速是影响滑油压力的关键参数之一；GROUP4与基准结果最接近，说明相较其他参数，纵向过载对滑油压力的影响最小。

图8示出了输入参数为7个时模型计算结果与试飞结果差值在1 kPa、5 kPa、10 kPa等的分布比例。可看出，GROUP1、GROUP4、GROUP5、GROUP6、GROUP7作为输入参数的结果，与基准结果分布基本相当。

综上，如果采用7个参数作输入参数，从最大偏差、偏差分布范围来衡量，GROUP4最接近基准结果，即较之其他参数，纵向过载对滑油压力影响最小。

5.4 滑油压力最大影响参数的确定

采用7个输入参数时，最接近基准结果的输入参数组合记为GROUP_P7_OPT(即5.3节中确定的GROUP4)。继续减少输入参数数量进行计算，并将最大偏差、偏差分布范围与基准结果进行比较，从而最终确定滑油压力的最大影响参数。图9为采用6个、5个、4个、3个输入参数时最接近基准结果的结果。输入参数组合GROUP_P6_OPT，为气压高度、飞行马赫数、纵向过载、侧向过载、法向过载、高压转速；输入参数组合GROUP_P5_OPT，为飞行马赫数、大气总温、纵向过载、法向过载、高压转速；输入参数组合GROUP_P4_OPT，为飞行马赫数、大气总温、法向过载、高压转速；输入参数组合GROUP_P3_OPT，为飞行马赫数、法向过载、高压转速。输入参数为2个时，模型计算结果与试飞结果差值均很大。

图10为采用GROUP0、GROUP_P7_OPT、GROUP_P6_OPT……GROUP_P3_OPT等输入参数组合下模型计算结果与试飞结果的最大偏差。可看出，计算结果与试飞结果差值均在21 kPa以内，最大偏差范围与基准结果非常接近。

图11为模型计算结果与试飞结果差值在1 kPa、5 kPa、10 kPa等的分布比例。结合图9可看出，随着输入参数个数的减少，差值分布偏离基准结果越来越大。

综上，从最大偏差、偏差分布范围衡量，滑油压力最影响参数为高压转速、法向过载和飞行马赫数。

6 不同输入参数组合的滑油温度计算结果

图12为采用7个输入参数时的滑油温度计算结果。其中图12(a)的输入参数组合为气压高度、大气总温、滚转角、滑油压力、油门杆角度、高压转速、主燃油总管压力与压气机出口压力之差，这也是最接近基准结果的输入参数组合，记为GROUP_T7_OPT；图12(b)输入参数组合为气压高度、飞行马赫数、大气总温、滚转角、滑油压力、油门杆角度、高压转速。由图可知，表征主燃油流量的参数(主燃油总管压力与压气机出口压力之差)对计算结果影响很大，该参数是影响滑油温度的主要参数之一。

图13为采用6个、5个、4个、3个输入参数时最接近基准结果的结果。输入参数组合GROUP_T6_OPT，为大气总温、滚转角、滑油压力、油门杆角度、高压转速、主燃油总管压力与压气机出口压力之差；输入参数组合GROUP_T5_OPT，为滚转角、滑油压力、油门杆角度、高压转速、主燃油总管压力与压气机出口压力之差；输入参数组合GROUP_T4_OPT，为气压高度、滑油压力、油门杆、主燃油总管压力与压气机出口压力之差；输入参数组合GROUP_T3_OPT，为滑油压力、油门杆、主燃油总管压力与压气机出口压力之差。输入参数为2个时，模型计算结果与试飞结果差值很大。

图14为采用GROUPT0(基准输入参数组合)、GROUP_T7_OPT、GROUP_T6_OPT……GROUP_T3_OPT等输入参数组合下的模型计算结果与试飞结果最大偏差的比较。可看出，计算结果与试飞结果差值均在12℃以内，最大偏差范围与基准结果非常接近。

图15为模型计算结果与试飞结果差值在1℃、5℃、7℃等以内的分布比例。结合图14可看出，随着输入参数个数的减少，差值分布偏离基准结果越来越大。

综上，从最大偏差、偏差分布范围来衡量，滑油温度最大影响参数为滑油压力、油门杆角度、主燃油总管压力与压气机出口压力之差。

7 结论

(1)基于试飞数据和人工神经网络方法，确定了发动机试飞全包线、工作全过程中滑油压力和滑油温度的最大影响参数，给出了一种滑油压力和温度的最大影响参数的确定方法。

(2)滑油压力的最大影响参数为高压转速、法向过载和飞行马赫数。

(3)滑油温度最大影响参数为滑油压力、油门杆角度、主燃油总管压力与压气机出口压力之差。

[1]陈卫，程礼，李全通，等.航空发动机监控技术[M].北京：国防工业出版社，2011.

[2]张蓉，谢武杰.基于小波神经网络航空发动机滑油系统故障诊断方法研究[J].航空制造技术，2009，(6)：85—89.

[3]单晓明，宋云峰，黄金泉，等.基于神经网络和模糊逻辑的航空发动机状态监控[J].航空动力学报，2009，24 (10)：2356—2361.

[4]钟诗胜，雷达，丁刚.卷积和离散过程神经网络及其在航空发动机排气温度预测中的应用[J].航空学报，2012，33(3)：438—445.

[5]陈果.用结构自适应神经网络预测航空发动机性能趋势[J].航空学报，2007，28(3)：535—539.

[6]金向阳，林琳，钟诗胜，等.航空发动机振动趋势预测的过程神经网络法[J].振动、测试与诊断，2011，31(3)：331—334.

[7]尉询楷，杨立，刘芳，等.航空发动机预测与健康管理[M].北京：国防工业出版社，2014.

[8]朱建东.飞机发动机的监控技术及其发展趋势[J].飞机设计，2013，(1)：58—61.

A method to determine the main influence parameters of aero-engine oil pressure and oil temperature

JIANG Jian
(China Flight Test Establishment，Xi’an 710089，China)

The reference models of aero-engine oil pressure and oil temperature were constructed on refer⁃ence input parameter sets preliminarily determined by using the ANN method for training and validation of a large number of engine flight test data.Moreover,by applying all subsets of reference input parameter sets as inputs of ANN,the main influence parameters of oil pressure and oil temperature were determined.The criteria to determine the main influence parameters included the maximum errors between ANN calculation results and flight-test results,and the ratios of error ranges,which were compared with the results of refer⁃ence models.By all means,a method to determine the main influence parameters of aero-engine oil pres⁃sure and oil temperature in entire flight envelope and whole engine state was developed,which could guide the design of the flight test content,and the state prediction and monitoring of oil system.

aero-engine；flight test；entire flight envelope；whole engine state；oil system；oil pressure；oil temperature；ANN(Artificial Neural Network)

V233.7

：A

：1672-2620(2017)01-0007-07

2016-04-19；

：2017-02-22

姜健(1981-)，男，陕西汉中人，硕士，高级工程师，主要从事航空发动机飞行试验技术研究。