飞机燃油系统全飞行剖面热边界模拟与温度预测
发布时间：2021-01-29
摘要：随着发动机性能的提高和发动机传动及机载系统不断增加的热负荷，利用燃油作为热沉已成为现代飞机设计的一个共识，燃油热沉将大为提高环境控制系统的性能。然而，由于燃油温度受到飞行状态、燃油供油路换热器的变化的热负荷和燃油供油流量等诸多因素影响,加之燃油控温与发动机燃油供给和飞机热沉存在交联，控制困难。因此，燃油系统热管理与温度控制还存在着很多问题。对此，国内外专家对燃油系统热管理方面开展了很多研究工作。
关键词：飞机燃油系统;飞行剖面;温度预测
引言
本文主要研究全飞行剖面下燃油系统温度的建模和基于机器学习模型对燃油系统温度的预测方法。全飞行剖面是一次完整飞行任务的所有飞行阶段的飞行状态变量变化历程图。首先用理论计算的方法对燃油箱表面温度计算;之后参考某型号战斗机的燃油分布和燃油系统结构，对关键部件进行数学建模和参数计算，利用Simulink仿真软件建立仿真模型，对燃油系统各个节点的燃油温度进行仿真模拟，再进一步建立机器学习模型对燃油系统温度进行预测。通过仿真和预测，可以估算和预测燃油计量控制系统的燃油工作温度，为燃油液压系统的热边界感知和机载液压与机电系统热载荷吸收控制打下基础，同时防止燃油结焦和喷口堵塞。
1燃油系统模型
燃油系统的温度受到外界环境的影响，在全飞行剖面下不断变化，需要对燃油系统内部的工作机理进行建模分析。
1.1基本假设
1)飞机有均匀的温度场和速度场。
2)燃油系统内结构可用一集中质量代替,其温度只受各热源影响且是均匀的。
3)同一截面下燃油的温度相同。
1.2燃油系统工作原理
燃油系统的工作原理为：燃油箱内的航空燃油通过低压泵进入燃油管路中，通过燃—液换热器吸热并升温，其中大部分通过高压泵流入发动机来为飞行提供能源。多余的燃油通过燃—空换热器进行散热后回到油箱。同时，燃油箱受到的主要热负荷为飞机蒙皮向燃油箱传热，该热负荷直接导致燃油箱内燃油温度上升。
2飞机燃油系统常见故障
燃油系统的常见故障可分成两种不同的形式:一种是系统级故障,另一种形式是元件级故障。
2.1系统级故障
系统级故障主要是发生于油箱及加油、输油管路中的故障形式。
(l)燃油泄漏。燃油箱的主要故障形式是燃油泄漏故障,渗漏一般有四个等级划分,即:微漏,渗漏,严重渗漏及连续滴漏。在行系统中,我国普遍采用测量其渗漏直径的英寸数(简称In)来划分渗漏等级。
(2)机翼油箱或副油箱慢输油、不输油或异常进油故障。除了燃油的泄漏,机翼油箱及副油箱的输油正常与否也是极其重要,L匕如在飞行中的不输油或者慢输油,在地面加油时出现的进油异常的故障,都对飞机的性能影响巨大。
(3)燃油管磨穿故障。燃油管路因长时间使用而产生的磨损故障。燃油管上有很多固定卡子支架,为的是对管路进行固定防止松动,在进行这项措施的时候也为故障埋下了隐患,即:燃油管固定卡子支架转角处断裂使得燃油管磨穿,造成故障。
(4)增压空气系统漏气。造成漏气的主要原因有:试验用的螺帽堵塞、没有切实拧紧堵好;冲压活门不密封;副油箱冲压活门上的夹布胶管老化或固定卡箍松动;系统内的导管接头松动,导管和喇叭口处有砂眼、裂纹等;副油箱增压安全活门不密封;机身油箱冲压管的对接处密封胶圈损坏。
相关期刊推荐：《北京航空航天大学学报》是北京航空航天大学主办的以航空航天科学技术为特色的综合性自然科学学术期刊。学报创刊于1956年，现为月刊，是展示航空航天类学术水平和科技成果的窗口。与航空航天科学技术有关的材料科学及工程、飞行器设计与制造、宇航科学与工程、信息与电子技术、控制技术和自动化工程、流体力学和动力工程、计算机科学及应用技术、可靠性工程与失效分析等。
2.2元件级故障
元件级故障主要是一些由于操作性机件发生的机械故障。
(l)交流泵、直流泵。故障形式主要有电压高、油泵反转、油泵油尽、油泵转子脱落。
(2)油位传感器。故障形式主要有开路故障、短路故障、冲击故障、漂移故障、偏置故障。
3飞机燃油系统健康管理体系
健康管理是上世纪50年代提出并发展起来的新的安全概念，该技术是针对有组织系统的健康多态性提出的一项安全技术。现今在电力电子、航空航天等高新领域，健康管理技术已被普遍接受，基于健康管理概念的安全框架也不断被提出、被完善。基于飞机燃油系统事故的健康管理体系主要包含6方面内容：
1)进行系统FMECA，着重设置监测点并采用适合的传感器进行数据采集。
2)利用数据库对数据进行分析，提取有效特征参数，进行全面的状态监测。
3)对系统状态进行健康评估，并对比分析健康参数与系统健康阈值，对偏离健康阈值的子系统进行故障诊断，诊断故障发生的可能性及故障模式。
4)对系统进行健康预测，预测系统的剩余有效寿命。
5)根据健康评估、诊断及预测结果进行维修决策，决策是否需要以及何时需要对系统采取校正、维护、更换或报废等维修保障工作。
6)将健康评估、诊断及预测的结果以及维修保障等相关信息反馈到数据库中，对数据库进行补充与优化。
4机器学习模型
4.1机器学习目的和意义
神经网络和机器学习也是燃油系统温度建模和预测的重要方法。机器学习在模型的建立过程中充分考虑了数据集的分布特征，将对燃油系统温度产生影响的影响因素进行总结分类，将影响因素作为温度预测的输入。同时，由于燃油系统温度的变化是一个累积的过程，若将温度变化视作一个时间序列，前一时刻的燃油系统状态会影响后一时刻的燃油系统状态。通过机器学习建立预测模型，可以预测不同飞行剖面预测出燃油系统内的温度变化。具体实施过程为：基于某次已知的飞行过程进行仿真模型的建立，并通过仿真模型得到的数据对燃油系统进行温度预测。
4.2机器学习算法机理
LSTM(LongShort-TermMemory)是RNN的一种改进算法，采用‘忘记’控制，避免了梯度弥散或者梯度爆炸，保证预测的准确性。每一个LSTM单元均有一个细胞元组，该元组具有记忆功能。在时刻t时输入记为Xt,细胞的状态记为Ct，输出记为ht，σ和Tanh均为激励函数。LSTM单元通过输入门，遗忘门和输出门来接收当前状态输入量Xt和上一时刻的输出量ht-1，同时LSTM单元的细胞状态Ct通过遗忘门和输入门的叠加由上一时刻的Ct-1更新为此时刻Ct。最终细胞状态Ct通过非线性函数和输出门的动态控制叠加成t时刻的输出量ht。
结语
基于机理分析建立了燃油系统的数学模型，通过Simulink仿真分析燃油系统热负荷，利用机器学习模型进行了温度预测，主要结论如下：
1)通过Simulink仿真软件，分析了燃油流量对燃油温度的影响。结果表明，增大燃油系统的流量可以明显降低燃油系统最高温度。这说明采用电动低压燃油泵并调节其转速可以控制燃油温度。
2)利用LSTM模型可以对全飞行剖面下的燃油系统温度进行预测，通过对输入数据集进行相关度筛选分类，并选择最优的预测模型结构，可以有效提高预测精度。——论文作者：王丽刚
