-
题名物理与数据混合驱动的ATR发动机动态数字孪生建模
- 1
-
-
作者
马元
欧阳汀益
覃耀
徐茂峻
南向谊
刘金鑫
-
机构
西安航天动力研究所航天液体动力全国重点实验室
西安交通大学机械工程学院
-
出处
《火箭推进》
北大核心
2025年第3期288-298,共11页
-
基金
教育部联合基金重点项目(8091B01230)。
-
文摘
空气涡轮火箭(Air turbo rocket, ATR)发动机凭借其宽速域、高空域的工作特性,在临近空间飞行任务中展现出独特优势,构建其准确的性能分析模型尤为重要。然而,在实际应用过程中,模型的准确性常常受发动机个体差异及部件性能随时间变化等因素的影响,导致模拟结果可靠性降低。提出了一种融合物理机理与数据驱动的ATR发动机混合建模方法。首先根据热力学守恒等实际物理约束构建准确的ATR发动机数字孪生模型,随后构造个体差异发动机生成大量偏差数据,最后基于偏差学习算法实现了数据驱动的模型输出参数修正,完成了偏差学习模型应用于ATR发动机数字孪生建模的可行性验证。仿真结果表明:通过一组稳态和动态试验数据的对比验证,所构建的数字孪生模型的误差在5%以内;偏差学习模型能够有效修正因部件个体差异对整机输出造成的影响,以转速为例,其平均绝对误差和均方根误差分别下降了93.03%和89.66%。
-
关键词
ATR发动机
数字孪生模型
偏差学习模型
部件级建模
组合循环发动机
-
Keywords
air turbo rocket engine
digital twin model
residual learning model
component-level modeling
combined-cycle engine
-
分类号
V236
[航空宇航科学与技术—航空宇航推进理论与工程]
-
