排氣温度

航空發動機是飛機的心臟，其任何的故障都會對飛行安全造成影響甚至導致發生災難性事故。同時，其高昂的維修費用則是影響航空公司的成本和收益的重要因素。氣動熱力性能參數的監視及其趨勢預測是航空發動機狀態監控的主要內容。發動機排氣温度( Exhaust Gas Temperature，EGT)是實際監控工作中最常用的氣動熱力性能參數。發動機排氣温度作為衡量發動機工作正常與否的重要參數 ，直接影響飛行員對發動機工作狀態的判定 ，如果顯示異常，造成飛行員判定失誤，將直接影響飛行安全 。 發動機排氣温度是 由 分佈於發 動機艙的熱電偶感應發動機排氣温度變化，產生感應電動勢，作為模擬量信號，經過温度補償導線傳送到 參數顯示器等顯控設備 。航空發動機常年在高温、高壓、高速等惡劣環境下工作，其性能必然會發生衰退，通過監視和預測EGT能夠掌握航空發動機的健康狀態及其性能衰退趨勢 ^[3]  。

發動機排氣温度作為飛機重要的發動機參數 ，為機務人員、飛行員正確判斷發動機工作狀態提供依據。參數顯示器作為飛機發動機參數（發動機高壓轉子轉速、排氣温度、斜板位置等）的主顯示器，必須保證其顯示的正 確性及精度。從參數顯示器的工作原理及其與發動機交聯關係入手，研究了機上熱電偶温度補償方式，通過對試 車中參顯顯示發動機排氣温度偏高問題的分析解決，為類似問題的處理提供思路。飛機參數顯示器是集信號採集 、 處理和顯示於一體的小型化 、智能化顯示器 ，其內部接口調理模塊採集機上的模擬信號、總線信號、同步器信號等 ， 通過計算處理及控制模塊進行計算處理，並將處理結果產生視頻信號提供給液 晶 顯示器模塊進行顯示 ^[4]  。

參數顯示器採集發動機轉速傳感器、熱電偶 、板位傳感器 、板位調節旋鈕產生的頻率信號、模擬量信號和 同步器信號，經由內部計算處理和控制模塊計算處理 ， 最終產生相應的視頻信號提供給液晶顯示模塊進行顯示 ^[4]  。

排氣温度顯示的基本原理：發動機熱電偶感應發動機排氣温度變化產生感應電動勢信號，發送給發動機綜合調節器，用於對發動機排氣温度的監控和“發動機超温 ” 告警；另外發送給參數顯示器，作為發動機排氣温度的主顯示，並壓接送至飛參採集器，經飛參採集器處理後以RS422 總線形式上傳至非航空電子系統監控處理機，再由非航空電子系統監控處理機以HB6096總線形式上傳至顯控系統顯示， 為試車人員提供發動機排氣温度的信息 ^[4]  。

熱電偶是常用的温度檢測元件，基於熱電效應原理製成。熱電偶在測量排氣温度的應用中，隨着發動機工作狀態的不同，其排氣温度在20-800攝氏度連續變化，不可能保持不變，所以發動機熱電偶端採用冷端補償法。並且電子元器件通常都有一定的温度係數，其輸出信號會隨温度的變化而漂移，稱為“温飄”。為了減小顯示器指示温度與發動機熱電偶感受温度的誤差，必須進行温度補償，現代飛機大多采用補償導線法進行温度補償。補償導線法即採用一對熱電性與熱電偶相同的金屬絲將熱電偶冷端連接起來，將其引至參顯等便於恆温的地方，採用温度補償導線作為温度信號傳輸的介質，導線的電阻規格：高端1.4 歐姆/米，低端0.6歐姆/米 ^[4]  。

燃氣從燃燒室排出，通過高速旋轉的渦輪後，並不能使極不均勻的温度場完全摻混。因此在發動機渦輪出口截面上温度場是很不均勻的。因此為了更好地瞭解渦輪後出口温度的分佈規律，更加準確地測取其平均值，必須佈置足夠多的周向和徑向測點，通過測量其温度場分佈的方式才能實現。但測針插入流場後會造成通道的堵塞、流場歪曲和工況的改變，從而產生測量誤差。為了減少這種由於堵塞引起的測量誤差，則又應該儘可能少地在截面上佈置測點。為了平衡這種矛盾，可通過佈置適當數目的特徵點來，使測得的特徵點所代表的温度分佈
　　儘可能接近真實的温度分佈 ^[1]  。

在進行流場測量時，常用的確定徑向測量特徵點的方法有等環面法、切比雪夫積分法和對數線性法。三種方法中對數線性法精度最高，尤其是在等分數較少的情況下；等環面法的精度較低，所以等環面法不適用於等分數較少的情況。而利用對數線性法並且取偶數測點時，其精度比奇數高許多。切比雪夫積分法的精度在二者之間，但在等分數相同的情況下，切比雪夫積分法的測點位置比 對 數 線 性 法 的 測 點 位 置 更 靠 近 管 中 心，有利於傳感器的佈置 ^[1]  。

為了測得真實的温度場，應該儘可能多地在測量截面上佈置測點。由於温度探針插入流場後會對流場產生幹 擾，當測點過多時，探針會在氣流通道中或葉柵槽道出口處造成通道的堵塞、流場歪曲和工況的改變，從而引起 測量誤差。堵塞嚴重時，還會使發動機的工作性能改變。為減小通道堵塞造成的影響，又能儘可能測取多的周向 測點，因此採用旋轉測温裝置，在排氣錐體內安裝一套傳動機構，三支5點梳狀熱電偶相隔120°均布在一個轉盤 上，轉盤由傳動機構帶動，每轉過6度停留測温一次。在同一次開車中，可測得出口截面上5x6共計300個温度點 ^[1]  。

台灣研華生產的 ADAM－4018+ 為8通 道、16位差分輸入模塊，支持J、K、T、E、R、S、B型熱電偶 輸 入，並可將其直接轉換為温度值可滿足温度場測量所用 K型熱電偶的測量要求，因此本文選用 了 兩個台灣研華的 ADAM－4018+ 模塊來採集15個熱電偶信號 ^[1]  。

温度場測量完畢後，還需要計算其周向平均值、徑向平均值以及總平均值。常用的數據平均方法有算術平均法、面積加權平均法和質量加權平均法。

這三種平均方法的差異就在所取的權值不同。採用算術平均法時，各測點的權均為1；面積加權平均法中測點所對應的面積就是該測點的權，測點代表的面積越大，它參加平均時所佔的分量就越重；而質量加權平均法將該測點所對應的質量流量作為權，具有明確的物理意義。這三種平均方法中，算術 平 均 法 使 用 最 為 簡 單，質 量加權平均法最為複雜，而面積平均法居中。理論上説，質量加權平均法是最可信的方法，其平均效果是最的。一般按質量平均法求得的值比算術平均值要小1%～1．05%。温差越大，則算術平均值偏差的越多。但由於採用質量加權平均法時需要同時測量其總温、總壓和靜壓值，這就限制了該方法的使用。因此本文采用了複雜度和平均效果居中的面積加權平均法來對渦輪後温度場數據進行平均處理。 ^[1] 

温度場中同一瞬間同温度各點連成的面稱為等温面，在任何一個二維的截面上等温面表現為等温線，温度場習慣上用等温面圖或等温線圖來表示。但是這種方法實時性差，效率低下且不直觀。因此在温度場温度分佈圖繪製中，沒有采用常規的等温線繪製方法，而是在測得温度場分佈數據之後，採用可視化技術實現了温度場的直觀顯示 ^[1]  。

針對航空發動機氣路性能衰退主要是由時間累積效應造成的這一問題，為反映航空發動機氣路性能參數時間序列中實際存在的時間累積效應，以預測航空發動機氣路性能衰退規律，於廣濱在《基於支持過程向量機的航空發動機排氣温度預測》中從泛函分析的角度出發，提出了一種支持過程向量機模型。並建立了基於支持過程向量機的時間序列預測模型，且以Logistic混沌時間序列預測為例驗證了該預測模型的有效性。在此基礎上建立了基於支持過程向量機的航空發動機排氣温度預測模型，並採用遺傳算法進行模型參數的優化選擇。通過航空發動機排氣温度預測實際應用案例對提出的模型進行了驗證，實驗結果表明：支持過程向量機預測結果的平均相對誤差為2.81%，優於傳統支持向量機的預測結果 ^[3]  。

針對航空發動機排氣温度的變化過程受複雜非線性時變因素的影響而難以用精確數學模型描述的問題，鍾詩勝在《卷積和離散過程神經網絡及其在航空發動機排氣温度預測中的應用》提出了卷積和離散過程神經網絡(CSDPNN)模型,並將其應用於航空發動機排氣温度(EGT)預測。該模型以離散樣本作為直接輸入，採用卷積和算法實現對時間累積效應的處理。相較於以連續函數作為輸入的過程神經網絡(PNN)，不需要擬合離散樣本得到連續函數後進行正交基展開，減少了精度損失，具有更高的預測精度.給出了卷積和離散過程神經網絡模型的學習算法，並通過對Mackey-Glass混沌時間序列的預測對提出的方法進行應用説明和驗證。通過航空發動機EGT預測實例,並與卷積和離散過程神經網絡模型的連續函數輸入過程神經網格以及傳統人工神經網絡(ANN)的預測結果進行了對比。結果表明，相較於連續函數輸入過程神經網絡以及傳統人工神經網絡，卷積和離散過程神經網絡具有更高的預測精度，且對於EGT的預測具有較好的適應性，因而為航空發動機EGT預測提供了一種有效的方法 ^[5]  。

丁剛，徐敏強等在《基於過程神經網絡的航空發動機排氣温度預測》中從泛函分析的角度出發，將航空發動機排氣温度預測問題轉換為一種泛函逼近問題。利用過程神經網絡對任意連續泛函的逼近能力，提出了一種基於過程神經網絡的航空發動機排氣温度預測方法。為克服過程神經網絡學習速度慢的問題，為其開發了一種基於正交基函數展開的Levenberg-Marquardt學習算法。將所提出的預測方法應用到某型航空發動機的排氣温度預測中，取得了滿意的結果 ^[6]  。