Автореферат (Прогнозирование результатов повторных испытаний ЖРД на основе расчетно-экспериментальной математической модели), страница 3

При этомдля аппроксимации измеренных значений параметровиспользовались полиномывидагде произведения– неповторяющиеся пары переменных. Общее числокоэффициентов – 28, а в качестве независимых переменных – измеренные значенияпараметров, указанные в (1) в скобках.Удачная аппроксимация экспериментально полученных данных полиномами(2) как функций от экспериментальных значений шести переменных, определенныхвыше, подтверждает выводы о достоверности такого представления.Например, в таблице 3 приводятся оценки точности аппроксимацииполиномами вида (2) экспериментальных данных цикла повторных данных ЖРДРД181 1А.16Таблица 3 - Диапазон отклонений (в %) экспериментальных данных отаппроксимирующего полинома во всем диапазоне условий цикла повторныхиспытаний РД181 1АдиапазонотклоненийотдоΔКТГΔКПВΔКБГΔКБОΔRΔKm-0,420,60-0,210,35-0,931,04-0,270,36-0,82+0,82-1,94+0,80В третьем разделе также представлен алгоритм метода оперативногопрогнозирования и оценки точности результатов и диапазонов адекватности.Примером последовательности расчетных процедур, составляющих алгоритмметода оперативного прогнозирования, могут служить описанные в данном разделеработы этапы оперативного прогнозирования параметров двигателя РД181.СогласноматематическаяалгоритмумодельметодаРД181,оперативногопрогнозированияпредварительно,доКТИ,исходнаяуточняетсяхарактеристиками автономных испытаний агрегатов конкретного экземплярадвигателя.

Затем, по результатам проведенного КТИ эта модель корректируется сцелью формирования РЭМ. Диапазоны изменения 6-и независимых переменных(например, R,и условий на входе в двигатель) разбиваются наинтерваловкаждый, где i – номер переменной и проводятся расчеты по РЭМ прогнозируемыхзначений параметров рабочих процессов данного двигателя при различныхсочетаниях указанных независимых переменных. В результате получаем табличнозаданную функцию – таблицуразмером6, каждойстрочке которой значениям переменных соответствует расчетное значениепрогнозируемого по РЭМ параметра, аппроксимируемое затем полиномом вида (2).Получаемые расчетные зависимости дают возможность оперативно и снеобходимой точностью прогнозировать значения параметров двигателя при любыхфизически реализуемых сочетаниях режимов работы и условий на входе вдвигатель.Подчеркнем, что для получения этих результатов используется толькоследующая информация о конкретном экземпляре двигателе:-характеристики агрегатов, полученные при автономных испытаниях;17-результаты КТИ;-диапазоны условий проведения цикла повторных огневых испытаний.Оценка точности метода оперативного прогнозирования произведена покаждому параметру путемсравненияегоэкспериментальныхзначенийсрезультатами прогнозирования.На рисунках 2(а, б, в, г) показаны оценки точности метода оперативногопрогнозирования для основных контролируемых параметров двигателя РД181 1А,по отклонениям их экспериментальных значений от прогнозируемых.

Для каждогопараметра отклонения приводятся в зависимости от значения уровня тяги.2,0Δ КТГ, %1,00,0-1,0 0,50,60,70,80,91,0-2,01,1Rа)2,0Δ КПВ, %1,00,0-1,0 0,50,60,70,80,91,01,1R-2,0б)2,0Δ R, %1,00,0-1,00,50,60,70,80,91,01,1R-2,0в)Δ Km, %2,01,00,0-1,0 0,50,60,70,80,9-2,01,01,1Rг)Рисунок 2 - РД181. Точность оперативного прогнозирования параметраа) КТГ, б) КПВ, в) R , г)18Полученные результаты позволяют сделать выводы о достаточном длябольшинствапрактическихзадачуровнеточностиметодаоперативногопрогнозирования во всем диапазоне изменений условий эксплуатации ЖРД РД1811А, таблица 4.Таблица 4 – Диапазон отклонений (в %) расчетных по методу оперативногопрогнозирования значений параметров от экспериментальных во всем диапазонеусловий цикла повторных испытаний двигателя РД181 1АдиапазонотклоненийотдоΔКТГΔКПВΔКБГΔКБОΔRΔKm-0,52+1,13-0,36+0,65-1,11+0,51-0,93+2,57-1,07+1,22-2,07+2,16Для двигателя РД191 Д027 точность по методу оперативного прогнозированияоценивалась по данным 7-и испытаний, составляющих цикл повторных испытаний,в условиях каждого из 62 выбранных режимов, рисунки 3(а, б, в, г).Δ КТГ, %2,01,00,0-1,00,20,30,40,50,60,70,80,91,01,1R-2,0а)2,0Δ КПВ, %1,00,0-1,00,20,30,40,50,60,70,80,91,0-2,01,1Rб)2,0Δ R, %1,00,0-1,00,20,30,40,50,60,70,80,911,1R-2,0в)19Δ Km, %2,01,00,0-1,00,20,30,40,50,60,70,80,91,01,1R-2,0г)Рисунок 3 - РД191 Д027.

Точность оперативного прогнозирования параметраа) КТГ, б) КПВ, в) R , г)Полученные результаты позволяют сделать выводы о уровне точности методаоперативного прогнозирования, достаточном для большинства инженерных задач вовсем диапазоне изменений условий эксплуатации ЖРД РД191, таблица 5.Таблица 5 - Диапазон отклонений (в %) расчетных по методу оперативногопрогнозирования значений параметров от экспериментальных , полученных в циклеповторных испытаний РД191 Д027ДлядиапазонотклоненийотдоΔКТГΔКПВΔКБГΔКБОΔRΔKm-1,91+0,56-0,480,10-0,57+0,16-1,86+0,90-1,74+0,67-0,701,62ДлядиапазонотклоненийотдоΔКТГΔКПВΔКБГΔКБОΔRΔKm-2,35+2,45-0,830,71-0,92+2,25-2,95+3,94-1,63+0,00-0,75+1,45В третьем разделе также приводится описание программно-математическогообеспечения, реализующего алгоритм метода оперативного прогнозирования в видекомплекса компьютерных программ на языке программирования Фортран дляперсонального компьютера с операционной системой Windows.20Четвертый раздел посвящен рекомендациям по применению разработанныхметодов прогнозирования для решения задачи определения пороговых значений вадаптивных алгоритмах систем аварийной защиты ЖРД при стендовых испытанияхи при работе двигателя в составе РН.Также показано, что алгоритм регулирования, сформированный по методуоперативного прогнозирования как полиномиальная зависимость углов приводовагрегатов регулирования от 6 переменных (например, уровня режима работы,давлений и температур компонентов на входе в двигатель) имеет преимуществаперед существующими алгоритмами по диапазонам и точности управленияЗАКЛЮЧЕНИЕПроведена классификация математических моделей ЖРД, используемых дляанализа рабочих процессов на разных стадиях жизненного цикла двигателя,включающая расчетно-экспериментальную модель (РЭМ), которая формируется врезультате накопления информации по моделированию, начиная со стадиипроектирования до огневого испытания его конкретного экземпляра включительноУстановлено, что расчетно-математическая модель ЖРД (РЭМ) – модель,полученная коррекцией модели рабочих процессов конкретного экземплярадвигателя по результатам его огневого испытания, может быть использована длярешения задачи повышения достоверности прогнозирования результатов повторныхиспытаний.Разработан метод прогнозирования результатов повторных испытаний ЖРД наоснове РЭМ и показано, что этот метод отличается от существующих повышеннойточностью, которая подтверждается в более широких диапазонах измененийрежимов работы и внешних условий, а также при изменении марки горючего.Отклонения прогнозируемых значений параметров двигателя от измеренных,полученные по представительной выборке огневых стендовых и летных испытанийне превышает 2,..,4%.Разработан метод оперативного прогнозирования результатов повторныхиспытаний на основе аппроксимации результатов расчетов по РЭМ в виде21полиномиальных зависимостей.

Доказано, что для прогнозирования параметровЖРД, выполненного по схеме с дожиганием генераторного газа, такие зависимостиможно однозначно определить как функциишести переменных: уровня тяги,соотношения компонентов топлива, а также температур и давлений компонентов навходе в двигатель. Полиномиальные зависимости получены аппроксимацией 6мерных массивов значений параметров, рассчитанных по РЭМ. Разработанопрограммно-математическое обеспечение метода оперативного прогнозирования.Метод может применяться при необходимости оперативного прогнозирования вцикле повторных огневых испытаний ЖРД без снижения точности и безпривлечения сложных вычислительных средств.На основе метода оперативного прогнозирования предложен алгоритмрегулирования ЖРД, определяемый как полиномиальные зависимости угловприводов агрегатов регулирования от уровня тяги, соотношения компонентов иусловий на входе в двигатель. Анализ экспериментальных данных показал, чтоосновным преимуществом такого алгоритма регулирования перед существующимявляется расширенные диапазоны адекватности по изменению значений тяги,соотношений компонентов топлива и внешних условий при эксплуатации двигателя.Результаты сравнения прогнозируемых и измеренных при повторныхстендовых испытаниях ЖРД РД181, РД191 и при работе в составе РН РД180значенийпараметровподтверждаютпреимуществапредлагаемыхметодовпрогнозирования перед существующими по точности расчетных оценок иреализуемому диапазону достоверного прогнозирования.Применение разработанных методов прогнозирования обеспечит высокуюточность прогнозирования параметров ЖРД, работающих в условиях форсированияи глубокого дросселирования, снижая, тем самым, вероятность возникновенияаварийных ситуаций.Рекомендуется использовать разработанные методы прогнозирования наоснове РЭМ для формирования адаптивных алгоритмов контроля в системахаварийной защиты ЖРД при стендовых испытаниях и при работе двигателя всоставе РН.22Список работ, опубликованных автором по теме диссертации в изданиях,входящих в список ВАК1.

Буканов В.Т., Каменский С.С., Мартиросов Д.С. Применение расчетноэкспериментальной модели для прогноза параметров рабочих процессов ЖРД вцикле повторных испытаний. // Труды НПО «Энергомаш имени академикаВ.П.Глушко».- 2015.- № 32. – С.91-99.2. Каменский С.С. Алгоритм регулирования ЖРД на основе расчетноэкспериментальнойматематическоймоделипорезультатамконтрольно-технологического испытания. // Вестник Московского авиационного института. 2016.-Т.23 №4. – С.55-60.3.

Каменский С.С., Мартиросов Д.С., Коломенцев А.И. Применение методовтеории подобия для анализа стационарных рабочих процессов ЖРД. // ВестникМосковского авиационного института.- 2016.-Т.23 №1. - С.32-37.4. Белова Ю.Н., Каменский С.С., Буканов В.Т., Колбасенков А.И., МартиросовД.С. Функциональное диагностирование ЖРД по отклонениям характеристикагрегатов и элементов конструкции. // Труды НПО «Энергомаш имени академикаВ.П.Глушко».- 2012.-№ 29.

– С.188-197..