link appraisement
中国直升机设计研究所
李 涛
CHINA SCIENCE AND TECHNOLOGY INFORMATION Feb.2021·中国科技信息2021年第3、4期合刊
航空航天◎
毒死蜱颗粒剂
发动机控制系统仿真模块是基于电子控制器为基础，通过调整燃气发生器转速来控制输出功率的自由涡轮转速。功能包括转速控制、功率控制和超转保护系统等。模块实现发动机燃油控制，保证动力涡轮转速恒定和各种飞行条件下直升机对发动机的动力需求。由发动机功率控制和发动机训练模式控制产生动力涡轮参考转速，双发负载均衡控制模块产生动力涡轮参考转速修正量，两者叠加后传入各发的电子控制器，产生燃油控制量，最终输出燃油流量。 声音定位系统发动机控制系统仿真模块接收飞行员对发动机的操纵量，结合发动机当前状态和直升机状态解算出对应的燃油流量，输入发动机性能仿真模块。模块内包含稳态控制、动态控制仿真方法、发动机功率控制方法、多发配平、超转保护仿真方法等。
厌氧胶能用于木材吗燃油仿真单元包括确定剩余油量、确定因燃油消耗引起的重心变化、以及确定因燃油消耗引起的惯量变化。
燃油系统主要功能是贮存燃油，并在飞行包线内，按发动机入口要求，连续向发动机供油。所述的燃油仿真部分用于模拟剩余油量、燃油消耗引起的重心变化、燃油消耗引起的惯量变化。
1.剩余油量计算：
其中，G oil-total ：预装总燃油量；W fi ：i 发动机燃油流量，i=1，2。
2 .整机重心计算：
oil i i w c oil i
w oil i
i w c oil i
w oil i i w c
oil i
w G x G x x G G G y G y
y G G G z G z
z G
G −−−−−−+=++=农家乐
++=
+∑∑∑∑∑∑其中，G oil-i ：i 油箱的重量（包括剩余燃油），G W ：直
升机（不含油箱）重量；（x i ，y i ，z i ），：i 油箱的重心；（x，y，z）：直升机除油箱外重心；（x c ，y c ，z c ）：当前重心。
3 .惯量计算：
其中，m i 为i 油箱的质量（包括剩余燃油）；r i 为i 油箱重心到整机重心的距离；I heli 为除油箱外整机惯量。
滑油仿真单元根据发动机输出功率确定滑油压力及滑油温度。滑油仿真单元包括获得发动机输出扭矩－滑油性能曲线以及采用插值法计算发动机滑油压力和滑油温度。滑油压力和滑油温度与发动机输出功率相关，取得发动机输出扭矩－滑油性能曲线后，通过插值的方式实时计算发动机滑油压力和滑油温度，如下式所示。
其中，P oil 为滑油压力值；f oil 为计算滑油压力差值函数；Q PT 为发动机输出功率值；P 为环境压力值；T oil 为滑油温度值；F oil 为计算滑油温度差值函数；T 为环境温度值。
数据管理调度
实时调度模块按照固定周期从外部系统与发动机实时仿真模型各模块中接收输入数据，将输入数据传递给发动机实时仿真模型的各个模块，待各模块解算完成后，将解算结果输出。外部系统包括飞行仿真系统、航电仿真系统、教员控制台、操纵负荷系统、综合环境仿真系统以及声音仿真系统等。 数据实时管理调度模块首先需完成发动机实时仿真模型与仿真运行管理系统的数据交互，输入发动机实时仿真模型所需的参数，并将发动机实时仿真模型解算完成后的参数输出给数据实时管理调度模块。图4为发动机实时仿真模型与模拟器其他系统的数据交互关系图。
钓鱼船>abs-210
在发动机实时仿真模型内部，数据实时管理调度模块将输入的参数传递给发动机性能仿真模块、发动机控制系统仿真模块以及燃油滑油仿真模块，各个模块接收到数据后，进行解算，并将解算完成后将的结果输出给数据实时管理调度模块。
为保证模型的实时性要求，要求发动机模型的延迟时间
图3 发动机部件级仿真模块计算流程图
图1 单发的仿真模型框架示意图
图2 双发的仿真模型框架示意图
中国科技信息2021年第3、4期合刊·CHINA SCIENCE AND TECHNOLOGY INFORMATION Feb .2021
◎航空航天
小于规定值（如4ms），模型延迟时间即从仿真运行管理系统发送给发动机模型数据，发动机实时仿真模型接收到数据后，进行一次迭代计算，解算完成后将结果返回给仿真运行管理系统的时间。
直升机模拟器仿真平台中的应用
建立发动机实时仿真模型后，可将模型接入直升机模拟器系统平台中运行。直升机模拟器是按特定机型的航空器座舱一比一对应复制的，它包括表现航空器在地面和空中运行所必需的设备和支持这些设备运行的计算机程序、提供座舱
外景像的视景系统以及能够提供动感的运动系统。将建立的发动机实时仿真模型放于计算机中运行，通过设置网络接口实现发动机实时仿真模型与直升机模拟器其他系统的以太网连接。
以太网连接后，仿真运行管理系统将在每个仿真周期内（如10ms）完成一次将其他系统的解算结果输入给发动机实时仿真模型，并接收发动机实时仿真模型解算的结果，将参数发送给其他系统。发动机实时仿真模型接收到输入数据后，将输入数据传递给各个模块，待各模块解算完成后（解算时间不超过4ms），将解算结果输出。通过这种连接方式，实现了发动机实时仿真模型与模拟器其他系统的数据交互。本文建立的模型已经在工程研制中应用，根据发动机实时仿真模型的实时性测试结果，模型的最大延迟时间小于4ms，具有较好的实时性。
结语
本文构建的用于直升机模拟器上的发动机实时仿真模型，可以实现装配单台发动机、多台发动机直升机的发动机仿真建模，能实时接收总矩杆操作、发动机功率控制开关、航电开关按钮信号、飞行状态等参数的输入，解算当前飞行条件下的发动机转速、温度、功率等参数并输出。模型具有仿真精度高和实时性强的特点。
图4 发动机实时仿真模型与模拟器其他系统的数据交互关
系图况分析。
另外，对该机场大量样本数据较长时间内进行能见度预测及精度分析如图7、8所示。
由上图可知，BP 神经网络模型的预测总误差的方差为0.1392，其决定系数R2达到0.97043，验证了随着时间的推移和样本受训练能力增加，模型的泛化能力增强。
结语
正是由于雾的形成原理和消散机制都及其复杂，至少应该考虑大气压、风速、风向、温度、相对湿度和露点温度等气象因素，因此本文选择最主要的4种气象因子构建了BP 神经网络，在模型和样本训练后，预测出普洱思茅机场2020年3月13日短期和长期内的能见度，使得波动值较小，
相关系数显著。本文对能见度进行预测和精度分析，得到了良好的预测效果，结果表明该BP 神经网络具有较高的精度和较好的模型泛化能力。
但是也存在以下不足：所考虑的影响能见度的主导气象因子可能在不同机场会有所改变；在该模型预测出的能见度改变节点处，不能直观地看出是因为哪种主导因子导致而产生的变化；与双向长短期记忆神经网络（Bi －LSTM）相比，
BP 神经网络缺乏长期记忆学习能力。
图7 大样本长时间预测效果图图8 模型的预测误差分析
（上接第41页）
