王宁, 王宇航, 蔡志强, 张帅

(1.长安大学 运输工程学院, 陕西 西安 710064; 2.西北工业大学 机电学院, 陕西 西安 710072)

涡轴航空发动机一般应用在直升机上，通过与旋翼配合构成动力装置，相比于此前的活塞式发动机，有着体积小、重量轻、功率大等多种优势，近年来得到了快速发展与广泛关注[1]。涡轴发动机的生产过程复杂，需要遵循非常细致的制造手册，同时，在出厂检测中对其各项性能指标都设定了严格的要求。关键截面温度是涡轴发动机的一个常见性能指标。当关键截面温度过高时有可能会对发动机中的关键部件造成损坏，从而引发重大安全事故，因此为了确保发动机的工作寿命以及飞机的安全性，关键截面温度这一指标有最高温度限制。然而，在当前的技术条件下，制造出来的发动机很难做到一次试车即能满足该指标的出厂合格要求，通常需要重新装配之后尝试2次乃至3次试车，这大大增加了涡轴发动机的制造成本。

近年来，随着人工智能技术的发展，许多研究人员将人工智能算法引入到了航空发动机的优化设计中。孙浩等[2]基于人工神经网络和GMM聚类建立了航空发动机的经验模型，为发动机的健康参数监测做出了贡献。李乐等[3]采用数据后处理修正的方法，对航空发动机现有的燃气取样及分析系统进行了优化设计，有效提高了分析精度与稳定性。Ahmadian等[4]研究了喷气发动机的多模型自适应控制方法，在Jet Cat SPT5型涡轴发动机上的仿真结果证明了该方法的有效性。……