WWW.LIBRUS.DOBROTA.BIZ
БЕСПЛАТНАЯ  ИНТЕРНЕТ  БИБЛИОТЕКА - собрание публикаций
 

«КАМЕНСКИЙ СЕРГЕЙ СТАНИСЛАВОВИЧ ПРОГНОЗИРОВАНИЕ РЕЗУЛЬТАТОВ ПОВТОРНЫХ ИСПЫТАНИЙ ЖРД НА ОСНОВЕ РАСЧЕТНО-ЭКСПЕРИМЕНТАЛЬНОЙ МАТЕМАТИЧЕСКОЙ МОДЕЛИ ...»

АО «НПО ЭНЕРГОМАШ имени академика В.П.Глушко»

На правах рукописи

КАМЕНСКИЙ СЕРГЕЙ СТАНИСЛАВОВИЧ

ПРОГНОЗИРОВАНИЕ РЕЗУЛЬТАТОВ ПОВТОРНЫХ ИСПЫТАНИЙ ЖРД

НА ОСНОВЕ РАСЧЕТНО-ЭКСПЕРИМЕНТАЛЬНОЙ

МАТЕМАТИЧЕСКОЙ МОДЕЛИ

Специальность 05.07.05

Тепловые, электроракетные двигатели и энергоустановки летательных аппаратов Диссертация на соискание ученой степени кандидата технических наук

Научный руководитель:

доктор технических наук Мартиросов Давид Суренович Химки ОГЛАВЛЕНИЕ СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ …..………….4 ВВЕДЕНИЕ ……………………………………………………………..……….6

ВЫБОР МАТЕМАТИЧЕСКОЙ МОДЕЛИ, ОБЕСПЕЧИВАЮЩЕЙ

ПОВЫШЕНИЕ ДОСТОВЕРНОСТИ ПРОГНОЗИРОВАНИЯ РЕЗУЛЬТАТОВ

ПОВТОРНЫХ ИСПЫТАНИЙ ЖРД …………………………………….………….13 ЖРД как объект математического моделирования. Иерархия 1.1 математических моделей стационарных рабочих процессов ЖРД…………..........13

1.2 Расчетно-экспериментальная математическая модель стационарных рабочих процессов (РЭМ) ЖРД. Коррекция математической модели по результатам огневого испытания …………….……………….….……………...…..19 ВЫВОДЫ …………………………………………………………………........28

2 МЕТОД ПРОГНОЗИРОВАНИЯ РЕЗУЛЬТАТОВ ПОВТОРНЫХ

ИСПЫТАНИЙ ЖРД НА ОСНОВЕ РЭМ………………………..…………..….…29

2.1 Постановка задачи ………………………………..………...………..……..29

2.2 Свойства РЭМ, используемые для прогнозирования ……...……..………32 2.2.1 Повышение точности прогнозирования ………....………..………...32 2.2.2 Расширение диапазона прогнозирования ………………..………….39

2.3 Алгоритм метода прогнозирования результатов повторных испытаний ЖРД на основе РЭМ ……………………………………………..….…………...…...42

2.4 Подтверждение преимуществ метода прогнозирования на основе РЭМ по данным огневых испытаний ЖРД……………………….…………………….……..43 2.4.1 Двигатель РД181 ……………………………………………….…….44 2.4.2 Двигатель РД191 ……………………………………………………..51 2.4.3 Двигатель РД180 в составе РН «Атлас-V» (прогнозирование повторных испытаний со сменой марки горючего) ………..…………..………....58 ВЫВОДЫ ………………………………………………………………………..71

3 МЕТОД ОПЕРАТИВНОГО ПРОГНОЗИРОВАНИЯ РЕЗУЛЬТАТОВ

ПОВТОРНЫХ ИСПЫТАНИЙ ЖРД НА ОСНОВЕ РЭМ ….…………………….73

3.1 Постановка задачи ………………………………………….………………73

3.2 Анализ структуры математической модели ЖРД, работающего по схеме с дожиганием в камере окислительного генераторного газа …….…….……...……74 3.2.1 Подтверждение результатов анализа математической модели аппроксимацией данных огневых испытаний ЖРД

3.3. Алгоритм метода оперативного прогнозирования результатов повторных испытаний ЖРД на основе РЭМ ………………….………...……………………….90

3.4 Подтверждение преимуществ метода оперативного прогнозирования на основе РЭМ по данным огневых испытаний ЖРД ………….…….………………91 3.4.1 Двигатель РД181 …………………….……..….……………….…….91 3.4.2 Двигатель РД191 ………………………………………………..……99

3.5 Программно-математическое обеспечение метода оперативного прогнозирования результатов повторных испытаний ЖРД на основе РЭМ ….108 ВЫВОДЫ ………………………………………………………….………..…114

4. ПРИМЕНЕНИЕ МЕТОДОВ ПРОГНОЗИРОВАНИЯ НА ОСНОВЕ РЭМ





ДЛЯ РЕШЕНИЯ ЗАДАЧ САЗ, ИСПОЛЬЗУЮЩИХ АДАПТИВНЫЕ

АЛГОРИТМЫ, И СИСТЕМ РЕГУЛИРОВАНИЯ ЖРД ……………………….115 ВЫВОДЫ …………………………..…………………………………………120 ЗАКЛЮЧЕНИЕ …………………………………………………………….…121 СПИСОК ЛИТЕРАТУРЫ ……………………………………………….……123

–  –  –

ЖРД – жидкостный ракетный двигатель;

РЭМ – расчетно-экспериментальная математическая модель;

R - уровень пустотной тяги, определяемый отношением текущего значения тяги к номинальному значению;

- соотношение компонентов топлива;

САЗ- система аварийной защиты;

РН – ракета-носитель;

ПГС - пневмогидравлическая схема;

КТИ – контрольно-технологическое огневое испытание;

КТГ – температура газа за турбиной;

КПВ – обороты вала турбонасосного агрегата (ТНА);

КБГ – обороты вала бустерного насоса горючего (БНГ);

КБО – обороты вала бустерного насоса окислителя (БНО);

ДГПН-2 – давление после второй ступени насоса горючего;

ДГПН-1 – давление после первой ступени насоса горючего;

ДГПД – давление после дросселя горючего;

ДГПР – давление после регулятора расхода горючего;

ТГДК – температура горючего на входе в смесительную головку камеры;

ДГДК – давление горючего на входе в смесительную головку камеры;

- градус Цельсия;, K - градус Кельвина;

изб – избыточное давление;

– температура окислителя на входе в двигатель;

- температура горючего на входе в двигатель;

- давление окислителя на входе в двигатель;

- давление горючего на входе в двигатель;

- давление горючего на входе в двигатель;

–  –  –

Современный ЖРД является сложной технической системой, трудоемкой при проектировании, изготовлении, испытании и эксплуатации, имеет разветвленную пневмогидравлическую схему и высокую степень функциональной взаимосвязи между агрегатами. Отличительной особенностью современного ЖРД является огромная мощность, приходящаяся на единицу его массы, и основные процессы протекают с большими скоростями переноса энергии и массы, с большими градиентами температур в компонентах топлива и напряжений в металле конструкций .

В настоящее время к существующим и вновь проектируемым ЖРД предъявляются высокие требования по надежности, многократности использования и экономичности .

Реализация таких требований становится возможной с применением математического моделирования рабочих процессов на всех этапах жизненного цикла двигателя – разработки, доводки и эксплуатации в составе ракеты-носителя .

По мере доводки вновь разрабатываемого двигателя возрастает объем информации о нем, и с учетом ее совершенствуются математические модели .

Все это объясняет постоянное внимание специалистов к совершенствованию методов моделирования рабочих процессов ЖРД .

В настоящее время существует и активно используется ряд математических моделей, уровень детализации и достоверности которых соответствуют конкретным этапам жизненного цикла двигателя .

Однако, как показала практика, использование ранее разработанных и апробированных методов решения проблемных задач, возникших в связи с модернизацией существующих двигателей, обеспечением их нормальной работы на режимах форсирования, глубокого дросселирования и в расширенных диапазонах условий работы может привести к недостоверному прогнозированию параметров двигателя в цикле повторных огневых испытаний. При таких испытаниях, в ряде случаев, двигатель в соответствии с циклограммой функционирует на границах диапазонов условий эксплуатации, заданных тактико-техническими требованиями как по уровню достигаемых значений тяги и соотношения компонентов топлива в камере сгорания, так и по температурам и давлениям компонентов топлива на входе в двигатель. Всё это повышает риски возникновения нештатных ситуаций в случае ошибок в назначении допустимых значений параметров рабочих процессов на планируемом испытании .

Таким образом, решение задачи повышения достоверности расчетного прогноза уровней параметров двигателя прямо диктуется необходимостью полного исключения указанных рисков .

В настоящее время задача прогнозирования решается с использованием модели конкретного экземпляра двигателя, формируемой на базе штатной математической модели ЖРД, отражающей его схему и дополненной характеристиками агрегатов, полученных при автономных испытаниях. Однако, как показывает практика, такая модель полностью не обеспечивает надежный расчетный прогноз для особо напряженных режимов испытаний .

Таким образом, повышение достоверности расчетного прогнозирования параметров рабочих процессов в широких диапазонах изменения условий испытаний на основе адекватных математических моделей для повышения безопасности повторных огневых испытаний ЖРД является актуальной задачей .

–  –  –

Цель работы – повышение достоверности расчетного прогнозирования результатов планируемых испытаний в широких диапазонах изменений режимов работы и внешних условий с целью обеспечение безопасности повторных огневых испытаний ЖРД .

Для достижения этой цели решены следующие основные задачи:

1 Исследована иерархия математических моделей рабочих процессов ЖРД с целью определения и классификации особенностей их структуры на разных стадиях жизненного цикла двигателя .

2 Определены и подтверждены экспериментальными данными свойства математической модели ЖРД, откорректированной по телеметрии испытания, предшествующего прогнозируемому, – расчетно-экспериментальной модели (РЭМ) как модели, наиболее полно отражающей индивидуальные характеристики функционирования конкретного экземпляра двигателя .

3 Показано, что зависимости, используемые для прогнозирования параметров ЖРД, выполненного по схеме с дожиганием генераторного газа, можно однозначно определить как функции шести переменных: уровня тяги, соотношения компонентов топлива, а также температур и давлений компонентов на входе в двигатель. Выводы подтверждены экспериментальными данными огневых испытаний .

4 Разработан метод прогнозирования результатов повторных испытаний ЖРД на основе РЭМ. Показано, что этот метод отличается от существующих повышенной точностью, которая подтверждается в широких диапазонах изменений режимов работы и внешних условий, а также при изменении марки горючего .

5 Разработан метод прогнозирования на основе аппроксимации результатов расчетов по РЭМ в виде полиномиальных зависимостей – метод оперативного прогнозирования результатов повторных испытаний. Эти зависимости могут применяться при необходимости оперативного прогнозирования в цикле повторных огневых испытаний ЖРД без привлечения сложных электронновычислительных средств .

6 Разработано программно-математическое обеспечение оперативного прогнозирования параметров рабочих процессов ЖРД в цикле повторных огневых испытаний .

7 Проведены обработка и анализ представительной выборки результатов огневых стендовых и летных испытаний ЖРД, доказывающие эффективность и преимущества разработанных методов прогнозирования .

Научная новизна

1 Доказано, что применение для прогнозирования результатов повторных испытаний расчетно-экспериментальной математической модели (РЭМ) конкретного экземпляра двигателя, отражающей не только описание рабочих процессов в двигателе конкретной сборки, но и особенности его функционирования в процессе огневых испытаний, повышает достоверность результатов прогнозирования .

2 Показано, что прогнозируемые по РЭМ параметры ЖРД, выполненного по схеме с дожиганием генераторного газа, могут быть аппроксимированы в виде полиномиальных функций шести переменных: уровня тяги, соотношения компонентов топлива, температур и давлений компонентов топлива на входе в двигатель .

3 Разработаны и подтверждены экспериментально методы прогнозирования результатов повторных испытаний на основе РЭМ, отличающиеся от существующих сохранением повышенной точности в более широких диапазонах изменений режимов работы и внешних условий .

4 Разработан и подтвержден экспериментально алгоритм регулирования ЖРД в виде зависимостей углов приводов агрегатов регулирования от 6 переменных: уровня тяги, соотношения компонентов топлива, температур и давлений компонентов топлива на входе в двигатель. Алгоритм регулирования представлен полиномами, аппроксимирующими 6-мерномые массивы точек, определенных по РЭМ в требуемых диапазонах работы двигателя .

Теоретическая и практическая значимость работы

Применение разработанных методов прогнозирования обеспечивает высокую точность определения параметров рабочих процессов ЖРД для планируемых огневых испытаний, снижая, тем самым, риски возникновения аварийных ситуаций. Расчет прогнозируемых параметров с использованием полиномиальных зависимостей от уровня тяги, соотношения компонентов топлива, температур и давлений компонентов топлива на входе в двигатель может производиться без использования сложной электронно-вычислительной техники и не требует привлечения специалистов высокой квалификации .

Кроме того, разработанные методы прогнозирования могут быть применены для повышения точности определения положений приводов агрегатов управления при настройке двигателя на повторное испытание, а также повышения точности определения пороговых значений контролируемых параметров двигателя для САЗ в широком диапазоне условий эксплуатации двигателя .

Методология исследования

Методической основой исследований являются работы отечественных ученых в области математического моделирования сложных систем, а также опыт практического моделирования рабочих процессов ЖРД, накопленный в АО «НПО Энергомаш им. академика В.П.Глушко» .

Основная особенность предлагаемого метода состоит в том, что он в полной мере учитывает нелинейности, проявляющиеся во взаимосвязях между параметрами рабочих процессов, заложенных в математической модели, при расширении диапазонов условий испытания, обеспечивая при этом необходимую точность расчетов .

Следствием этого является достоверное прогнозирование параметров двигателя в случаях, когда условия прогнозируемого испытания, например, по значениям тяги, соотношениям компонентов, температурам и давлений компонентов на входе в двигатель существенно отличаются от условий предшествующего испытания .

Предлагаемый метод отличается от существующих методов прогнозирования тем, что все процедуры непротиворечиво связаны в едином универсальном алгоритме, который может быть применен для ЖРД, работающих в широком диапазоне изменения условий на входе в двигатель .

Автор защищает следующие основные положения работы

1 Разработанные методы прогнозирования результатов повторных испытаний ЖРД: метод прогнозирования на основе РЭМ и метод оперативного прогнозирования на основе аппроксимации результатов РЭМ .

2 Свойства РЭМ, обеспечивающие повышение точности прогнозирования результатов повторных огневых испытаний и расширение диапазонов адекватного прогнозирования за счет уточнения характеристик агрегатов двигателя, полученных при автономных испытаниях, с помощью телеметрической информации огневого испытания, предшествующего прогнозируемому .

3 Преимущества предлагаемых методов, основанные на свойствах РЭМ отражать индивидуальные нелинейные характеристики двигателя, влияние которых становится значимым при расширении диапазонов режимов и условий на входе в двигатель .

4 Результаты расчетных и экспериментальных исследований, подтверждающие эффективность предлагаемых методов .

–  –  –

обеспечена совпадением результатов расчетных прогнозов с данными стендовых и летных испытаний ЖРД РД181, РД191 и РД180 с точностью, достаточной для решения практических задач сопровождения доводки, контрольно-технологических испытаний и эксплуатации двигателя .

Апробация результатов Основные положения диссертации докладывались и обсуждались на 65-м Международном Конгрессе Астронавтики (IAC) в Торонто, 29 сентября – 03 октября 2014 г. : IAC-14, C4, Р, 29, х21461 Каменский С.С., Мартиросов Д.С., Скибин С.А., Судаков В.С. Система функциональной диагностики ЖРД .

–  –  –

Методика, созданная на основе разработанных методов прогнозирования, применяется штатно при проведении повторных огневых испытаний ЖРД РД191 в АО «НПО Энергомаш им. академика В.П. Глушко», а также при анализе КТИ и ЛИ двигателей РД 180 .

–  –  –

Личное участие автора заключается в определении и подтверждении экспериментальными данными свойств РЭМ, разработке методов и алгоритмов прогнозирования результатов повторных испытаний ЖРД на основе РЭМ, подтверждении эффективности разработанных методов на экспериментальном материале .

–  –  –

По теме диссертации автором опубликовано 4 научных работы в изданиях, входящих в список ВАК, из них 1 без соавторов .

Структура и объем диссертации Диссертация состоит из введения, четырех разделов, заключения, списка сокращений и условных обозначений и списка литературы. Она содержит 123 страницы основного текста, 97 рисунков, 26 таблиц и список литературы, включающий 57 наименований .

1 ВЫБОР МАТЕМАТИЧЕСКОЙ МОДЕЛИ, ОБЕСПЕЧИВАЮЩЕЙ

ПОВЫШЕНИЕ ДОСТОВЕРНОСТИ ПРОГНОЗИРОВАНИЯ РЕЗУЛЬТАТОВ

ПОВТОРНЫХ ИСПЫТАНИЙ ЖРД

1.1 ЖРД как объект математического моделирования. Иерархия математических моделей стационарных рабочих процессов ЖРД Возможность описания тех или иных процессов в виде математических зависимостей возникает и развивается как результат постоянного теоретического анализа и накопления теоретических и экспериментальных данных .

Математическое описание процессов в элементах конструкции и агрегатах ЖРД составляет математическую модель элемента, агрегата. Совокупность математических моделей элементов и агрегатов ЖРД составляет математическую модель двигателя [1,2,3,4] .

Точность определения параметров и структуры модели (адекватность модели объекту или процессу-оригиналу) характеризуется степенью совпадения выходных параметров объекта и его модели при одинаковых входных воздействиях .

Сложность и многообразие реальных объектов не позволяет строить для них абсолютно адекватные модели. Математическая модель, будучи формализованным абстрактным описанием объекта, всегда «беднее» реального объекта и в состоянии охватить только основные, характерные его свойства, оставляя в стороне несущественные факторы .

Определение параметров и структуры математической модели, обеспечивающих наилучшее совпадение выходных координат модели и процесса при одинаковых входных воздействиях, обычно называется идентификацией .

Под методом идентификации понимается способ и совокупность приемов построения математической модели объекта. Единых, универсальных методов, приемлемых для всех типов объектов и их входных и выходных сигналов, пока не существует, что объясняется, в частности, многообразием типов идентифицируемых объектов и сложностью возникающих задач .

Причина еще и в том, что в науке и технике задача идентификации является не самостоятельной, а подчиненной конкретным целям, определяемым системой, в которой используется построенная модель. Поэтому пригодность модели определяется требованиями, зависящими от цели, ради которой строится модель .

В настоящее время разработано множество теорий объектного математического моделирования, различающихся как общими подходами к описанию объекта, так и принципами построения моделей, методами идентификации и т.д. Существуют различные классификации математических моделей технических объектов по специальным признакам .

Так как методы расчетного прогнозирования развиваются вместе с развитием математических моделей, лежащих в их основе, и уровень метода прогнозирования определяется уровнем используемой в нем математической модели, в рамках данной работы можно представить подробную иерархию математических моделей стационарных рабочих процессов ЖРД, отражающую развитие методов прогнозирования .

Основными принципами структурирования такой иерархии будут:

- методическая преемственность моделей, которая должна сохраняться по мере уточнения и привлечения новой информации;

- соответствие уровня модели тому или иному этапу жизненного цикла ЖРД, полнота и достоверность модели должны соответствовать этапу разработки;

- последовательная идентификация моделей по мере увеличения объема и качества привлекаемой информации с целью повышения адекватности и, соответственно, повышения достоверности результатов по мере повышения уровня модели .

Начальный уровень иерархии - создание блоков, из которых по агрегативному принципу будут построены все последующие модели. Ими являются модели (математические описания) агрегатов ЖРД, которые строятся и отрабатываются в первую очередь .

Первый уровень иерархии соответствует этапу проектирования – математическая модель типа двигателя, соединяющая модели агрегатов в соответствии с заданной ПГС .

С помощью такой модели решаются задачи выбора оптимальной схемы ЖРД и рассчитываются его основные параметры (тяга, расходы компонентов топлива, давления в магистралях и агрегатах и т.д.). Энергетическая увязка параметров двигателя определяет требования к статическим характеристикам его агрегатов. Методическая преемственность очевидна: привлечение новой исходной информации (ПГС) изменяет характер информации на выходе, теперь это совместный расчет характеристик агрегатов, соединенных по принятой схеме, что приводит к получению дополнительной информации интегральных характеристик проектируемого двигателя .

Второй уровень иерархии соответствует этапу планирования экспериментальной отработки спроектированного двигателя .

Математические модели этого уровня используются для определения параметров рабочих процессов двигателя на требуемых установившихся режимах работы и для расчетов медленноменяющихся параметров данного двигателя .

Методически такая математическая модель развивает модель предыдущего уровня, результаты точнее отражают рабочие процессы за счет уточнения исходной информации. Однако повышение точности имеет свою цену результаты соотносятся с конкретной сборкой ЖРД .

Начиная с этого этапа, повышение достоверности математических моделей ЖРД так или иначе связано с привлечением новой информации различного рода .

Существенное отличие новой информации, используемой для формирования моделей второго уровня, заключается в том, что она непосредственно связана с данным экземпляром двигателя проектные характеристики агрегатов заменяются характеристиками, полученными при автономных испытаниях конкретных агрегатов .

В связи с этим отметим, что рассмотренный уровень математической модели с точки зрения теории моделирования можно назвать уровнем начала идентификации модели – физическая модель, облеченная в математическую форму, уточнена характеристиками реальных агрегатов. Можно сказать, что на этом уровне в результате такой идентификации математическая модель впервые приобретает характер индивидуальной модели – и параметры модели, и результаты ее работы связаны с конкретным экземпляром двигателя .

Третий уровень соответствует этапу проведения первого огневого испытания двигателя, анализу результатов огневого испытания и планированию повторных испытаний .

Появляется качественно новая информация – экспериментальные данные, наиболее достоверно описывающие реальные процессы, происходящие в двигателе. Использование этой информация для дальнейшего приближения математической модели к объекту и определяет третий уровень иерархии .

С точки зрения моделирования, это этап дальнейшей идентификации модели, в результате которой происходит коррекция математической модели двигателя как по результатам автономных испытаний составляющих его агрегатов, так и по результатам его огневого испытания .

На этом этапе модель приобретает характер индивидуальной РЭМ данного экземпляра двигателя и отражает не только особенности конкретной сборки двигателя, но и индивидуальные особенности функционирования двигателя в целом при его огневых испытаниях .

Отдельно отметим, что идентификация по данным огневого испытания приводит также к тому, что в модели появляется учет и тех факторов, которые на предыдущих этапах моделирования по определенным причинам были не учтены или признаны мало влияющими .

Это безусловно вносит свой вклад в повышение сходимости результатов моделирования и экспериментальных данных .

Очевидно, что результаты расчетов по РЭМ можно рассматривать как расчетно-экспериментальные данные, т.к. в точках, соответствующих условиям эксперимента, по которому эта модель определена, расчетные значения по определению соответствуют экспериментальным .

Методически такой подход аналогичен многим другим успешным подходам использования эмпирической информации в моделировании. Например, в работе [5] специалисты по обработке и прогнозированию испытаний ЖРД отмечают, что когда решается вопрос совершенствования штатной конструкции в ходе экспериментальной отработки, аналитические модели могут оказаться непригодными. Аналитическая модель должна учитывать конструктивные решения и влияние внешних и внутренних факторов. А это удается осуществить только лишь на основе обработки экспериментальных данных .

Там же [5] авторы определяют несколько принципов построения математических моделей сложных процессов, из числа которых методы, сочетающие учет эмпирических данных при сохранении в модели вида аналитических функций и математических выражений физических законов, следует считать наиболее перспективными с точки зрения практического использования .

Подробная иерархия математических моделей стационарных рабочих процессов ЖРД, отражающую развитие методов прогнозирования приведена в таблице 1.1 .

Таблица 1.1 - Иерархия математических моделей стационарных рабочих процессов ЖРД Этап отработки ЖРД Вид модели Назначение модели

–  –  –

Общая задача идентификации математической модели объекта по результатам его экспериментального исследования является чрезвычайно сложной и в настоящее время нерешенной полностью задачей. Однако для ряда инженерных приложений созданы методы, позволяющие достичь убедительных результатов .

В настоящее время в АО «НПО ЭНЕРГОМАШ» в рамках работ по функциональной диагностике технического состояния ЖРД разработан и используется метод формирования РЭМ по результатам его огневого испытания .

Формирование РЭМ основано на специально разработанном алгоритме коррекции математической модели [6] .

В настоящем исследовании используется расчетно-экспериментальная математическая модель, сформированная путем коррекции исходной математической модели конкретного экземпляра ЖРД по результатам его КТИ .

КТИ проводятся для двигателей, предназначенных для эксплуатации в составе ракеты-носителя или для повторных испытаний, с целью проверки качества изготовления, контроля соответствия параметров двигателя требованиям технического задания, определения законов регулирования и ресурса .

Условия проведения КТИ подразумевают поддержание постоянных параметров компонентов топлива на входе в двигатель и предусматривают, в частности, достаточно длительную работу на ряде стационарных режимов, отличающихся постоянными значениями R и в соответствии с циклограммой испытания .

На рисунке 1.3 приведены профили изменения R и по времени КТИ двигателя РД180 .

–  –  –

Рисунок 1.3 - Профили изменения Rи по времени испытания для КТИ двигателя РД180 Важно подчеркнуть, что структура циклограммы КТИ удачно подходит для коррекции модели по получаемому объему разнообразной информации - на каждом режиме реализуется заданный уровень R и три значения – один номинальный и два, отличающиеся от номинального на заданное отклонение в сторону увеличения и уменьшения .

Также при номинальном значении реализованы режимы, отличающиеся заданными отклонениями от заданного R .

Объектом коррекции является математическая модель стационарных рабочих процессов ЖРД второго уровня – модель, в которой осредненные характеристики агрегатов заменены характеристиками агрегатов конкретного экземпляра, определенными при автономных испытаниях .

Цель коррекции состоит в том, чтобы ввести в уравнения модели дополнительные параметры - коэффициенты коррекции и определить их так, чтобы не нарушая основные физические законы, описываемые этими уравнениями, минимизировать невязки расчетных и измеренных значений параметров рабочих процессов .

Идея метода коррекции заключается в следующем .

Состав параметров рабочих процессов и характеристик двигателя – переменных системы уравнений математической модели – разбивается на три подмножества:

1 Управляющие параметры .

К этим параметрам относятся положения приводов дросселя горючего регулятора расхода, а также давления и температуры компонентов на входе в двигатель .

2 Основные параметры рабочих процессов: давления, расходы, температуры компонентов топлива, обороты валов турбонасосных агрегатов .

3 Остальные переменные математической модели .

Обозначим эти переменные соответственно Формализуем процедуру, обеспечивающую формирование РЭМ, на примере коррекции модели на одном отдельно взятом режиме КТИ .

Представим математическую модель стационарных процессов нормально функционирующего двигателя, которая впоследствии будет корректироваться по результатам КТИ, в виде системы уравнений:

Fn ( X u, X m, X k ) 0, n=m+k-u (1.1) где – вектор уравнений размерности n,

- вектор внешних факторов (например, управляющих воздействий) размерности u;

– вектор измеряемых параметров модели размерности m,

– вектор остальных переменных размерности k .

Как известно, для замыкания, т.е. для дополнения системы уравнений модели измеренными значениями переменных так, чтобы она могла быть решена можно использовать измеренные управляющие параметры. Обозначим эту систему уравнений. Тогда решением системы уравнений будут параметры (индекс * соответствует измеренным, 0 – расчетным значениям). Если же систему уравнений дополнить ещё и измеренными значениями, то появляется возможность ввести в неё дополнительные переменные – вектор корректируемых параметров и, решив полученную таким способом систему найти значения коэффициентов коррекции Подставив значения в систему, получим откорректированную на данном режиме испытания модель Естественно, для рассматриваемого режима испытания отклонения, рассчитанных по модели (конечно, замкнутой только ) от измеренных, будут находиться в диапазоне точности вычислений, т.е. модель предельно соответствует результатам эксперимента .

Пусть во КТИ двигатель функционировал нормально и получены измеренные значения параметров

–  –  –

отсутствии экспериментальных данных огневого испытания двигателя заданный уровень и достаточен для адекватных оценок .

В данном здесь определении говорится именно об адекватности модели результатам эксперимента – испытания, а не самому объекту – двигателю, так как при эксперименте действуют не только погрешности моделирования рабочих процессов, но и погрешности автономных испытаний, системы измерения и т.п .

Отметим, что для непрерывных и гладких функций условия (1.4) и (1.5) взаимосвязаны .

Введем в исходную математическую модель, описываемую системой уравнений (1.1) корректирующие поправки так, чтобы отклонения расчетных и измеренных значений Тогда в систему уравнений (1.3) вектор можно ввести вектор и дополнительный вектор неизвестных – вектор коэффициентов коррекции и, решив такую новую систему (1.6) получить расчетные значения его компонент и расчетные значения параметров определенные по некорректируемым уравнениям, но которые являются результатом совместного решения всех уравнений (1.6), включающей теперь уравнения, скорректированные по результатам измерений на данном режиме .

В дальнейшем для каждого режима КТИ рассчитываются значения коэффициентов коррекции и полученный таким образом ряд значений можно рассматривать как реализацию некоторых функций от управляющих параметров .

Если вид этих функций (например, полиномов) заранее установлен, то соответствующие коэффициенты аппроксимации можно найти методом наименьших квадратов. Понятно, что количество режимов КТИ, необходимое для построения аппроксимирующего многочлена должно быть больше или равно количеству искомых коэффициентов. Укажем способ формирования полиномов аппроксимирующих поправочные коэффициенты как функции от внешних факторов .

Можно с определенностью принять, что коэффициенты коррекции являются функциями реализованных на данном испытании положений приводов агрегатов регулирования и внешних факторов, к которым традиционно относятся давления Pок, Pг, температуры Tок и Tг окислителя и горючего на входе в двигатель .

КТИ проводится при практически неизменных значениях давлений и температур на входе в двигатель на всех режимах испытания и для малых приращений для каждого поправочного коэффициента можно записать:

–  –  –

ходов в пневмо- и гидравлических трактах, превышению реальных величин коэффициентов полезного действия турбин, насосов и т.п .

Кроме этого, некоторые математические конструкции, удовлетворяющие условию минимизации невязки расчетных и измеренных значений параметров, также могут привести к нарушению физического смысла описания рабочих процессов .

В результате проведенных исследований был обоснован и принят алгоритм коррекции математической модели, в котором коэффициенты коррекции мультипликативно вводятся в уравнения напорных, мощностных характеристик основных и бустерных турбонасосных агрегатов, а также в коэффициенты сопротивления трактов охлаждения камер, магистралей питания турбин .

Например, напорная (или мощностная) характеристика насоса корректируется следующим образом:

где – характеристика, полученная при автономных испытаниях,

– обороты вала насоса, – расход жидкости,

- коэффициент коррекции характеристики насоса на заданном режиме КТИ .

Аналогично, поправки вводятся в уравнения других характеристик агрегатов. Корректируемые характеристики приведены в таблице 1.2 .

Таблица 1.2 - Корректируемые характеристики модели № Наименование характеристики модели 1 Напорная характеристика бустерного насоса горючего 2 Мощностная характеристика бустерного насоса горючего 3 Напорная характеристика насоса горючего 1-й ступени 4 Напорная характеристика насоса горючего 2-й ступени 5 Гидросопротивление магистрали подвода горючего к турбине бустерного насоса горючего 6 Гидросопротивление магистрали подвода горючего к газогенератору продолжение таблицы 1 .

2 7 Перепадная характеристика дросселя горючего 8 Гидросопротивление тракта охлаждения камеры сгорания 9 Перепад температуры в тракте охлаждения камеры сгорания 10 Расходная характеристика регулятора расхода горючего 11 Мощностная характеристика бустерного насоса окислителя 12 Напорная характеристика бустерного насоса окислителя 13 Напорная характеристика насоса окислителя 14 Перепад давления на смесительной головке камеры сгорания 15 Расходная характеристика турбины ТНА 16 Мощностная характеристика турбины ТНА 17 Температура газа за турбиной ТНА 18 Гидросопротивление магистрали подвода газа к турбине бустерного насоса окислителя Реализация метода коррекции на практике иллюстрируется на рисунке 1.1, где представлены характерные зависимости изменения отклонений расчетных значений параметров от их измеренных значений на последовательно проведенных испытаниях двигателя РД 180 на режиме 100% тяги до и после коррекции математической модели на первом испытании .

, %

–  –  –

Номер 0 соответствует первому испытанию, когда невязки рассчитаны по статистике предшествующих испытаний. Номер 1 также соответствует первому испытанию, но при этом отклонения рассчитаны по математической модели, полученной после коррекции по всем стационарным режимам первого испытания. На остальных испытаниях отклонения также рассчитаны по скорректированной модели .

Естественно, что после коррекции на первом испытании, все отклонения (1.5) на нем же становятся близки к нулю .

Отметим, что, как видно из рисунка 1.1, исходная математическая модель действительно адекватна результатам эксперимента, и коррекция заложенных в нее характеристик приводит к тому, что использование уточненных характеристик повышает близость результатов расчета к экспериментальным данным испытаний одного и того же двигателя .

ВЫВОДЫ 1 Анализ иерархии существующих моделей стационарных рабочих процессов и их информационной емкости на разных стадиях жизненного цикла ЖРД показал, что для разработки предлагаемого метода прогнозирования результатов повторных испытаний предпочтителен выбор РЭМ, как модели, которая формируется в результате накопления информации по моделированию, начиная со стадии проектирования до огневого испытания его конкретного экземпляра включительно .

2 РЭМ формируется за счет коррекции математической модели, в которой осредненные характеристики агрегатов заменены характеристиками агрегатов конкретного экземпляра, определенными при автономных испытаниях .

Коррекция проводится по по результатам КТИ, предшествующего прогнозируемому испытанию .

Рассмотрены основные положения метода коррекции модели, результатом которого является мультипликативное введение корректирующих коэффициентов в уравнения напорных, мощностных характеристик основных и бустерных турбонасосных агрегатов, а также в коэффициенты сопротивления трактов охлаждения камер, магистралей питания турбин бустерных агрегатов .

3 Полученные результаты позволяют определить РЭМ как расчетноэкспериментальный «портрет» конкретного экземпляра двигателя, отражающий не только математическое описание рабочих процессов в двигателе конкретной сборки, но и особенности его функционирования в процессе огневых испытаний .

2 МЕТОД ПРОГНОЗИРОВАНИЯ РЕЗУЛЬТАТОВ ПОВТОРНЫХ ИСПЫТАНИЙ

ЖРД НА ОСНОВЕ РЭМ

–  –  –

Для ЖРД, как для любого сложного технического объекта, особо важен этап экспериментальной отработки, и актуальным вопросом является обеспечение научной основы надежного планирования огневых испытаний двигателей [7-15] .

Любой прогноз осуществляется путем формализации исследуемого объекта, обобщающего анализа и обработки предшествующей информации с учетом гипотез его дальнейшего развития .

В настоящее время используются различные методы прогнозирования, которые отличаются друг от друга по уровню научной обоснованности .

Применительно к ЖРД прогнозирование результатов испытаний означает возможность определения выходных характеристик двигателя как до начала первых испытаний, так и в цикле его повторных испытаний .

В цикле повторных огневых испытаний прогнозирование основных параметров двигателя позволяет разрабатывать и уточнять оптимальные планы и программы повторных испытаний, тем самым повышая качество проводимых испытаний и исключая риски возникновения нештатных ситуаций в случае ошибок в назначении допустимых значений параметров рабочих процессов на планируемых испытаниях [16-23] .

Отметим, что это могут быть не только прогнозы результатов испытаний на наземном стенде, но и прогнозы работы двигателя в составе РН, а также прогнозы испытаний этого же двигателя, но проводимых на иных, чем при КТИ, марках горючего [24-27] .

В настоящей работе решается задача разработки метода прогнозирования результатов повторных испытаний ЖРД, повышающего достоверность расчетного прогноза результатов планируемых испытаний в широких диапазонах изменений режимов работы и внешних условий, а также с изменением марки горючего [28] .

Расчеты по такому методу, проводимые по планируемым условиям повторного огневого испытания, позволят давать более обоснованные прогнозные оценки контролируемых параметров в условиях его проведения и, при необходимости, скорректировать программу повторного испытания .

Основное отличие предлагаемого метода, определяющее преимущество в достоверности результатов, заключается в использовании для прогнозирования повторных испытаний конкретного двигателя информации о его индивидуальных характеристиках, полученных на ранее проведенном огневом испытании .

Полагается, что двигатель, параметры которого прогнозируются в условиях повторных испытаний, прошел испытание по циклограмме КТИ .

Использование данных КТИ приводит к тому, что при помощи предлагаемого метода в результатах прогнозирования последующих испытаний конкретного двигателя учитываются его реальные, экспериментально подтвержденные характеристики .

Это дает возможность сделать результаты прогнозирования более точными и диапазоны адекватного прогнозирования – более широкими .

Так как предлагается метод расчетного прогнозирования, очевидно, что используемая при этом математическая модель должна отражать экспериментально подтвержденные индивидуальные характеристики двигателя и обладать, в связи с этим, более высоким уровнем адекватности .

Такой математической моделью является РЭМ ЖРД, сочетающая в себе, как было показано ранее, методологию математических моделей ЖРД предыдущих уровней и развивающая их путем уточнения описания заложенных в них физических принципов по результатам огневого испытания .

При такой постановке задачи прогнозирование, использующее в том или ином виде экспериментальный материал, логично разделяется на две задачи – прогнозирование выбранных характеристик в границах используемого экспериментального материала и прогнозирование выбранных характеристик вне таких границ .

Наиболее перспективным и сложным результатом прогнозирования является получение возможности достоверной экстраполяции изучаемых параметров .

Экстраполяция в данном случае определяется как распространение установленных закономерностей за границы изученной области или в области вне пределов варьирования факторов, реализованных в базовом эксперименте .

С точки зрения безопасности огневых испытаний для метода прогнозирования параметров двигателя при повторных испытаниях свойство надежной экстраполяции является одним из основных, так как повторное испытание могут планировать провести в условиях, значительно отличающихся от условий проведенного ранее КТИ как по диапазонам режимов работы двигателя R и, так и по значениям давлений и температур компонентов на входе в двигатель .

Для исключения рисков возникновения нештатных ситуаций в случае ошибок в назначении допустимых значений параметров рабочих процессов на планируемых испытаниях можно считать наиболее важным надежное прогнозирование таких параметров, как

- значения параметров, определяющих экстремальные условия испытаний;

- значения основных контролируемых параметров при реальных сочетаниях внутренних и внешних факторов .

Исходя из этого, для последующего анализа точности прогнозирования и сравнения экспериментальных и прогнозных значений были выбраны следующие параметры: температура газа за турбиной (КТГ), обороты валов основных и бустерных насосов (КПВ, КБГ, КБО) а также R и .

2.2 Свойства РЭМ, используемые для прогнозирования

Исходя из сформулированной выше постановки задачи прогнозирования результатов повторных испытаний ЖРД, можно определить следующие требования к РЭМ .

Во-первых, это требование к точности результатов расчетов, которая должна быть выше точности результатов ранее разработанных методов .

Во-вторых, это требование достоверной экстраполяции, понимаемое как адекватное прогнозирование выбранных характеристик вне границ условий испытания и, следовательно, вне границ факторов используемых экспериментальных данных .

Если определить диапазон адекватности модели по входным данным как диапазон таких данных, в котором она признается адекватной по каким-либо признакам, то очевидно, что инструментом метода наиболее достоверного прогноза, обладающего свойством экстраполяции, должна быть модель, не только наиболее достоверная по точности, но и обладающая достаточным для экстраполяции диапазоном адекватности по входным данным .

Ниже будут исследованы, описаны и подтверждены экспериментальными данными необходимые для предлагаемого метода прогнозирования свойства РЭМ и показано, что РЭМ обладает очевидным преимуществом в точности расчетных оценок и наиболее широким диапазоном адекватности по входным данным .

2.2.1 Повышение точности прогнозирования

Так как РЭМ разрабатывалась для использования в задачах функциональной диагностики технического состояния ЖРД, требования к ее свойствам определялись целями задач диагностики .

В [6] приводится обоснование выбора метода мультипликативного введения корректирующих коэффициентов, при котором выполняется основной критерий правильности коррекции модели: близость экспериментально получаемых данных и расчетных данных, соответствующих нормальному функционированию данного двигателя .

Таким образом, свойства РЭМ в этих задачах должны были в первую очередь обеспечивать повышение точности расчетов таких параметров, как давления и температуры по тракту двигателя, обороты агрегатов ТНА по отношению к другим моделям .

Практика показала, что такие требования в задачах диагностики удалось успешно выполнить, используя свойства РЭМ более точно отражать экспериментально подтвержденные индивидуальные характеристики двигателя [29,30] .

При формировании РЭМ исходная модель корректируется так, чтобы минимизировать невязки расчетных и измеренных значений параметров рабочих процессов .

Конкретно в этом процессе участвуют измеренные при КТИ значения давлений, расходов и температур компонентов топлива, оборотов насосов и турбины, а также температуры газа за турбиной и горючего на входе в смесительную головку камеры сгорания .

Очевидно, что расчеты параметров, по которым корректируется модель, будут близки к результатам эксперимента – именно эти уравнения математической модели получили соответственно рассчитанные поправки .

Рассмотрим сравнение расчетных значений параметров рабочих процессов, полученных по РЭМ с результатами измерений тех же параметров при КТИ, по которым она сформирована, на примере конкретного двигателя с целью проиллюстрировать свойства РЭМ, используемые в задачах диагностики .

На рисунках 2.1 и 2.2 сравниваются невязки между экспериментальными данными КТИ и расчетами по разным математическим моделям различных параметров .

Выбор указанных параметров для иллюстрации определяется тем, что эти параметры являются основными прямыми измерениями, используемыми для коррекции математической модели .

КПВ КБО КБГ ДГПН-2 ДГПН-1 ДГПД ДГПР ТГДК ДГДК % Рисунок 2.1 - Сравнение невязок значений параметров, измеренных на КТИ и расчетных величин тех же параметров, полученных по математическим моделям различного уровня для ЖРД РД191 №Д012, КТИ испытание № 116, режим R=1,00, =2,77:

- невязки экспериментальных данных и расчетов по РЭМ;

- невязки экспериментальных данных и расчетов по математической модели, уточненной характеристиками агрегатов, полученными при автономных испытаниях .

КПВ КБО КБГ ДГПН-2 ДГПН-1 ДГПД ДГПР ТГДК ДГДК % Рисунок 2.2 - Сравнение невязок значений параметров, измеренных на КТИ и расчетных величин тех же параметров, полученных по математическим моделям различного уровня для ЖРД РД191 №Д012, КТИ испытание № 116, режим R=0,38, =2,77:

- невязки экспериментальных данных и расчетов по РЭМ;

- невязки экспериментальных данных и расчетов по математической модели, уточненной характеристиками агрегатов, полученными при автономных испытаниях .

На рисунках 2.1 и 2.2 видно, что идентификация модели по результатам КТИ привела к тому, что полученные по РЭМ расчетные значения находятся значительно ближе к экспериментальным данным, чем результаты расчетов по модели второго уровня, идентифицированной только характеристиками агрегатов того же двигателя, определенными при их автономных испытаниях .

Согласно приведенной выше иерархии математических моделей можно заключить, что у РЭМ должны быть как свойства предшествующих моделей, так и новые свойства, каких у предыдущих моделей нет, так как РЭМ включает в себя всю информацию о предыдущих математических моделях, развивает и в результате уточняет описание заложенных в них физических принципов .

В процессе исследования выявилось совершенно новое свойство РЭМ: в результате описанной коррекции математической модели по конкретному конечному числу измеренных параметров уточняется определение и тех расчетных параметров РЭМ, уравнения которых непосредственно не корректировались, например расчетное определение R и .

Это свойство отражает тот факт, что корректировка введена в характеристики тех агрегатов, которые ответственны за формирование значений уровня тяги и соотношения компонентов топлива, и выбор состава корректируемых параметров методически и физически правилен .

Под уточнением в данном случае понимается заметное уменьшение невязок измеренных и расчетных значений параметров, определенных РЭМ, по отношению к аналогичным невязкам модели второго уровня .

Рассмотрим сравнение расчетных значений параметров рабочих процессов, полученных по РЭМ с результатами измерений тех же параметров при КТИ, по которым она сформирована, на примере конкретного двигателя с целью проиллюстрировать свойства РЭМ уточнять, в том числе, и параметры, рассчитываемые в некорректируемых уравнениях модели .

Для этого на рисунках 2.3 и 2.4 расширим количество параметров, приведенных ранее на рисунках 2.1 и 2.2, невязками таких параметров, как R и, которые рассчитываются по уравнениям, которые непосредственно не корректируются по экспериментальным данным КТИ при формировании РЭМ .

R Km КПВ КБО КБГ ДГПН-2 ДГПН-1 ДГПД ДГПР ТГДК ДГДК % Рисунок 2.3 - Сравнение невязок значений параметров, измеренных на КТИ и расчетных величин тех же параметров, полученных по математическим моделям различного уровня для ЖРД РД191 №Д012, КТИ испытание № 116, режим R=1,00, =2,77:

- невязки экспериментальных данных и расчетов по РЭМ;

- невязки экспериментальных данных и расчетов по математической модели, уточненной характеристиками агрегатов, полученными при автономных испытаниях .

R Km КПВ КБО КБГ ДГПН-2 ДГПН-1 ДГПД ДГПР ТГДК ДГДК % Рисунок 2.4 - Сравнение невязок значений параметров, измеренных на КТИ и расчетных величин тех же параметров, полученных по математическим моделям различного уровня для ЖРД РД191 №Д012, КТИ испытание № 116, режим R=0,38, =2,77:

– невязки экспериментальных данных и расчетов по РЭМ;

- невязки экспериментальных данных и расчетов по математической модели, уточненной характеристиками агрегатов, полученными при автономных испытаниях .

На рисунках 2.3 и 2.4 видно, что сохраняется преимущество в точности расчетов по РЭМ и для параметров, уравнения которых непосредственно не корректируются по результатам огневого испытания .

С математической точки зрения это связано с тем, что РЭМ, как совокупность скорректированных и нескорректированных уравнений, решается как единая замкнутая система уравнений .

–  –  –

Исследования [31-35] в области технической диагностики двигателя в условиях его работы на стенде и в составе РН позволили выявить еще одно важное и неочевидное свойство РЭМ .

Это свойство заключается в том, что, хотя РЭМ определяется по результатам КТИ, при котором температуры и давления компонентов топлива на входе в двигатель практически постоянны, при помощи РЭМ можно получить достоверные расчетные результаты в достаточно широких диапазонах условий на входе .

При этом результаты расчетов по РЭМ будут более точными, чем если бы они были получены по другим математическим моделям .

Подтверждением этому могут служить результаты анализа телеметрической информации, получаемой при работе двигателя в полете в составе ракетыносителя (РН). Алгоритм анализа телеметрической информации состоит в том, что результаты работы двигателя в составе РН сравниваются с результатами расчета в условиях полета по РЭМ данного двигателя .

При этом все внешние условия эксплуатации двигателя в полете отличаются от условий проведения его КТИ .

Сравнение условий на входе в двигатель РД191 №Д012 при его КТИ и при работе в составе РН «Ангара» приводятся в таблице 2.1 .

Таблица 2.1 - Сравнение условий на входе в двигатель при КТИ и в полете

–  –  –

На рисунке 2.5 приводится сравнение невязок расчетных данных, полученных по РЭМ и модели второго уровня, и данных телеметрии основных параметров рабочих процессов ЖРД РД191 №Д012, зафиксированных во время его работы в составе РН «Ангара» .

–  –  –

Рисунок 2.5 - Сравнение невязок значений параметров, измеренных во время эксплуатации ЖРД РД191 №Д012 в составе РН «Ангара» и расчетных величин тех же параметров, полученных для полетных условий по математическим моделям различного уровня, режим R=1,00, =2,78:

- невязки экспериментальных данных и расчетов по РЭМ;

- невязки экспериментальных данных и расчетов по математической модели, уточненной характеристиками агрегатов, полученными при автономных испытаниях .

Хотя расчеты производились для полетных условий на входе в двигатель, значительно отличных по всем значениям на входе от условий КТИ этого двигателя, полученные по РЭМ расчетные значения наиболее близки к измеренным в полете по сравнению с данными модели второго уровня. Невязки РЭМ с данными телеметрии находятся в диапазоне от 0,5% до 4,5% Отдельно отметим, что подтверждаются свойства РЭМ, описанные выше – точнее рассчитываются и те параметры, которые определяются уравнениями, которые непосредственно не корректируются по экспериментальным данным при формировании РЭМ .

Таким образом, можно утверждать, что экспериментальными данными подтверждается еще одно неочевидное свойство РЭМ – диапазон адекватности по входным данным РЭМ гораздо шире диапазона входных условий КТИ, по результатам которого формируется РЭМ и достаточно широк для решения практических задач .

Объяснением этого, в частности, может служить то, что значения температур и давлений компонентов топлива являются входными параметрами для определения плотностей компонентов в тракте двигателя. Для каждого компонента такие зависимости определены экспериментально и формально описаны с высокой точностью. Таким образом, изменение расчетных условий на входе однозначно приводит к учету этих изменений в гидравлических расчетах всех участков тракта двигателя, а индивидуальные особенности учитываются определенными ранее коэффициентами коррекции, что в сумме обеспечивает получаемую точность результатов .

2.3 Алгоритм метода прогнозирования результатов повторных испытаний ЖРД на основе РЭМ Алгоритм метода прогнозирования по РЭМ включает в себя последовательность процедур на двух этапах: до и после проведения КТИ, по которому формируется расчетно-экспериментальная модель, используемая в итоге для прогнозирования основных параметров двигателя в условиях планируемого повторного огневого испытания .

Этап первый – до КТИ .

В математической модели данного типа двигателя обобщенные характеристики агрегатов заменяются характеристиками, полученными при автономных испытаниях конкретных агрегатов .

Необходимо убедиться в том, что при испытании планируется провести измерения, необходимые для коррекции математической модели .

Этап второй – после КТИ .

По результатам КТИ формируется РЭМ .

В процессе формирования РЭМ могут выявиться некондиционные на данном испытании измерения. Это важно учитывать для последующего прогнозирования – такие параметры нельзя будет уверенно прогнозировать для данного экземпляра двигателя. Анализируются коэффициенты коррекции: при значительном отличии от статистических значений необходимо проверить введенные ранее результаты автономных испытаниях агрегатов двигателя .

Для окончательной проверки на условиях КТИ по РЭМ производится расчет параметров рабочих процессов двигателя, данные сравниваются с данными КТИ .

В результате мы имеем РЭМ как инструмент прогноза и окончательный состав параметров для дальнейшего уверенного прогнозирования .

Прогнозирование параметров данного двигателя в условиях планируемого повторного испытания производится расчетом по РЭМ, входные данные для работы РЭМ определяются заданием на повторное испытание .

2.4 Подтверждение преимуществ метода прогнозирования на основе РЭМ по данным огневых испытаний ЖРД Для анализа будут использованы, в частности, экспериментальные данные ЖРД РД181 и РД191, каждый из которых прошел цикл огневых испытаний, причем условия проведения испытаний различались как по уровню достигаемых значений тяги и соотношения компонентов топлива, так и по температурам и давлениям компонентов топлива на входе в двигатель .

Прогноз параметров рабочих процессов будет произведен в условиях каждого из режимов повторных испытаний, сравнение полученных прогнозных значений со значениями, реализованными в условиях огневого испытания позволит оценить точность прогнозирования по РЭМ на обширном экспериментальном материале .

Сравнение с экспериментальным материалом результатов прогнозирования позволит не только оценить практическую эффективность метода прогнозирования путем определения точности полученных при прогнозе значений параметров двигателя, но и подтвердить свойства РЭМ .

Успешный результат такого сравнения позволит утверждать, что диапазоны входных условий совокупности экспериментальных данных являются границами адекватности по входным данным для РЭМ испытанного ЖРД .

Тем самым на представительном экспериментальном материале будет подтверждено описанное выше неочевидное свойство РЭМ, состоящее в том, что диапазон адекватности по входным данным РЭМ гораздо шире диапазона входных условий КТИ, по которому она формируется и, согласно требованию постановки задачи, метод прогнозирования, основанный на РЭМ, обладает необходимым свойством экстраполяции .

2.4.1 Двигатель РД181

ЖРД РД181 №1А прошел цикл из семи повторных огневых испытаний .

По данным всех семи испытаний были выбраны 84 режима, которые будут использованы в дальнейшем для оценки эффективности предложенного метода прогнозирования .

Прогноз параметров рабочих процессов будет произведен в условиях каждого из 84 режимов повторных испытаний. Сравнение полученных прогнозных значений со значениями, реализованными в условиях огневого испытания, позволит оценить точность прогнозирования по РЭМ .

Отдельно отметим, что диапазоны изменения условий проведения и результатов цикла семи повторных испытаний гораздо шире, чем диапазоны условий и результатов испытания, по которому определена РЭМ .

Диапазоны изменения температур и давлений компонентов топлива, а также диапазоны изменений полученных режимов работы двигателя и соответствующих им углов приводов агрегатов регулирования для совокупности данных выбранных 84 режимов приведены в таблице 2.2 .

–  –  –

РЭМ определялась по результатам испытания, проведенного по стандартной циклограмме КТИ .

В таблице 2.3 показаны диапазоны изменения на КТИ температур, давлений компонентов топлива, реализованных режимов работы двигателя и соответствующих им углов приводов агрегатов регулирования .

–  –  –

С точки зрения дальнейшего рассмотрения - это границы изменения параметров экспериментальных данных, используемых для формирования РЭМ ЖРД РД181 №1А .

Видно, что диапазоны данных КТИ, по которому определяется РЭМ, отличны от диапазонов последующего прогнозирования .

На рисунках 2.6 - 2.17 показаны результаты сравнения значений параметров двигателя РД181 №1А, реализованных в цикле повторных испытаний с результатами метода прогнозирования по РЭМ тех же параметров в тех же условиях экспериментов .

Сравниваются значения уровней тяги, соотношения компонентов топлива, температуры газа за турбиной а также оборотов валов основных и бустерных насосов .

Для каждого параметра данные приводятся в виде зависимости от значения уровня тяги и в виде зависимости от значения соотношения компонентов топлива .

Такой вид представления принят на практике для анализа экспериментальных данных .

–  –  –

Рисунок 2.6 - РД181 №1А .

Точность прогнозирования 2,0 R, % 1,0 0,0 2,50 2,59 2,68 2,77 2,86 2,95 3,04 3,13

-1,0

–  –  –

Рисунок 2.11 - РД181 №1А .

Точность прогнозирования КПВ, % 2,0 1,0 0,0 0,5 0,6 0,7 0,8 0,9 1,0 1,1

-1,0

–  –  –

Рисунок 2.14 - РД181 №1А .

Точность прогнозирования КБГ, % 2,0 1,0 0,0 2,50 2,59 2,68 2,77 2,86 2,95 3,04 3,13

-1,0

–  –  –

Рисунок 2.16 - РД181 №1А .

Точность прогнозирования КБО, % 4,0 2,0 0,0 2,50 2,59 2,68 2,77 2,86 2,95 3,04 3,13

-2,0

–  –  –

Рисунок 2.17 - РД181 №1А .

Точность прогнозирования Итоги сравнения экспериментальных данных цикла повторных испытаний РД181 №1А и соответствующих им результатов метода прогнозирования по РЭМ приведены в таблице 2.4 .

–  –  –

Подчеркнем, что данные таблицы 2.4 получены во всем диапазоне изменений условий проведения испытаний по совокупности всех 84 режимов цикла повторных огневых испытаний РД 181 №1А .

Тем самым, полученные результаты подтверждают, что метод прогнозирования результатов повторных испытаний ЖРД на основе РЭМ адекватен практически во всем диапазоне условий эксплуатации ЖРД РД181 с точностью, достаточной для большинства прикладных задач прогнозирования .

2.4.2 Двигатель РД191

ЖРД РД191 №Д027 прошел цикл из шести повторных огневых испытаний, причем условия проведения испытаний значительно различались по уровню достигаемых значений тяги и соотношения компонентов топлива в камере сгорания и по температурам и давлениям компонентов топлива на входе в двигатель, особенно на заключительном испытании .

Данные имеющихся 62 режимов возможно использовать для прогнозирования, взяв для расчета по РЭМ из каждого режима условия на входе в двигатель и углы приводов управления .

Определив расчетные значения всех параметров двигателя, и, в первую очередь, значения основных контролируемых параметров - уровня тяги, соотношения компонентов топлива, температуры газа за турбиной, а также оборотов валов основных и бустерных насосов, сравним полученные расчетные прогнозные значения с реализованными в условиях соответствующего огневого испытания .

Это позволит оценить точность метода прогнозирования по РЭМ для данного двигателя .

Отметим, что в отличие от результатов испытаний РД 181 №1А, диапазон изменений условий испытаний РД191 №Д027 гораздо шире .

По совокупности данных всех шести испытаний (в сумме 62 выбранных режима) можно определить диапазоны изменения температур и давлений компонентов топлива, а также диапазоны изменений полученных режимов работы двигателя и соответствующих им углов приводов агрегатов регулирования на этих шести испытаниях, приведенные в таблице 2.5 .

Таблица 2.5 - Диапазоны изменения данных шести испытаний РД191 №Д027

–  –  –

С точки зрения прогнозирования - это границы значащих параметров экспериментального материала, используемого для формирования РЭМ ЖРД РД191 №Д027 .

Как и в случае анализа экспериментальных данных ЖРД РД181, заметно, что по каждому пункту диапазоны данных КТИ, по которому определяется РЭМ, отличны от диапазонов последующего прогнозирования .

На рисунках 2.18 - 2.29 показаны результаты сравнения данных цикла повторных огневых испытаний РД191 №Д027 и результатов прогнозирования по РЭМ в условиях экспериментов для уровня тяги, соотношения компонентов топлива, температуры газа за турбиной и оборотов ТНА. Для каждого параметра данные приводятся в виде зависимости от значения уровня тяги и в виде зависимости от значения соотношения компонентов .

–  –  –

Рисунок 2.29 - РД191 №Д027 .

Точность прогнозирования Итоги сравнения экспериментальных данных цикла повторных испытаний РД191 №Д027 и соответствующих им по условиям испытания результатов, полученных по методу прогнозирования по РЭМ приведены в таблице 2.7 .

–  –  –

Отметим, что данные, приведенные в таблице 2.7, определены по всему диапазону изменений условий проведения испытаний по совокупности всех 62 режимов повторных огневых испытаний РД 191 №Д027 .

Следовательно, можно сделать вывод, что метод прогнозирования результатов повторных испытаний ЖРД на основе РЭМ адекватен практически во всем диапазоне условий эксплуатации ЖРД РД191 с точностью, достаточной для большинства инженерных приложений .

2.4.3 Двигатель РД180 в составе РН «Атлас-V» (прогнозирование повторных испытаний со сменой марки горючего) На практике возможна ситуация, когда РЭМ формируется по результатам огневого испытания, проведенного по циклограмме КТИ на одной марке горючего, а при повторном испытании, например, при полете в составе РН, планируется использовать другую марку горючего .

Такая ситуация была методически предусмотрена и разрешается следующим образом – для прогнозирования результатов работы двигателя в полете используется РЭМ, у которой коэффициенты коррекции определены по КТИ, а все элементы математической модели, зависящие от марки используемого горючего, определяются соответствующими известными свойствами горючего, используемого полете .

Для того, чтобы оценить точность прогнозирования по РЭМ со сменой марки горючего, сравним значения параметров двигателя, реализованные в условиях полета и результаты прогнозирования по РЭМ, определенные как с учетом условий работы двигателя в составе РН, так и с учетом марки горючего, используемого в полете .

Результаты прогнозирования по РЭМ со сменой марки горючего удобно иллюстрировать на примере прогноза параметров ЖРД РД180, реализованных при работе двигателя в составе РН «Атлас-V» .

Сначала для анализа будут использованы результаты работы в полете одного конкретного двигателя, затем совокупность результатов работы в полете 25-ти двигателей ЖРД РД180 .

ЖРД РД180 №49Т прошел огневое натурное испытание по циклограмме КТИ на стенде НПО «ЭНЕРГОМАШ» и был успешно использован в составе ракеты-носителя «Атлас-V» № АV-034 .

КТИ РД180 №49Т проводилось на керосине РГ-1, а во время полета двигатель работал на горючем другой марки – керосине RP-1 .

Отметим отличия условий проведения КТИ, по результатам которого была сформирована РЭМ РД180 №49Т от условий, в которых двигатель эксплуатировался во время полета, приведенных в таблицах 2.8 и 2.9 .

–  –  –

На рисунках 2.30 - 2.41 показаны результаты сравнения данных, полученных во время работы РД180 №49Т в составе РН «Атлас-V» № АV-034 и результатов прогнозирования по РЭМ тех же данных в условиях полета с учетом смены марки горючего. Для каждого параметра данные приводятся в виде зависимости от значения уровня тяги и в виде зависимости от значения соотношения компонентов .

–  –  –

Рисунок 2.41 - РД180 №49Т в составе РН «Атлас-V» № АV-034 .

Точность прогнозирования со сменой марки горючего В итоге точность метода прогнозирования со сменой марки горючего для основных параметров двигателя РД180 №49Т во время работы в составе РН «Атлас-V» № AV-034 можно иллюстрировать таблицей 2.10 .

–  –  –

Рассмотрим в совокупности данные 25-ти двигателей РД180, успешно отработавших в составе 25-ти РН «Атлас-V», в сумме 115 режимов .

Диапазоны изменений совокупности полетных условий эксплуатации 25-ти ЖРД РД180 в составе РН «Атлас-V» приводятся в таблице 2.11 .

Таблица 2.11 - Диапазоны изменения полетных условий эксплуатации РД180 в составе РН «Атлас-V»

–  –  –

Каждый двигатель до использования в полете прошел огневое испытание по циклограмме КТИ, для каждого по данным собственного КТИ формировалась его собственная РЭМ, которая и использовалась для дальнейшего прогнозирования .

Для оценки эффективности метода прогнозирования по РЭМ со сменой марки горючего будем сравнивать расчетные данные с данными телеметрии на каждом режиме всех 25-ти полетов .

На рисунках 2.42 - 2.53 показаны результаты сравнения данных, полученных во время работы 25-ти ЖРД РД180 в составе 25-ти РН «Атлас-V» и результатов прогнозирования по РЭМ тех же данных в условиях полета с учетом смены марки горючего. Для каждого параметра данные приводятся как в виде зависимости от значения уровня тяги, так и в виде зависимости от значения соотношения компонентов .

–  –  –

Рисунок 2.53 - РД180 в составе РН «Атлас-V» .

Точность прогнозирования со сменой марки горючего результатов 25 полетов, Результаты, приведенные в таблице 2.11, определены по всему диапазону изменений условий совокупности 115 полетных режимов двигателей РД180 при эксплуатации двигателя на керосине марки RP-1, при том что используемая при прогнозировании РЭМ сформирована по результатам КТИ, проведенном на керосине марки РГ-1 .

Итоговые оценки точности результатов метода прогнозирования со сменой марки горючего основных параметров по совокупности 115 полетных режимов 25-ти двигателей РД180, определяемые сравнением прогнозов с данными телеметрии, представлены в таблице 2.12 .

–  –  –

Отметим, что полученные оценки эффективности предложенного метода прогнозирования включают неизбежный разброс характеристик серийно выпускаемых двигателей, погрешность телеметрии и другие погрешности, действующие в системе двигатель - РН .

Тем не менее, можно сделать вывод, что метод прогнозирования результатов повторных испытаний ЖРД на основе РЭМ адекватен практически во всем диапазоне условий эксплуатации ЖРД РД180 в составе РН «Атлас- V» с достаточной точностью .

ВЫВОДЫ:

1. Разработан метод прогнозирования результатов повторных испытаний ЖРД на основе РЭМ, позволяющий повысить достоверность прогнозирования результатов планируемых испытаний в широких диапазонах изменений режимов работы и внешних условий, а также с изменением марки горючего .

Метод разработан с целью обеспечения безопасности проведения огневых повторных испытаний за счет исключения рисков возникновения нештатных ситуаций путем устранения ошибок в назначении допустимых значений параметров рабочих процессов на планируемых испытаниях .

Областью применения предлагаемого метода являются не только повторные стендовые, но и летные испытания, а также повторные испытания, проводимые со сменой марки топлива .

Повышение достоверности результатов разработанного метода достигается за счет использования экспериментально подтвержденных характеристик конкретного двигателя для прогнозирования результатов его последующих повторных испытаний .

При расширении диапазонов условий испытания этот метод в полной мере учитывает действительные нелинейности, проявляющиеся во взаимосвязях параметров, описываемых математической моделью. Это обеспечивает необходимую точность расчетов в широком диапазоне изменения режимов и условий на входе в двигатель .

Показано, что возможности предлагаемого метода основаны на свойствах используемой РЭМ отражать подтвержденные на огневом испытании индивидуальные нелинейные характеристики двигателя .

2. С использованием экспериментальных данных, полученных в циклах повторных стендовых испытаний ЖРД РД181, РД191 и летных испытаний РД180, проведен сравнительный анализ получаемых прогнозных и реализованных в условиях повторного испытания значений основных контролируемых параметров и подтверждены преимущества предлагаемого метода прогнозирования по точности расчетных оценок и реализуемому диапазону прогнозирования .

3. Показано, что предложенный метод прогнозирования достоверен практически во всех диапазонах условий эксплуатации двигателей РД181 и РД191, а также практически во всем диапазоне эксплуатации РД180 в составе РН «Атлас-V» с точностью, достаточной для большинства задач, решаемых при доводке и эксплуатации двигателя .

3 МЕТОД ОПЕРАТИВНОГО ПРОГНОЗИРОВАНИЯ РЕЗУЛЬТАТОВ

ПОВТОРНЫХ ИСПЫТАНИЙ ЖРД НА ОСНОВЕ РЭМ

–  –  –

Метод прогнозирования, описанный в предыдущем разделе, разработан с целью повышение достоверности расчетного прогнозирования результатов повторных испытаний ЖРД .

Метод основан на доказанных экспериментально свойствах РЭМ ЖРД – модели двигателя, скорректированной по результатам его огневого испытания .

Как показано, такая модель отражает индивидуальные особенности конкретного экземпляра двигателя и обладает свойствами достоверного прогнозирования значений параметров рабочих процессов в условиях работы, выходящих за диапазоны изменений параметров на предшествующем испытании .

Например, можно представить использование предлагаемых процедур прогнозирования, основанных на расчетах по РЭМ, при управлении повторным испытанием средствами испытательного стенда или при управлении двигателя в составе ракеты-носителя вычислительными средствами на борту или на земле .

Конечно, в настоящее время вычислительные мощности испытательных стендов и сопровождающих полет ракеты-носителя вычислительных центров более чем достаточны для таких расчетов по РЭМ в режиме реального времени .

Однако очевидно, что применение РЭМ для оперативных расчетов – достаточно сложная и трудоемкая процедура, требующая сопровождения специалистами высокой квалификации .

С другой стороны, при экспериментальной доводке двигателя для множества инженерных задач необходим метод, позволяющий оперативно и без привлечения сложных вычислительных средств осуществлять адекватное прогнозирование .

Для решения этой задачи был разработан метод оперативного прогнозирования результатов повторных испытаний ЖРД, в соответствии с которым данные расчетов РЭМ аппроксимируются функциями от ограниченного количества параметров [36-40] .

Получаемые расчетные зависимости дают возможность оперативно и достоверно прогнозировать значения параметров двигателя при любых ожидаемых и физически реализуемых сочетаниях режимов работы и условий на входе в двигатель, которые могут быть реализованы на повторном испытании или при эксплуатации двигателя в составе РН .

В данном разделе показано, что задача аппроксимации однозначно решается описанием параметров рабочих процессов ЖРД как функций (полиномиальных зависимостей) шести параметров – уровня тяги R, соотношения компонентов топлива, температур и давлений компонентов топлива на входе в двигатель .

Этот вывод сделан на основе анализа структуры функциональных взаимосвязей параметров рабочих процессов, описываемых математической моделью ЖРД, и подтвержден адекватной аппроксимацией данных огневых испытаний ЖРД РД181 и РД191, полученных в широком диапазоне условий работы двигателей .

Для иллюстрации эффективности метода оперативного прогнозирования рассмотрены те же, что и в предыдущем разделе, параметры рабочих процессов:

температура газа за турбиной, обороты вала турбонасосного агрегата, бустерных насосов горючего и окислителя а также положения приводов агрегатов регулирования, .

3.2 Анализ структуры математической модели ЖРД, работающего по схеме с дожиганием в камере окислительного генераторного газа На основе анализа структуры математической модели двухкомпонентного ЖРД, работающего по схеме с дожиганием в камере окислительного генераторного газа и регулируемого по тяге и соотношению компонентов топлива, будет показано, что любой расчетный параметр такой модели может быть представлен функцией от уровня тяги, соотношения компонентов, температур и давлений компонентов на входе в двигатель .

Под математической моделью ЖРД в самом общем случае будем подразумевать систему уравнений, описывающую взаимосвязь параметров рабочих процессов (давлений, расходов, температур, оборотов турбонасосных агрегатов и т.п.) на основе фундаментальных физических законов – законов сохранения массы, импульса и энергии .

Например, в большинстве приложений математическая модель ЖРД – это система алгебраических и (или) дифференциальных уравнений, описывающих стационарные (статические) и (или) переходные (динамические) процессы в гидравлических и газовых магистралях, клапанах, турбонасосных агрегатах, газогенераторах, камерах, регуляторах и т.п .

В такой модели могут быть использованы эмпирические данные, характеризующие параметры рабочих тел, данные автономных испытаний отдельных агрегатов и др .

В дальнейшем под математической моделью ЖРД будет подразумеваться математическая модель стационарных рабочих процессов .

В самом общем виде математическая модель ЖРД – система m уравнений (3.1) описывающих взаимосвязь n неизвестных переменных (3.2) причем, число неизвестных переменных (3.2) всегда больше числа уравнений (3.1), т.к. в неизвестных обязательно содержатся такие, которые отражают сопряжение двигателя с топливными магистралями, системой управления и системой измерения на огневом стенда или в составе ракеты .

Например, математическая модель двухкомпонентного ЖРД, работающего по схеме с дожиганием в камере окислительного генераторного газа и регулируемого по тяге и соотношению компонентов топлива, может быть представлена следующей упрощенной, без потери физического смысла, системой уравнений в символьном виде:

–  –  –

турбины; – температура газа на выходе турбины; мощности турбины и насосов; – положения приводов регулятора расхода, компонента в газогенератор и дросселя горючего на входе в камеру сгорания .

Представленная система уравнений содержит 18 уравнений и 24 неизвестных и для её решение необходимо задать значения 6 неизвестных – замыкающих параметров. Каких именно – определяется такой постановкой задачи, которая обеспечивает структурную невырожденность получаемой системы уравнений модели .

В рассматриваемой задаче для замыкания системы уравнений используются известные значения тяги, соотношения компонентов топлива, а также температур и давлений компонентов на входе в двигатель. Доказано, что эти параметры обеспечивают структурную невырожденность системы уравнений модели .

Однако само доказательство достаточно громоздко и поэтому здесь не приводится .

Тогда зависимости, используемые для прогнозирования значений любых параметров рабочих процессов ЖРД, рассчитываемых по такой математической модели, можно компактно представить в самом общем виде:

(3.3) где – прогнозируемый параметр .

3.2.1 Подтверждение результатов анализа математической модели аппроксимацией данных огневых испытаний ЖРД В предыдущем разделе в результате анализа структуры математической модели двухкомпонентного ЖРД, работающего по схеме с дожиганием окислительного генераторного газа в камере, было показано, что зависимости, используемые для прогнозирования параметров, можно однозначно определить функциями шести переменных – уровня тяги R, соотношения компонентов топлива, а также температур и давлений компонентов на входе в двигатель (3.3) .

Проверка правильности такого представления проводилась путем анализа результатов цикла повторных огневых испытаний ЖРД РД181, РД191 и состояла в оценке их близости к аппроксимации полиномами вида:

где произведения – неповторяющиеся пары переменных. Общее число коэффициентов – 28 .

Удачная аппроксимация экспериментально полученных данных полиномами вида (3.4), как функций от экспериментальных значений шести определенных выше переменных, подтвердит выводы о функциональном содержании связей параметров (3.3) и приемлемости выбора формального вида связей (3.4) .

Полиномы вида (3.4) на данном этапе исследований выбраны исходя из желания учесть всевозможные эффекты двойных взаимодействий между независимыми переменными и нелинейности. Анализ свойств таких полиномов является самостоятельной задачей и предметом последующих исследований .

Выбор полинома второй степени основывается на результатах работы автора [41], посвященной анализу стационарных рабочих процессов ЖРД РД191, РД180 и РД170. Обобщающие функции, полученные из анализа результатов огневых испытаний методами теории подобия [42,43], представлены в [41] полиномами второй степени .

В рамках настоящей работы важен вывод работы [41] о том, что выбранная вторая степень используемых полиномов достаточна для приемлемой точности описания связей параметров рабочих параметров на начальном этапе проектирования новых ЖРД .

Напомним, что ЖРД РД181 №1А прошел цикл повторных огневых испытаний, условия проведения которых широко варьировались как по режимам, так и по условиям на входе в двигатель. Используемые экспериментальные данные состоят из набора параметров 84-х представительных режимов, выбранных по совокупности семи испытаний .

Результаты аппроксимации экспериментальных значений всех рассматриваемых параметров по совокупности экспериментальных 84 режимов методом наименьших квадратов приведены в таблицах 3.1 и 3.2 .

Таблица 3.1 - Коэффициенты полиномов (3 .

4), аппроксимирующих данные цикла повторных испытаний ЖРД РД181 №1А

КТГ КПВ КБГ КБО

2,834E+04 -1,890E+03 7,574E+02 -1,630E+03 1,703E+04 2,135E+03 9,988E+02 5,993E+02 4,153E+02 2,191E+02 -4,500E+02 8,174E+02

-1,269E+03 -6,062E+02 2,880E+01 -2,222E+02 4,588E+02 1,047E+03 2,913E+02 -3,103E+01 8,485E+00 -2,147E+01 1,924E+02 5,009E+01

-4,039E+01 1,181E+01 -1,473E+01 8,321E+00 -4,591E+01 3,450E+01

-9,804E+01 -4,151E+00 -3,435E+01 6,222E+00 -1,170E+02 4,755E+01 3,768E+02 4,180E+01 2,577E+01 5,351E+00 3,483E+02 1,414E+02

-9,630E+00 -1,201E+01 -1,824E+01 -2,820E+00 -1,077E+02 -7,963E+01 3,083E+01 4,729E+00 6,617E-01 3,189E+00 -1,436E+01 1,822E+02 7,614E-01 -1,093E-01 2,504E-02 -6,734E-02 5,472E-01 2,555E-01 2,700E-02 -7,088E-02 8,986E-03 -3,003E-02 5,730E-03 -2,630E-02 6,439E-01 1,570E-01 1,614E-01 4,392E-02 5,083E-01 -5,493E-01 2,028E+00 -4,482E-01 1,762E-01 -2,290E-01 2,842E+00 3,188E+00

-5,276E+01 2,255E+01 2,427E+00 7,698E-01 7,478E+00 -7,246E+01 1,820E+00 1,933E+00 1,756E+00 5,851E-01 -1,896E+00 2,506E+00 1,288E+00 -1,864E-01 -1,742E-01 -1,214E-01 7,971E-02 -2,056E+00 3,207E+00 -2,621E-01 6,903E-01 -1,757E-01 2,361E-01 -4,985E+00 продолжение таблицы 3.1

–  –  –

Однако оценку эффективности аппроксимации углов приводов управления, с инженерной точки зрения, необходимо приводить не в отклонениях их расчетных значений от экспериментальных, а в тех отклонениях уровня R и Km, к которым приводит отклонение расчетных углов регулятора и дросселя, соответственно, от экспериментальных .

Такие отклонения легко рассчитать, имея расчет коэффициентов соответствующих аппроксимирующих полиномов, причем очевидно, что получающиеся производные также являются функциями рассматриваемых шести входных параметров и индивидуальны для каждого из режимов .

В окончательном виде результаты аппроксимации экспериментальных данных РД181 №1А полиномами (3.4) с точки зрения оценки близости их к аппроксимируемым экспериментальным данным, приведены на рисунках 3.1 – 3.12 .

Для каждого параметра данные приводятся в виде зависимости от значения уровня тяги и в виде зависимости от значения соотношения компонентов .

–  –  –

Итоги сравнения экспериментальных данных и соответствующих им, по условиям испытания, результатов аппроксимации экспериментальных данных приведены в таблице 3.3 .

–  –  –

Расчеты аппроксимации экспериментальных данных цикла повторных испытаний РД191 №Д027 приводят к аналогичным результатам, таблицы 3.4, 3.5 и 3.6 .

Таблица 3.4 - Коэффициенты полиномов вида (3 .

4), аппроксимирующих данные цикла повторных испытаний ЖРД РД191 Д027

–  –  –

Таким образом, на основе анализа представительной выборки экспериментальных данных огневых испытаний ЖРД РД181 и РД191 подтверждено, что экспериментальные данные с высокой точностью связаны между собой зависимостями, которые определяются как функции шести параметров – уровня тяги R, соотношения компонентов топлива, а также температур и давлений компонентов топлива на входе в двигатель (3.3) и такие зависимости успешно аппроксимируются полиномами вида (3.4) .

3.3. Алгоритм метода оперативного прогнозирования результатов повторных испытаний ЖРД на основе РЭМ Алгоритм метода оперативного прогнозирования значений параметров рабочих процессов двигателя при повторных испытаниях основан на использовании свойств расчетно-экспериментальной модели ЖРД обеспечивать достоверный расчет параметров в широком диапазоне их изменения и включает в себя последовательность следующих процедур:

1. определяется состав измеряемых или задаваемых условиями испытания параметров где k – число параметров с помощью которых реализуется замыкание исходной математической модели рабочих процессов двигателя, т.е. любой параметр рабочего процесса может быть представлен как функция k заданных параметров;

2. в исходную математическую модель вводятся характеристики отдельных агрегатов, входящих в сборку конкретного экземпляра двигателя, полученные при автономных испытаниях;

формируется расчетно-экспериментальная модель – инструмент, 3 .

позволяющий в дальнейшем проводить достоверные прогнозные расчеты в широких диапазонах изменения параметров расчетов, включающей условия КТИ .

Для этого математическая модель, полученная на предыдущем шаге, корректируется по результатам огневого испытания данного экземпляра двигателя и приобретает индивидуальные черты данного двигателя, подтвержденные огневым натурным экспериментом;

4. заданные (прогнозируемые) диапазоны каждого замыкающего параметра разбиваются на интервалы (или определяются расчетные точки), в которых по РЭМ вычисляются значения прогнозируемых параметров двигателя .

В результате получена расчетная имитация многорежимного огневого испытания, режимы которого отличаются варьированием 6-ти параметров, для каждого расчетного параметра формируется свой 6-ти мерный массив данных;

1.5 Данные каждого массива аппроксимируются полиномами выбранного вида .

В результате для каждого рассматриваемого параметра двигателя, прошедшего КТИ, в широком диапазоне условий эксплуатации определены коэффициенты зависимостей вида (3.4), позволяющие оперативно и достоверно определить значения этих параметров по уровню тяги R, соотношению компонентов топлива и четырем условиям на входе в двигатель (температуры и давления компонентов топлива) .

3.4 Подтверждение преимуществ метода оперативного прогнозирования на основе РЭМ по данным огневых испытаний ЖРД

–  –  –

Для подтверждения эффективности предлагаемого метода оперативного расчетного прогнозирования вновь обратимся к экспериментальным данным цикла повторных огневых испытаний РД181 №1А .

Согласно алгоритму метода оперативного прогнозирования исходная математическая модель РД181, предварительно, до КТИ, уточняется характеристиками отдельных агрегатов конкретного двигателя РД181 №1А, полученными при автономных испытаниях .

По результатам КТИ, путем коррекции уточненной ранее математической модели, формируется расчетно-экспериментальная математическая модель РД181 №1А .

В диапазонах изменения режимов и условий на входе в двигатель по совокупности всех 84-х режимов цикла повторных испытаний РД181 №1А определяются расчетные точки, отличающиеся значениями 6-ти переменных расчета по РЭМ .

Во всех полученных точках проводятся расчеты по РЭМ РД181 №1А прогнозируемых параметров рабочих процессов данного двигателя .

В результате для каждого прогнозируемого параметра имеем таблично заданную функцию 6-ти переменных - массив полученных 1606 расчетных данных этого параметра, соотносимых с конкретными значениями 6-ти переменных в расчетных точках .

Каждый полученный массив расчетных данных аппроксимируется полиномами вида (3.4) как функция значений данного параметра от 6-ти входных переменных .

Подчеркнем, что для получения этих результатов использовалась только следующая информация о двигателе РД181 №1А:

- характеристики агрегатов, полученные при автономных испытаниях;

- результаты КТИ;

- диапазоны условий проведения цикла повторных огневых испытаний по 6ти переменным – R, и условиям на входе .

Полученные полиномы дают возможность оперативного расчетного прогнозирования по РЭМ параметров рабочих процессов РД181 №1А .

Оценка точности метода оперативного прогнозирования производилась по каждому выделенному параметру путем сравнения его экспериментальных значений с результатами расчета по соответствующему полиному в соответствующих экспериментальных условиях .

В таблице 3.7 приводятся коэффициенты полиномов вида (3.4), аппроксимирующих значения основных контролируемых параметров, полученых в результате расчетов по РЭМ в узлах расчетной сетки .

Итоги сравнения экспериментальных данных и соответствующих им по условиям испытания результатов оперативного прогнозирования приведены в таблице 3.8 .

Таблица 3.7 - Таблица коэффициентов полиномов вида (3 .

4), полученных в результате аппроксимации расчетов по РЭМ РД181 №1А в узлах расчетной сетки

–  –  –

На рисунках 3.13 – 3.24 показаны оценки точности метода оперативного прогнозирования для каждого выбранного параметра ЖРД РД181 №1А путем сравнения его экспериментальных значений с результатами расчета по полученному полиному. Для каждого параметра данные приводятся как в виде зависимости от значения уровня тяги, так и в виде зависимости от значения соотношения компонентов .

–  –  –

Полученные результаты позволяют сделать вывод о достаточном для большинства практических задач уровне точности метода оперативного прогнозирования во всем диапазоне изменений условий эксплуатации ЖРД РД181 №1А .

–  –  –

В соответствии с алгоритмом оперативного прогнозирования

- исходная математическая модель ЖРД РД191 была уточнена характеристиками агрегатов конкретного экземпляра двигателя, полученными на автономных испытаниях;

- по данным КТИ РД191 №Д027 была сформирована его РЭМ;

- по совокупности выбранных 62-х режимов цикла 7-ми повторных огневых испытаний были определены расчетные точки по шести переменным (около 2 500 расчетных точек);

- во всех полученных точках проведены расчеты значений контролируемых параметров;

- для каждого параметра результаты расчетов были аппроксимированы полиномами (3.4) как функции от шести параметров (3.3) .

Адекватность полученного оперативного алгоритма оценивалась по исходным экспериментальным данным всех семи испытаний – в условиях каждого из 62 режимов по полученным зависимостям рассчитывались значения контролируемых параметров и сравнивались с результатами испытаний .

В таблице 3.10 приводятся коэффициенты полиномов вида (3.4), полученных в результате аппроксимации расчетов по РЭМ в выбранных расчетных точках .

Итоги сравнения экспериментальных данных и соответствующих им по условиям испытания результатов оперативного прогнозирования приведены в таблице 3.11 .

–  –  –

Таблица 3.11 - Диапазоны абсолютных отклонений данных цикла повторных испытаний ЖРД РД191 Д027 от результатов их оперативного прогнозирования по РЭМ

–  –  –

На рисунках 3.25 - 3.36 показаны результаты сравнения данных цикла повторных огневых испытаний РД191 №Д027 и результатов метода оперативного прогнозирования по РЭМ в условиях экспериментов для уровня тяги, соотношения компонентов топлива, температуры газа за турбиной и оборотов ТНА. Для каждого параметра данные приводятся как в виде зависимости от значения уровня тяги, так и в виде зависимости от значения соотношения компонентов .

–  –  –

Рисунок 3.31 - РД191 №Д027 .

Точность оперативного прогнозирования КПВ, % 2,0 1,0 0,0 2,5 2,6 2,7 2,8 2,9 3,0 3,1

-1,0

–  –  –

Рисунок 3.36 - РД191 Д027 .

Точность оперативного прогнозирования В окончательном виде результаты аппроксимации расчетных данных как функций (3.3) полиномами вида (3.4,) с точки зрения оценки близости их к экспериментальным данным, приведены в таблице 3.12 .

–  –  –

Полученные результаты позволяют сделать вывод об уровне точности метода оперативного прогнозирования, достаточном для большинства инженерных задач во всем диапазоне изменений условий эксплуатации ЖРД РД191 .

3.5 Программно-математическое обеспечение метода оперативного прогнозирования результатов повторных испытаний ЖРД на основе РЭМ Описанный выше алгоритм метода оперативного прогнозирования результатов повторных испытаний ЖРД на основе РЭМ реализован в виде комплекса компьютерных программ на языке программирования Фортран для персонального компьютера с операционной системой Windows .

Блок - схема формирования прогнозируемых данных представлена на рисунке 3.37 .

Система измерения Математическая Коррекция математической модели, параметров модель двигателя формирование РЭМ двигателя

–  –  –

Рисунок 3.37 - Расчет по РЭМ возможных значений прогнозируемых параметров и др .

в назначенных диапазонах изменения R, и внешних условий .

, Комплекс программ обеспечивает проведение следующих расчетных процедур:

1. корректировка математической модели экземпляра двигателя по результатам автономных испытаний агрегатов и измерениям параметров двигателя при огневом испытании;

2. расчеты по РЭМ для формирования 6-мерной сетки (таблицы) возможных значений прогнозируемых параметров и др. в назначенных диапазонах, изменения тяги, соотношения компонентов и внешних условий;

3. аппроксимация возможных значений прогнозируемых параметров;

4. оценка точности аппроксимации;

5. определение конкретных значений прогнозируемых параметров при заданных аргументах полиномов .

Расчеты по РЭМ для формирования 6-мерной сетки, аппроксимация результатов расчетов и определение коэффициентов полиномов проводятся программой

MODEL_PRO.exe, запускаемой управляющим файлом MODEL_PRO.bat:

MODEL_PRO.exe str i range_m.txt otl sur.dat,

где str– индексация типовых блоков модели (входные данные);

i– модель, коммутационная матрица взаимосвязей параметров блоков, постоянные коэффициенты, переменные параметры (входные данные);

range_m.txt – файл входных данных, определяющих 6-мерную сетку расчетных значений прогнозируемых параметров, включает диапазоны изменения R, и внешних условий, количество интервалов разбиения диапазонов, а также состав прогнозируемых параметров и имена выходных файлов ( рис. 3. 38);

–  –  –

3 количество интервалов разбиения имя прогнозируемого параметра двигателя Y1 имя выходного файла, содержащего результаты расчетов по РЭМ на Y1_M 6-мерной сетке имя выходного файла, содержащего результаты аппроксимации Y1_MP имя выходного файла, содержащего коэффициенты полинома и Y1_P оценку точности аппроксимации

–  –  –

оtl –информация о ходе работы программы;

sur.dat –коэффициенты коррекции при формировании РЭМ .

На рисунке 3.39 представлен фрагмент выходного файла Y1_M. Расчеты значений параметра Y1 по РЭМ - последний столбец, во 2-м по 7-й столбцах – условия расчета, соответственно, значения уровня тяги, соотношения компонентов топлива, температур и давлений окислителя и горючего на входе в двигатель .

1 1.050 3.025 -175.000 27.000 12.500 4.500 13.033 2 1.050 3.025 -175.000 27.000 12.500 3.075 13.021 3 1.050 3.025 -175.000 27.000 12.500 1.650 13.009 4 1.050 3.025 -175.000 27.000 7.500 1.650 11.679 5 1.050 3.025 -175.000 27.000 7.500 3.075 11.690 6 1.050 3.025 -175.000 27.000 7.500 4.500 11.701 7 1.050 3.025 -175.000 27.000 2.500 4.500 10.356 … 724.430 2.500 -185.000 -20.000 7.500 1.650 172.706 725.430 2.500 -185.000 -20.000 7.500 3.075 172.649 726.430 2.500 -185.000 -20.000 7.500 4.500 172.595 727.430 2.500 -185.000 -20.000 2.500 4.500 171.332 728.430 2.500 -185.000 -20.000 2.500 3.075 171.377 729.430 2.500 -185.000 -20.000 2.500 1.650 171.424

–  –  –

На рисунке 3.40 представлен фрагмент выходного файла Y1_Р, предназначенного для расчетов коэффициентов прогностического полинома и оценки точности аппроксимации через сравнение значений параметра Y1, рассчитанных по РЭМ – 2-й столбец рисунка и по полиному- 3-й столбец .

В 4-м и 5-м столбце представлена абсолютная и относительная разность в процентах соответственно .

–  –  –

720 173.82100 175.18050 1.35950.78213 721 173.93900 175.66875 1.72975.99446 722 174.00800 175.71342 1.70542.98008 723 174.08400 175.75859 1.67459.96194 724 172.70600 174.63549 1.92949 1.11721 725 172.64900 174.59148 1.94248 1.12510 726 172.59500 174.54798 1.95298 1.13154 727 171.33200 173.38964 2.05764 1.20096 728 171.37700 173.43198 2.05498 1.19910 729 171.42400 173.47482 2.05082 1.19634

–  –  –

Расчет прогнозируемых значений параметра Y1 для конкретных режимов и внешних условий повторных испытаний осуществляется программой PLNM_PRO.exe .

Входные данные PLNM_PRO.exe содержатся в файле range_p.txt (рис .

3.41) .

–  –  –

Выходные данные PLNM_PRO.exe – файл Y1_PR.TXT( рис. 3.42) .

В первой строке – имя файла, во второй- уровень тяги, соотношение компонентов топлива, температура окислителя и горючего, давление окислителя и горючего на заданном режиме испытания, в третьей строке – то же для следующего режима. В пятой и шестой строке – прогнозируемые значения параметра .

–  –  –

.430 2.500 -185.000 -20.000 2.500 1.650

РЕЗУЛЬТАТЫ ПРОГНОЗИРОВАНИЯ В ЗАДАHНЫХ УСЛОВИЯХ ИСПЫТАНИЯ ДЛЯ ПАРАМЕТРА Y1

Y1= 13.264

–  –  –

ВЫВОДЫ

1. Разработан метод оперативного прогнозирования результатов повторных испытаний ЖРД, использующий результаты расчетов, выполненных по расчётноэкспериментальной математической модели в широком диапазоне условий работы двигателя и обеспечивающий высокую достоверность и оперативность прогнозирования параметров рабочих процессов ЖРД в различных ожидаемых и физически реализуемых условиях повторных испытаний .

2. Разработан алгоритм формирования полиномиальных зависимостей прогнозируемых параметров как функций шести переменных: уровня тяги, соотношения компонентов топлива, температур и давлений компонентов на входе в двигатель .

3. Предложенные полиномиальные зависимости дают возможность адекватного и оперативного расчетного прогноза результатов повторных испытаний при экспериментальной доводке двигателя без привлечения сложных вычислительных средств .

Функциональная структура зависимостей получена на основе анализа математической модели ЖРД и доказана адекватной аппроксимацией данных огневых испытаний в широком диапазоне условий работы двигателей .

Сравнение результатов метода оперативного прогнозирования с данными огневых испытаний показало, что предложенный метод достоверен практически во всем диапазоне условий эксплуатации ЖРД с точностью, достаточной для практических задач сопровождения экспериментальной доводки и эксплуатации двигателя .

4. ПРИМЕНЕНИЕ МЕТОДОВ ПРОГНОЗИРОВАНИЯ НА ОСНОВЕ РЭМ ДЛЯ

РЕШЕНИЯ ЗАДАЧ САЗ, ИСПОЛЬЗУЮЩИХ АДАПТИВНЫЕ АЛГОРИТМЫ,

И СИСТЕМ РЕГУЛИРОВАНИЯ ЖРД

Метод прогнозирования параметров рабочих процессов ЖРД при повторных испытаниях на основе РЭМ разработан с целью обеспечения безопасности проведения огневых повторных испытаний за счет исключения рисков возникновения нештатных ситуаций в случае ошибок в назначении допустимых значений параметров рабочих процессов на планируемых испытаниях .

На практике обеспечение безопасности испытаний двигателя на стенде и безопасности пусков РН является задачей конкретных технических систем: САЗ и системы регулирования ЖРД .

Рассмотрим принципы работы САЗ на стенде, предназначенном для проведения огневых натурных испытаний ЖРД [44] .

Исходной информацией в данном случае являются профиль режимов будущего испытания и требуемые условия на входе в двигатель .

Основным принципом построения современной САЗ является принцип адаптивной настройки системы к режимам работы двигателя, когда в реальном масштабе времени пороговые значения формируются в зависимости от задаваемого режима работы двигателя [45,46,47] .

Адаптивная настройка пороговых значений повышает эффективность работы САЗ за счет сужения полей допусков по сравнению с так называемой «жесткой» системой, при которой назначаются значения, единые для всего испытания .

На каждом успешно реализованном режиме испытания, с учетом текущих условий на входе, САЗ формирует пороговые значения контролируемых параметров для следующего, по заданной циклограмме, режима испытания .

Алгоритм формирования пороговых значений состоит из двух этапов:

- прогнозируются значения контролируемых параметров для данного режима работы;

- относительно вычисленных прогнозных значений назначаются предельно допустимые верхние и нижние значения контролируемых параметров, соответствующие рассматриваемому режиму .

В дальнейшем, при реализации на следующем шаге испытания заданного по циклограмме режима в случае выхода фактически измеренных значений контролируемых параметров за диапазон предварительно определенных порогов формируется исполнительная команда на аварийное выключение двигателя .

Не вызывает сомнения, что в основных моментах - это стендовая имитация работы бортовой системы САЗ [48], которая является частью системы безопасности РН .

В итоге из рассмотрения принципов работы стендовой и бортовой адаптивных САЗ можно сделать выводы:

1) одной из основных задач по аварийной защите двигателя является определение прогнозируемых значений контролируемых параметров, соответствующих конкретным условиям его эксплуатации;

2) эффективность работы САЗ определяется обоснованностью назначения пороговых значений контролируемых параметров, которая, в свою очередь, опирается на достоверность результатов прогнозирования .

При работе двигателя в составе РН система регулирования двигателем должна обеспечивать задаваемые уровень режима по тяге R и соотношению компонентов топлива путем формирования команд на агрегаты регулирования (регулятор и дроссель), компенсируя разброс характеристик агрегатов двигателя и влияние внешних факторов [49,50,51,52] .

Для этого в полете используется алгоритм регулирования, содержащий зависимости положений приводов агрегатов регулирования от требуемых R, и полетных условий на входе в двигатель .

Такой алгоритм должен обеспечивать обоснованное получение результатов с точностью, допустимой техническим заданием, и быть адекватным в заданных

–  –  –

Производные тяги и соотношения компонентов топлива по температурам компонентов и плотности горючего определяются предварительно по математической модели данного типа двигателя или, как для ЖРД РД180, экспериментальным путем .

При этом в основе методики определения такого алгоритма регулирования лежит гипотеза о линейности зависимостей характеристик двигателя от при описании зависимостей учитывается только первый член разложения в ряд Тейлора, связанный с первой производной, что справедливо для малых окрестностей номинальных условий на входе .

Отметим, что критерием адекватности получаемого алгоритма регулирования, согласно документации, является выполнение условий по диапазонам точности результатов определения значений тяги и соотношения компонентов при номинальных внешних условиях .

Вопрос подтверждения диапазона адекватности по входным данным документацией не предусматривается .

Накопленная положительная статистика использования алгоритмов регулирования, определенных по результатам КТИ существующими методами, при эксплуатации двигателей в составе РН убедительно свидетельствует о их эффективности, однако они методически и физически громоздки и требуют для их использования и распространения на модернизируемые или новые двигатели экспертного сопровождения специалистами высокой квалификации .

Показанная в работе возможность физически обоснованного формальноматематического описания алгоритма регулирования позволяет предложить подходы, не менее адекватные по результатам, но лишенные указанных недостатков [57] .

С точки зрения прогнозирования повторных испытаний углы приводов агрегатов управления в условиях, задаваемых направлением на испытание, определяются по алгоритму метода прогнозирования на основе РЭМ .

Одним из промежуточных результатов метода оперативного прогнозирования на основе РЭМ является определение коэффициентов полиномиальной зависимости углов приводов агрегатов регулирования ЖРД как функции шести переменных - уровня тяги R, соотношения компонентов топлива, температур и давлений компонентов топлива на входе в двигатель:

Очевидно, что конкретный вид зависимостей есть не что иное, как алгоритм регулирования данного двигателя .

Достоверность таких зависимостей, подтвержденная ранее на результатах огневых испытаний в таблицах 3.2, 3.5, 3.8 и 3.11, позволяет предложить использование метода оперативного прогнозирования на основе РЭМ для формирования полетного алгоритма регулирования ЖРД по результатам его КТИ .

Конечный вид зависимостей алгоритма регулирования определяется в самом общем физически обоснованном виде .

Диапазон адекватности такого алгоритма регулирования по входным данным совпадает с диапазоном условий эксплуатации двигателя, так как метод учитывает все нелинейности, влияние которых становится значимым при расширении диапазона прогнозирования .

Чтобы воспользоваться результатами метода, надо подставить условия расчета непосредственно в получаемые полиномы .

ВЫВОДЫ

1. Показано, что применение разработанного метода прогнозирования на основе РЭМ в адаптивных алгоритмах стендовых и бортовых САЗ ЖРД позволит повысить безопасность испытаний и полетов за счет обоснованности назначения пороговых значений контролируемых параметров двигателя .

2. Для определения алгоритма регулирования ЖРД предложено использовать представление углов приводов агрегатов регулирования в виде полиномиальной зависимости как функций шести параметров с использованием процедур метода оперативного прогнозирования .

Конечный вид зависимостей определяется аппроксимацией результатов расчетов по РЭМ углов приводов агрегатов управления в широком диапазоне условий эксплуатации двигателя .

На основании анализа экспериментальных данных показано, что основным преимуществом такого алгоритма регулирования является расширенный диапазон адекватности по входным данным, который совпадает с диапазоном изменений значений тяги, соотношения компонентов топлива и внешних условий при эксплуатации двигателя .

ЗАКЛЮЧЕНИЕ

Проведена классификация математических моделей ЖРД, используемых для анализа рабочих процессов на разных стадиях жизненного цикла двигателя .

Установлено, что расчетно-математическая модель ЖРД (РЭМ) – модель, полученная коррекцией модели рабочих процессов конкретного экземпляра двигателя по результатам его огневого испытания, может быть использована для решения задачи повышения достоверности прогнозирования результатов повторных испытаний .

Разработан метод прогнозирования результатов повторных испытаний ЖРД на основе РЭМ и показано, что этот метод отличается от существующих повышенной точностью, которая подтверждается в более широких диапазонах изменений режимов 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 испытаний не превышает 2,..,4% .

Разработан метод оперативного прогнозирования результатов повторных испытаний на основе аппроксимации результатов расчетов по РЭМ в виде полиномиальных зависимостей.

Доказано, что для прогнозирования параметров ЖРД, выполненного по схеме с дожиганием генераторного газа, такие зависимости можно однозначно определить как функции шести переменных:

уровня тяги, соотношения компонентов топлива, а также температур и давлений компонентов на входе в двигатель. Полиномиальные зависимости получены аппроксимацией 6-мерных массивов значений параметров, рассчитанных по РЭМ .

Разработано программно-математическое обеспечение метода оперативного прогнозирования. Метод может применяться при необходимости оперативного прогнозирования в цикле повторных огневых испытаний ЖРД без снижения точности и без привлечения сложных вычислительных средств .

На основе метода оперативного прогнозирования предложен алгоритм регулирования ЖРД, определяемый как полиномиальные зависимости углов приводов агрегатов регулирования от уровня тяги, соотношения компонентов и условий на входе в двигатель. Анализ экспериментальных данных показал, что основным преимуществом такого алгоритма регулирования перед существующим является расширенные диапазоны адекватности по изменению значений тяги, соотношений компонентов топлива и внешних условий при эксплуатации двигателя .

Результаты сравнения прогнозируемых и измеренных при повторных стендовых испытаниях ЖРД РД181, РД191 и при работе в составе РН РД180 значений параметров подтверждают преимущества предлагаемых методов прогнозирования перед существующими по точности расчетных оценок и реализуемому диапазону достоверного прогнозирования .

Применение разработанных методов прогнозирования обеспечит высокую точность прогнозирования параметров ЖРД, работающих в условиях форсирования и глубокого дросселирования, снижая, тем самым, риски возникновения аварийных ситуаций .

Рекомендуется использовать разработанные методы прогнозирования на основе РЭМ для формирования адаптивных алгоритмов контроля в системах аварийной защиты ЖРД при стендовых испытаниях и при работе двигателя в составе РН .

СПИСОК ЛИТЕРАТУРЫ

1. Беляев Е.Н., Чванов В.К., Черваков В.В. Математическое моделирование рабочего процесса жидкостных ракетных двигателей. М.: Изд-во МАИ, 1999. с .

2. Добровольский М.В. Жидкостные ракетные двигатели. М.: Изд-во МГТУ им. Н.Э.Баумана, 2005. - 488 с .

3. Алемасов В.Е., Дрегалин А.Ф., Тишин А.П. Теория ракетных двигателей .

М.: Машиностроение, 1989. - 464с .

4. Овсянников Б.В., Боровский Б.И. Теория и расчет агрегатов питания ЖРД. М.: Машиностроение, 1986. - 376с .

5. Миленко Н.П., Сердюк А.В. Моделирование испытаний ЖРД. М.:

Машиностроение, 1974. - 184 с .

6. Барботько Л.Н., Мартиросов Д.С. Коррекция математической модели ЖРД по результатам огневого испытания для задач диагностики. // Труды НПО «Энергомаш имени академика В.П.Глушко».- 2003.-№ 21. – С.91-104 .

7. Александровская Л.Н., Афанасьев А.П., Лисов А.А Современные методы обеспечения безотказности сложных технических систем: Учебник. – М.:Логос, 2001,-208с .

Александровская Л.Н., Афанасьев А.П., Лисов А.А и др 8 .

Методологические предпосылки к утверждению и предотвращению отказов сложных технических объектов в эксплуатации // Надежность и контроль качества. – 1997,-№9.- С.12-19 .

9. Александровская Л.Н., Круглов В.И., Кузнецов А.Г. и др. Теоретические основы испытаний и экспериментальная отработка сложных технических систем:

Учеб. Пособие.- М:Логос.2003,- 736с .

Судаков Р.С. Теория испытаний технических систем. М.:

10. Машиностроение, 1988. – 345с .

11. Волок В.П. Испытательные стенды.-М.: Знание, 1980. -63с .

Шишкин И.Ф., Сергушев Г.Ф. Испытания и испытательное 12 .

оборудование; Учебное пособие. – СПб.; СЗТУ, 1999. – 50с .

13. Шишкин И.Ф. Прикладная метрология.:Учеб. пособие.-М.: ВЗПИ, 1990 .

-115с .

14. Костылев Ю.С., Лосицкий О.Г. Испытания продукции.-М.: Изд-во стандартов, 1989.-167с .

15. Синотов А.Г. Государственные испытания промышленной продукции .

Аттестация испытательного оборудования.-М.: ВИСМ, 1986. -60с .

16. Джонсон Н., Лион Ф. Статистика и планирование эксперимента в технике и науке. Методы обработки данных. – М.: Мир, 1980, - 511с .

17. Макгомери Д.И. Планирование эксперимента и анализ данных. – Л.:

Судостроение, 1980. -384с .

18. Гишваров А.С. Многокритериальное планирование эксперимента при исследовании технических систем. Уфа : Гилем, 2006. - 305 с .

19. Гишваров А.С. Параметрическая оптимизация ресурсных испытаний энергетических установок летательных аппаратов многовариантного применения .

// Вестник УГАТУ. 2002. С. 46–66 .

20. Гишваров А.С. Теория ускоренных ресурсных испытаний технических систем. Уфа : Гилем, 2000. - 338 с .

21. Гишваров А.С. Совмещенные ресурсные испытания технических систем. Уфа : Гилем, 2002. - 268 с .

22. Гишваров А.С. Оптимизация ресурсных испытаний технических систем имитационным моделированием жизненного цикла. Уфа : Гилем, 2005. - 328 с .

23. Аронов И.З., Бурдасов Е.И. Оценка надежности по результатам сокращенных испытаний. – М.: Изд-во стандартов, 1987.- 182с .

24. Жуковский А.Е., Кондрусев В.С., Левин В.Я., Окорочков В.В .

Испытания жидкостных ракетных двигателей / Под ред. проф. Левина В.Я. –М.:

Машиностроение, 1981.- 199с .

25. Луарсабов К.А., Пронь Л.В., Сердюк А.В. Летные испытания жидкостных ракетных двигателей. – М.:Машиностроение, 1977, - 192с .

26. Недайвода А.К. Теоретические основы натурной отработки ракетносителей.-СПб.:Политехника, 1996. – 255с .

27. Недайвода А.К., Шолом А.М. Факторы и условия полета ракетной и космической техники.- М.: МГАТУ, 1995.- 226с .

28. Буканов В.Т., Каменский С.С., Мартиросов Д.С. Применение расчетноэкспериментальной модели для прогноза параметров рабочих процессов ЖРД в цикле повторных испытаний. // Труды НПО «Энергомаш имени академика В.П.Глушко».- 2015.- № 32. – С.91-99 .

29. Мартиросов Д.С. Диагностирование сложных технических систем на основе математических моделей физических процессов и измеряемых параметров методом структурного исключения. М.: Изд-во МАИ, 1998. - 56с .

30. Мартиросов Д.С., Мирошкин В.В., Буканов В.Т. Функциональное диагностирование ЖРД при многократных испытаниях // Труды НПО «Энергомаш имени академика В.П.Глушко».- 2010.-№ 25. – С.220-231 .

31. Белова Ю.Н., Каменский С.С., Буканов В.Т., Колбасенков А.И., Мартиросов Д.С. Функциональное диагностирование ЖРД по отклонениям характеристик агрегатов и элементов конструкции. // Труды НПО «Энергомаш имени академика В.П.Глушко».- 2012.-№ 29. – С.188-197 .

32.Мартиросов Д.С. Математические модели и глубина диагностирования. // Труды НПО «Энергомаш имени академика В.П.Глушко».- 2002. -№ 20. – С.287Мартиросов Д.С., Воробьев Е.Е. Функциональная диагностика ЖРД на основе эквивалентной разрешающей способности измеряемых параметров. // Труды НПО «Энергомаш имени академика В.П.Глушко».- 2006. -№ 24. – С.95Буканов В.Т., Левочкин П.С., Мартиросов Д.С. Проблемы 34 .

функциональной диагностики ЖРД // Вестник МГТУ имени Н.Э. Баумана. – 2013 .

- №1(90).- С.72-88 .

35. Челькис Ф.Ю., Александров В.П. К вопросу о коэффициенте охвата аварийных ситуаций. // Труды НПО «Энергомаш имени академика В.П.Глушко».С.247-250 .

36. Хейфиц М.И. Обработка результатов испытаний. – М. Машиностроение, 1988. – 168 с .

37. Румшинский Л.З. Математическая обработка результатов эксперимента.М.:Наука, 1971. – 192с .

38. Беляев Ю.К. Статистические методы обработки результатов испытаний на надежность. – М: Знание, 1982.- 97с .

39. Бонч Б., Хуань К.Дж. Многомерные статистические методы для экономики. – М.: Мир, 1980.-317с .

40. Мостеллер Ф.,Тьюки Дж. Анализ данных и регрессия.- М.: Финансы и статистика, 1982 – 325с .

41. Каменский С.С., Мартиросов Д.С., Коломенцев А.И. Применение методов теории подобия для анализа стационарных рабочих процессов ЖРД. // Вестник Московского авиационного института.- 2016.-Т.23 №1. - С.32-37 .

42. Гухман А.А. Введение в теорию подобия. М.: Изд-во ЛКИ, 2010. – 296 с .

43. Веников В.А. Теория подобия и моделирования. М.: Высшая школа, 1976. 480 с .

44. Антипов Ю.С., Давыдов И.Б., Ильин О.В., Леонов В.Г., Моздоков В.В .

Стендовая система аварийной защиты ЖРД // Труды НПО «Энергомаш имени академика В.П.Глушко».- 2002.-№ 20. - С.173-183 .

45. Давыдов И.Б. Адаптивная настройка САЗ к режимам работы ЖРД // Труды НПО «Энергомаш имени академика В.П.Глушко».- 2010.-№ 27. - С.160Давыдов И.Б. Подсистема контроля стендовой системы аварийной защиты ЖРД // Труды НПО «Энергомаш имени академика В.П.Глушко».- 2015.С.299-306 .

47. Давыдов И.Б., Моздоков В.В. Подсистема имитации стендовой системы аварийной защиты ЖРД. // Труды НПО «Энергомаш имени академика В.П.Глушко».- 2015. -№ 32. - С.307-313 .

48. Давыдов И.Б. Бортовая система аварийной защиты ЖРД перспективных РН. // Труды НПО «Энергомаш имени академика В.П.Глушко».- 2015. -№ 32. – С.323-334 .

49. Гликман Б.Ф. Автоматическое регулирование жидкостных ракетных двигателей. М.: Машиностроение, 1989. - 296с .

50. Шевяков А.А., Калнин В.М., Науменкова Н.В., Дятлов В.Г. Теория автоматического управления ракетными двигателями. М.: Машиностроение, 1978 .

- 288с .

Бабкин А.И., Белов С.И., Рутовский Н.Б. Основы теории 51 .

автоматического управления ракетными двигательными установками. М.:

Машиностроение, 1986. - 456с .

52. Дорф Р., Бишоп Р. Современные системы управления. Пер. с англ. Б. И .

Копылова. – М.: Лаборатория базовых знаний, 2002. – 832 с .

53. Колбасенков А.И., Кравченко Л.Я., Семенов В.И., Стороженко И.Г., Челькис Ф.Ю., Черных В.И. Методика настройки двигателя в процессе огневых испытаний, обеспечивающая его работу в полете в широком диапазоне тяги, температур компонентов топлива и плотности горючего. // Труды НПО «Энергомаш имени академика В.П.Глушко».- 2002. -№ 20. – С.276-286 .

54 Буканов В.Т., Колбасенков А.И., Мартиросов Д.С. Анализ связи между процедурами диагностирования, управления и регулирования ЖРД. // Труды НПО «Энергомаш имени академика В.П.Глушко».- 2012. -№ 29. – С.174-187 .

Колбасенков А.И., Черных В.И Инструментальные алгоритмы 55 .

регулирования ЖРД при огневых испытаниях // Труды НПО «Энергомаш имени академика В.П.Глушко».- 2010. -№ 27 – С.140-159 .

56. Колбасенков А.И. Методика оценки рассогласования характеристик управления ЖРД по измеренным параметрам при КТИ и ЛИ. // Труды НПО «Энергомаш имени академика В.П.Глушко».- 2014. -№ 31. – С.146-155 .

57. Каменский С.С. Алгоритм регулирования ЖРД на основе расчетноэкспериментальной математической модели по результатам контрольнотехнологического испытания. // Вестник Московского авиационного института. -



Похожие работы:

«Степкина Мария Юрьевна СОЗДАНИЕ АЭРОЗОЛЯ МЕЛКОДИСПЕРСНЫХ ЭЛЕКТРОСТАТИЧЕСКИ ЗАРЯЖЕННЫХ ЧАСТИЦ И ЕГО ПРИМЕНЕНИЕ В ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССАХ Специальность 05.17.08 – Процессы и аппараты химических технологий АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук Бийск 2016 Работа выполне...»

«МЕЖГОСУДАРСТВЕННЫЙ СОВЕТ ПО СТАНДАРТИЗАЦИИ, МЕТРОЛОГИИ И СЕРТИФИКАЦИИ (МГС) INTERSTATE COUNCIL FOR STANDARDIZATION, METROLOGY AND CERTIFICATION (ISC) ГОСТ МЕЖГОСУДАРСТВЕННЫЙ 19792СТАНДАРТ МЕД НАТУРАЛЬНЫЙ Технические условия Издание официальное СШ1ЛТТМ1фП[М 2И7 ГОСТ 19792—2017 Предисловие Це...»

«МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА И ПРОДОВОЛЬСТВИЯ РЕСПУБЛИКИ БЕЛАРУСЬ Учреждение образования "БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ" У Т ГА В. Г. Андруш, Т. В. Молош, О. В. Абметко Б ПРОИЗВОДСТВЕННАЯ БЕЗОПАСНОСТЬ В АПК. й ПРАКТИКУМ ри Допущ...»

«#RAIF: Daily Focus Review. Analysis. Ideas. Facts. 24 августа 2018 г. Валютный и денежный рынок Приостановка интервенций на открытом рынке негативна для ставок МБК Покупки валюты не на открытом рынке, а напрямую у ЦБ, на наш...»

«ЗАПРОС НА ПОДАЧУ ПРЕДЛОЖЕНИЯ (ЗП) НАИМЕНОВАНИЕ И АДРЕС ФИРМЫ: ДАТА: 15 мая 2018 года Заинтересованным организациям ССЫЛКА: RFP/005/18 – переработка строительных норм Уважаемый г-н / г-жа: Просим Ва...»

«Список участников Российской молодежной научной и инженерной выставки "Шаг в будущее" финала Национального соревнования молодых ученых Европейского Союза 18-22 марта 2019 г. г. Москва Раздел I. ИНЖЕНЕРНЫЕ НАУКИ 1. ТЕХНИКА И ИНЖЕНЕРНОЕ ДЕЛО (Ит) (1В-10/Ит-2) ШОЙТОВ Иван Але...»

«Электронный научно-образовательный журнал ВГСПУ "Грани познания". № 4(57). Октябрь 2018 www.grani.vspu.ru УДК 376.37(373.2):004.588 Е.А. ЧАЛЫШЕВА, В.Г. ЯРИКОВ (Волгоград) ИСПОЛЬЗОВАНИЕ ИНФОРМАЦИОННО...»

«АННОТАЦИЯ В данной работе рассматриваются устройства ограничения доступа, классификация данных устройств по различны техническим характеристикам. Также приводятся технические параметры и структурные решения реальных систем. Цель данной работы – всесторонне проанализировать средс...»

«Достопримечательности Динамичный, шумный, космополитичный Тель-Авив крупнейший город Израиля и деловой центр страны. Холм весны так переводится название города не значился на карте до 1909 года, когда группа жителей Яффо начала строительство на песчаных дюнах к северу от старого порта. Город основан в 1909 году в качеств...»

«1106164 Роторные весовые питатели для энергетики Весовые дозаторы FLSmidth Pfister надежны в эксплуа­ ("Роторный питатель для тации и применимы сырья к а м е н н о г о у г л я : при процессе пря­ Pfister TRW-K (страница 8) мого и косвенново сжигания для самых различных материалов например, дробле­ ного угля, угольн...»

«МИНИСТЕРСТВО СТРОИТЕЛЬСТВА И ЖИЛИЩ НО-КОММУНАЛЬНОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ СВОД ПРАВИЛ СП 387.1325800.2018 ЖЕЛЕЗОБЕТОННЫЕ ПРОСТРАНСТВЕННЫЕ КОНСТРУКЦИИ ПОКРЫТИЙ И ПЕРЕКРЫТИЙ Правила проектирования Издание официальное Москва Стандартинформ скатерти салфетки СП 387.1325800.2018 Предисловие Сведения о сво...»

«Министерство образования и науки Российской Федерации федеральное государственное автономное образовательное учреждение высшего образования "НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ТОМСКИЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ" Школа инженерного предпринимательства (ШИП) Направление подготовки: 38.03.01 Экономика Профиль "Эко...»

«https://ronin-consult.ru/ +7 (995) 188-20-38 Работаем с ПН по СБ. с 10:00-19:00 Краснодар, ул. Красная, 67 Независимые аудиты сайтов Отчет по результатам маркетингового аудита сайта coding...»

«ТЕОРЕТИЧЕСКАЯ И ПРИКЛАДНАЯ МЕХАНИКА. 2014. Вып. 8 (54). С. 77–85 УДК 539.3 Л. В. КУРПА, д-р техн. наук, Т. В. ШМАТКО, канд. техн. наук СВОБОДНЫЕ КОЛЕБАНИЯ ФУНКЦИОНАЛЬНО-ГРАДИЕНТНЫХ ПОЛОГИХ ОБОЛОЧЕК СО СЛОЖНОЙ ФОРМОЙ ПЛАНА С использован...»

«Санкт-Петербургский государственный университет Направление математика и механика Прикладная математика и информатика Величко Юлия Дмитриевна Разработка компонентов системы интерфейсов для эффективного управления проектами в распределенной компании...»

«УЧРЕЖДЕНИЕ ОБРАЗОВАНИЯ "БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ" ОСНОВОПОЛОЖ НИКИ НАУЧНЫХ ШКОЛ БГТУ БЕРШАДСКИЙ АЛЕКСАНДР ЛЬВОВИЧ МИНСК Учреждение образования "Белорусский государственный технологический университет" Библиотека Отдел справочно-библиографической и...»

«УДК 621.929 Сахапов Р.Л. – доктор технических наук, профессор E-mail: rustem@sakhapov.ru Махмутов М.М. – кандидат технических наук, старший преподаватель E-mail: maratmax@yandex.ru Земдиханов М.М. – кандидат технических наук, доцент E-mail: mr.minsur@mail.ru Казанский государственный архитектурно-строительный университет Адрес орга...»

«УДК 630.11:630.181.52:630.231:631.53.011 А.В. Кердяшкин, А.Н. Медведев ОСОБЕННОСТИ СЕМЕНОШЕНИЯ ЕЛИ ШРЕНКА В ВЫСОКОГОРЬЕ ЗАИЛИЙСКОГО АЛАТАУ Введение. Формирование урожаев семян ели Шренка (Picеа schrenkiana Fisch. et Mey.) зависит от генотипической и фенотипической структу...»

«Safety and the Added-Value of Partnering for Acceptance in Nuclear Безопасность и дополнительная ценность партнерства для признания в ядерной области Claudio Pescatore, PhD Formerly OECD\NEA Linnaeus University, Sweden and Independent Consultant Moscow, AtomEco 21.12.2017 1 UNIVERSAL ASPIRATION всеобщ...»

«Збірка наукових праць. Випуск 5, 2007 3. Воробьев В.А., Андрианов Р.А., Ушков В.А. Горючесть полимерных строительных материалов. М., Стройиздат, 1978, 224 с.4. Ми Зуи Тхань Горючая загрузка в современных жилых п...»

«LANA HAVRYLIUK Certified Professional Scrum Master • Certified Professional Scrum Product Owner • Agile Coach and Facilitator • Business Domains: HealthCare, Insurance, • Information Technology, Telecom...»







 
2019 www.librus.dobrota.biz - «Бесплатная электронная библиотека - собрание публикаций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.