旋转失速和喘振是压气机常见的气动失稳现象,会造成压气机中流动情况恶化,压比和效率下降,甚至会导致叶片断裂,结构损坏和空中停车,严重危及飞行安全。如果能及时可靠地避免旋转失速/喘振的发生,对于提高航空发动机寿命及其性能和保障人身安全具有重要意义。旋转失速一般被认为是喘振的先兆,因此,捕捉旋转失速信号显得更为重要。本文基于确定学习理论,研究轴流压气机内部不稳定流动的建模,提前检测旋转失速和喘振的发生,以扩大压气机稳定运行范围,达到改善压气机性能的目的。主要成果和创新点概述如下:1、本文开展了低速轴流压气机模态波型失速的在线试验研究,以北京航空航天大学航空发动机重点实验室的低速轴流压气机实验台为研究对象,基于确定学习理论及动态模式识别方法,实现模态波型失速的在线提前检测。首先,在压气机机匣壁面周向布置多个动态压力传感器,获取压气机失速前和失速先兆的动态压力信号,进行离线数据处理,对模态波型旋转失速初始扰动的内在系统动态近似准确建模,并把结果存储在常值径向基函数(RBF)神经网络(NN)中。其次,研究在线试验的传感器布局、数据处理和实时性计算等,实现基于Lab VIEW的旋转失速检测系统,利用微小振动故障检测方法,在不同转速情况下,提前0.3-1秒实现对旋转失速的实时在线提前检测。2、本文研究了低速轴流压气机进口畸变下的失速检测。进口畸变是航空发动机稳定边界缩小和稳定性下降的重要因素之一,会加剧压气机内部流场的不稳定现象,甚至会引起压气机喘振的发生。因此,对进口畸变的非定常流动的捕捉为进一步提高叶轮机械的性能和稳定性有着非常重要的意义。本论文基于确定学习理论实现在进口畸变情况下预测流动失稳的发生。实验在北航航空发动机重点实验室的一台低速轴流压气机实验台上进行,利用插板扰流器模拟进口畸变的发生。进口畸变会增加不稳定流动干扰,使微弱的失速先兆信号更难捕捉。首先,研究故障估计器参数设置对故障残差的影响,寻找最优故障估计器参数,以准确预测出微小振动故障的发生。其次,利用机匣壁周向布置高频响应传感器获得进口畸变条件下动态压力数据,根据提出的基于确定学习的失速检测方法实现对畸变条件下失速先兆的检测。实验结果表明提出的方法可以完成对进口畸变下失速的提前检测。3、本文针对具有传播速度较快的小尺度扰动-突尖型失速开展建模与检测研究。突尖型失速是小尺度局部扰动,比模态波型发展速度更快,是在轴流压气机中更常见的流动崩溃现象。由于突尖型失速先兆的局部特性和流量的急剧衰减,所以很难对其进行失速前的检测。因此捕捉旋转失速或者喘振发生前的突尖型失速对主动控制更有意义。本文分析高阶Moore-Greitzer模型(Mansoux模型),开展了突尖型失速的建模和快速检测研究。首先,基于MIT的Mansoux-C3模型仿真研究,分析其失速初始扰动类型;其次,研究通过改变RBF神经网络结构参数、寻找最优RBF神经网络结构等方法提高微小振动信号的持续激励水平,并进而提高确定学习性能,实现对突尖型旋转失速进行近似准确动力学建模的方法。再次,利用确定学习理论对突尖型失速的未知系统内部动态进行局部准确建模;最后,在主要系统动态近似准确建模的基础上,实现对突尖型失速的快速检测。本文分析和研究了模态波型失速、进口扰动以及突尖型失速,并进行了在线实验。提出的失速检测方法在低速轴流压气机旋转失速检测的仿真和试验研究中得到验证。