涡扇发动机压缩系统不稳定流动的建模、预测和控制

流动稳定性问题是限制现代航空涡扇发动机性能的主要瓶颈之一。本项目拟针对涡扇发动机压缩系统不稳定流动的建模、预测与控制中的若干核心理论与技术问题进行多学科交叉研究，获得对提升现有发动机稳定性和性能具有指导意义的原创性研究成果。我们将研究涡扇发动机在超/跨音速条件下压气机不稳定流动产生的物理机理；利用实验和数值仿真数据，建立低阶非线性动力学模型；用输入输出辨识旋转失速/叶片颤振的Hopf分岔的亚临界/超临界特性，并将辨识的信息用来设计流动不稳定性的主动控制器；在低压轴流压气机上用实验实现和验证系统辨识和主动控制理论框架；提出与航空发动机流动控制相关的分布式系统模态辨识的新方法，研究与涡扇发动机相关的非线性模型降阶及主动控制的分析与综合的一般性方法。本项目的多学科性质旨在促进自动控制与力学的学科交叉，拓宽现有自动控制学科的研究领域。

该项目已完成计划书中预定的研究目标，取得以下成果：.1. 将神经网络的确定学习方法应用于轴流低压压气机的Mansoux模型，根据数值模拟数据和实验数据，构建了该压气机旋转失速先兆RBF神经网络模式库，给出了一种旋转失速先兆辨识的快速算法，并在低压压气机实验台上得到验证。.2. 将压气机动力学模型简化为有限维非线性系统，给出了周期干扰下的亚临界Hopf分岔预测方法，给出了周期解不稳定的幅值判据和频谱判据。并将该判据应用于具有进气畸变的压气机Moore-Greitzer模型，利用不同高度挡板产生不同程度总压畸变，实验验证了判据的有效性。.3. 研究基于流固耦合的失速颤振机理，提出了压气机叶片对进气总压畸变和上游静子尾流干扰下的气动弹性预测方法，数值计算结果与跨音速压气机的实验结果相吻合，开发了相关计算软件。.项目组共发表学术论文57篇，其中SCI收录17篇，EI收录40篇；获发明专利2项；联合培养博士后2人，博士生25人，培养硕士生38人。项目组成员参加国际学术会议19人次。