novtexmechМехатроника, автоматизация, управлениеMekhatronika, Avtomatizatsiya, Upravlenie1684-64272619-1253Commercial Publisher «New Technologies»10.17587/mau.21.348-355novtexmech-823Research ArticleАВТОМАТИЗАЦИЯ И УПРАВЛЕНИЕ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИAUTOMATION AND CONTROL TECHNOLOGICAL PROCESSESНейронечеткое управление выбросами вредных веществ авиационного газотурбинного двигателяNeuro-Fuzzy Harmful Substances Control of Aircraft Gas Turbine EngineАндриевскаяН. В.AndrievskayaN. V.

канд. техн. наук, доц.

Perm, 614990

anv@msa.pstu.ruАндриевскийО. А.AndrievskiyO. A.

студент

г. Санкт-Петербург

Saint-Petersburg, 197101

andrievsky@niuitmo.ruКузнецовМ. Д.KuznetsovM. D.

студент

г. Санкт-Петербург

Saint-Petersburg, 197101

kuznetcov.1997@yandex.ruЛеготкинаТ. С.LegotkinaT. S.

канд. техн. наук, доц.

Perm, 614990

nedonosh@mail.ruНикулинВ. С.NikulinV. S.

аспирант

Perm, 614990

kalif23@yandex.ruСторожевС. А.StorozhevS. A.

аспирант

Perm, 614990

cepra5@mail.ruХижняковЮ. Н.KhizhnyakovY. N.

д-р техн. наук, доц.

Khizhnyakov Yury N., D. Sc., Associate Professor

Perm, 614990

H1941@yandex.ruЮжаковА. А.YuzhakovA. A.

д-р техн. наук, проф.

Perm, 614990

uz@at.pstu.ruПермский национальный исследовательский политехнический университетРоссияPerm national research Polytechnic UniversityRussian FederationНациональный исследовательский университет ИТМОРоссияITMO UniversityRussian Federation202004062020216348355Copyright © Commercial Publisher «New Technologies», 20202020Commercial Publisher «New Technologies»Commercial Publisher «New Technologies»https://mech.novtex.ru/jour/about/submissions#copyrightNoticehttps://mech.novtex.ru/jour/article/view/823

Одним из направлений развития авиации является решение экологических проблем, исключающее выделение в атмосферу вредных веществ (оксида азота, оксида углерода) при работе авиационного газотурбинного двигателя (ГТД).Сложность управления камерой сгорания заключается в том, что необходимо одновременно поддерживать основные полетные требования как по тяге двигателя, так и по минимизации выбросов вредных веществ. Одновременное выполнение этих условий приводит к решению задачи в узком диапазоне изменения параметров. Сложность процессов, протекающих в авиационном двигателе, не позволяет использовать традиционные законы управления. Поэтому в статье предложены регуляторы, основанные на аппарате искусственного интеллекта.В работе представлены синтез и анализ системы автоматического управления (САУ), обеспечивающей устойчивую работу на основных полетных режимах. В качестве регуляторов рассмотрены нейронная сеть и нечеткий регулятор. Предложены различные модели данных регуляторов. Проведен анализ САУ и осуществлен выбор наилучших моделей регулятора.Для минимизации выбросов вредных веществ представлена динамическая модель эмиссии вредных веществ на уровне 18 кг за полный цикл взлет—полет—посадка. Разработана САУ минимизацией вредных веществ на основе нейронного регулятора. Приведены результаты экспериментов.

One of the directions of aviation development is solving environmental problems, which excludes the emission of harmful substances into the atmosphere (nitric oxide, carbon monoxide) during the operation of an aircraft gas turbine engine (GTE) [1]. At low temperatures, oxygen and nitrogen are inert gases. At temperatures of 1100... 1600 K, oxides are formed, where nitrogen takes a valence of one to five. At temperatures above 1600 K, their atomic decomposition occurs. At temperatures in the range of 1100—1600 K, a reduction in NOx is possible with good mixing and a sufficient length of the combustion chamber, which determines the burning time of gases. If the combustion process is interrupted due to the poor operation of the automation, either vibro-combustion (atomic decomposition of NOx oxide) occurs at a temperature of 1600 K or flame failure occurs at 1100 K. Improving the process of converting the chemical energy of fuel and converting it into mechanical energy under conditions of uncertainty (variable caloric content of kerosene, changes in environmental parameters, wear of control equipment) is possible using neuro-fuzzy control of aviation gas turbine engine emissions into the environment. The control signal will be the fuel consumption in the diffusion manifold. In this case, fuel consumption in homogeneous reservoirs will vary evenly, provided that the total amount of fuel remains constant for the engine under consideration (the thrust should not change in the mode). A dynamic model of a neuro-fuzzy fuel consumption regulator by a diffusion collector has been developed. The method of obtaining training samples " % GT" = f (MNOx) for constructing the neural part of the regulator is presented. The desired " triangular" region of MNOx location (the integral of emission of nitrogen oxide emissions) is determined, on the basis of which control algorithms " with economy" and " without economy" of the MNOx integral are proposed.

авиационный двигательвыброс вредных веществкамера сгоранияосновные полетные режимырасход топливадозаторы (диффузионный и гомогенный)нечеткий регуляторнейронное управлениеметод обратного распространения ошибкиметод Левенберга—Марквардтадинамическая модель эмиссии вредных веществинтегральный показатель эмиссии вредных веществaircraft enginemetering device (diffusion and homogeneous)low-emission combustion chamberfuzzy control (fuzzificationlogical inference unitdefuzzification)neural control (perceptronerror back propagation methodLevenberg-Marquardt method)Работа выполнена в рамках договора СЧ НИОКР "Разработка и исследование нечетких и нейросетевых систем автоматического управления перспективного турбореактивного двухконтурного двигателя повышенной тяги" № 0000000020956180193/2018/537 от " 29" 01. 2019 г. с АО "ОДК-СТАР"This work was performed under the SC R&D agreement Development and research of fuzzy and neural network automatic control systems of a promising turbojet dual-circuit engine with increased thrust" No. 0000000020956180193/2018/537 dated 29.01.2019 with OEC-STAR JSC.ReferencesАвгустинович В. Г., Кузнецова Т. А., Фатыков А. И., Нугуманов А. Д. Концепция управления малоэмиссионной камерой сгорания авиационного ГТД и ее эксперт-модель для обучения нейронной сети смарт-регулятора // Вестник Пермского национального исследовательского политехнического университета. Аэрокосмическая техника. 2018. № 53. С. 5—19.Avgustinovich V. G., Kuznetsova T. A., Fatykov A. I., Nugumanov A. D. The concept of management low emission combustor GTE and its expert model for training the neural network of smart regulator, Bulletin of Perm National Research Polytechnic University. Aerospace engineering, 2018, no. 53, pp. 5—19 (in Russian).Васильев А. Ю. Некоторые проблемы разработки малоэмиссионных камер сгорания и пути снижения эмиссии оксидов азота // Двигатель. 2016. № 6(108). С. 10—13Vasil’ev Y. Some problems develop low-emission combustors and ways to reduce emissions of nitrogen oxides, Engine, 2016, no. 6 (108), pp. 10—13 (in Russian).Lauer M., Farber J., Reith F., Masalme J. E. Model Based Prediction of Off-Design Operation Condition NOx Emission from DLE Gas Turbine Combustors // Proc. ASME Conf. Turbo Expo GT2017-63063. Charlotte, NC, USA. 2017. 11p.Lauer M., Farber J., Reith F., Masalme J. E. Model Based Prediction of Off-Design Operation Condition NOx Emission from DLE Gas Turbine Combustors, Proc. ASME Conf. Turbo Expo GT2017-63063, Charlotte, NC, USA, 2017, 11 p.Марчуков Е. Ю., Федоров С. А. Новая концепция низкоэмиссионной камеры сгорания стационарных ГТУ, разрабатываемых на базе авиационных ГТД // Вестник Самарского государственного аэрокосмического университета. Процессы горения, теплообмена и экологии тепловых двигателей. 2000. С. 143—152.Marchukov E. Y., Fedorov S. A. The new concept of a low-emission combustion chambers of stationary gas turbines, developed on the basis of GTE, Vestnik of Samara State Aerospace University. Combustion processes, heat transfer and environmental heat engines, 2000, pp. 143—152 (in Russian).Комаров Е. М. Методы уменьшения эмиссии вредных веществ в камерах сгорания ГТД и ГТУ // Машиностроение и компьютерные технологии. 2018. № 05. С. 9—29.Mosquitoes E. M. Methods reduce the emission of pollutants in combustion chambers of gas turbine engines and gas turbines, Engineering and Computer Technology, 2018, no. 05, pp. 9—29 (in Russian).Avgustinovich V. G., Nazukin V. A. CFD Analysis of swirling flows in premixers // Proceedings of ASME Turbo Expo 2014 [Electronic resource]: Turbine Technical Conference and Exposition (June 16—20, 2014, Dusseldorf, Germany) / American Society of Mechanical Engineers (ASME), International Gas Turbine Institute. New York: ASME, 2014. Art. No. V04AT04A0511, electronic optical disc (DVD). 10 p.Avgustinovich V. G., Nazukin V. A. CFD Analysis of swirling flows in premixers, Proceedings of ASME Turbo Expo 2014 [Electronic resource]: Turbine Technical Conference and Exposition (June 16—20, 2014, Dusseldorf, Germany), American Society of Mechanical Engineers (ASME), International Gas Turbine Institute, New York: ASME, 2014, Art. No. V04AT04A0511, electronic optical disc (DVD), 10 p.Маркушин А. Н., Бакланов А. В. Исследование качества подготовки топливовоздушной смеси и его влияния на выбросы NOx в малоэмиссионной камере сгорания ГТД // Вестник Самарского государственного аэрокосмического университета им. академика С. П. Королева (национального исследовательского университета). 2013. № 3-1 (143). С. 139—145.Markushin A. N., Baklanov A. V. Research quality fuel mixture preparation and its effect on NOx emission in low emission combustion chamber TBG, Vestnik Samara State Aerospace University. Academician S. P. Korolev (National Research University), Samara,2013, no. 3-1 (143), pp. 139—145 (in Russian).Belokon A., Khirtov K., Klyachko L., Tschepin S., Zakharov V. Prediction of Combustion Efficiency and NOx Level for Diffusion Flame Combustors in HAT Cycles // Proc. ASME Conf. Turbo Expo GT2002-30609. Amsterdam, 2002. 9 p.Belokon A., Khirtov K., Klyachko L., Tschepin S., Zakharov V. Prediction of Combustion Efficiency and NOx Level for Diffusion Flame Combustors in HAT Cycles, Proc. ASME Conf. Turbo Expo GT2002-30609, Amsterdam, 2002, 9 p.Зубилин И. А. Методика определения границы бедного срыва в камерах сгорания газотурбинных установок: дис. канд. техн. наук: 05.07.05. Самара: Изд-во Самарского нац. иссл. ун-та, 2016. 169 с.Zubilin I. A. Method for determining the boundaries of poor breakdown in the combustion chambers of gas turbines: dis. cand. tehn. Sciences: 05.07.05, Samara, Samara Publishing House nat. Inst. University Press, 2016, 169 p. (in Russian).Куценко Ю. Г. Методология проектирования малоэмиссионных камер сгорания ГТД на основе математических моделей физико-химических процессов: дис. ... д-ра техн. наук: 05.07.05. Пермь: Изд-во Перм. гос. техн. ун-та, 2010. 193 с.Kutsenko Y. G. Methodology of designing low-emission combustors TBG based on mathematical models of physical and chemical processes: dis.... Dr. tehn. Sciences: 05.07.05, Perm, Publishing house of Perm. state. tehn. University Press, 2010, 193 p. (in Russian).Иноземцев А. А., Сандрацкий В. Л. Газотурбинные двигатели. Пермь: ОАО "Авиадвигатель", 2006. 1204 с.Inozemtzev A. A., Sandratsky V. L. Gas turbine engines. Perm, JSC Aircraft Engine", 2006. 1204 p. (in Russian).Варнатц Ю., Маас У., Диббл Р. Горение. Физические и химические аспекты, моделирование, эксперименты, образование загрязняющих веществ. М.: Физматлит, 2006. 352 с.Varnatts Yu., Maas W., Dibble R. Combustion. Physical and chemical aspects, simulation experiments, the formation of pollutants, Moscow, FIZMATLIT, 2006, 352 p. (in Russian).Avgustinovich V. G., Kutsenko Y. G. Creation and Application of Combined Calculation Methodology for Low Emission Combustion Chamber // Russian Aeronautics. 2011. Vol. 54, N. 2. P. 170—178.Avgustinovich V. G., Kutsenko Y. G. Creation and Application of Combined Calculation Methodology for Low Emission Combustion Chamber, Russian Aeronautics, 2011, vol. 54, no. 2, pp. 170—178.Vanderhaegen E., Deneve M. Predictive Emissions Monitoring Using a Continuously Updating Neural Network // Proc. ASME Conf. Turbo Expo GT2010-22899. Glasgow, 2010. 7 p.Vanderhaegen E., Deneve M. Predictive Emissions Monitoring Using a Continuously Updating Neural Network, Proc. ASME Conf. Turbo Expo GT2010-22899, Glasgow, 2010, 7 p.Lamont W. G., Roa M., Lucht R. Application of Artificial Neural Networks for the Prediction of Pollutant Emissions and Outlet Temperature in Fuel Staged Gas Turbine Combustion Rig // Proc. ASME Conf. Turbo Expo GT2014-25030. Dusseldorf, 2014. 10 p.Lamont W. G., Roa M., Lucht R. Application of Artificial Neural Networks for the Prediction of Pollutant Emissions and Outlet Temperature in Fuel Staged Gas Turbine Combustion Rig, Proc. ASME Conf. Turbo Expo GT2014-25030, Dusseldorf, 2014, 10 p.Warren G. Lamont. Application of Artificial Neural Networks for the Prediction of Pollutant Emissions and Outlet Temperature in a Fuel-Staged Gas Turbine Combustion Rig / Warren G. Lamont, Mario Roa, Robert P. Lucht // Proceedings of ASME Turbo Expo 2014: Turbine Technical Conference and Exposition. 2014. P. 1—10.LamontW. G., Roa M., Lucht R. P. Application of Artificial Neural Networks for the Prediction of Pollutant Emissions and Outlet Temperature in a Fuel-Staged Gas Turbine Combustion Rig, Proceedings of ASME Turbo Expo 2014: Turbine Technical Conference and Exposition, 2014, pp. 1—10.Булысова Л. А., Васильев В. Д., Гутник М. М., Гутник М. Н., Берне А. Л., Пугач К. С. Экспериментальные исследования эмиссий NO x при сжигании топлива в одной и двух последовательно расположенных ступенях сгорания // Электрические станции. 2018. № 11 (1048). С. 15—23.Bulysova L. A., Vasiliev V. D., Gutnick M. M., Gutnick" M. N., Berne A. L., Pugatch K. S. Experimental studies NOx emissions during combustion of fuel in one or two sequentially arranged combustion stages, Electric stations, 2018, no.11 (1048), pp. 15—23 (in Russian).Hao Zh., Kefa C., Jianren F. Modeling and optimization of the NOx emission characteristics of a tangentially firedboiler with artificial neural networks. Clean Energy and Environment Engineering Key Lab of MOE, Institute for Thermal Power Engineering, Zhejiang University, Hangzhou, 310027, PR China Received7 February 2001.Hao Zh., Kefa C., Jianren F. Modeling and optimization of the NOx emission characteristics of a tangentially firedboiler with artificial neural networks, Clean Energy and Environment Engineering Key Lab of MOE, Institute for Thermal Power Engineering, Zhejiang University, Hangzhou, 310027, PR china Received7 February 2001.Осовский С. Нейронные сети для обработки информации / Пер. с польского И. Д. Рудинского. М.: Финансы и статистика, 2004. 344 с.Osovsky S. Neural networks for information processing, Moscvow, Finance and Statistics, 2004, 344 p. (in Russian).Пегат А. Нечеткое моделирование и управление / Пер. с англ. М.: Бином. Лаборатория знаний, 2017. 79 с.Pegat A. Fuzzy modeling and control, Moscow, Bean. Knowledge Laboratory, 2017, 79 p. (in Russian).Хижняков Ю. Н., Южаков А. А, Титов Ю. К. Проектирование адаптивного нечеткого регулятора положения дозатора воздушно-реактивного двигателя // Электротехника. 2018. № 11. С. 6—11.Khizhnyakov Yu. N., Yuzhakov A. A., Titov Yu. K. Design of adaptive fuzzy control position of the metering jet engine, Electrical engineering, 2018, no. 11, pp. 6—11 (in Russian).Гостев В. В. Проектирование нечетких регуляторов для систем автоматического управления. СПб.: БХВПетербург, 2011. 416 с.Gostev V. V. Design of fuzzy controllers for automatic control systems, SPb, BHV-Petersburg, 2011, 416 p. (in Russian).Хижняков Ю. Н., Южаков А. А., Софин Н. А. Разработка адаптивного нечеткого регулятора частоты и встроенной модели авиационного двигателя с применением нейронной технологии // 14-я Международная конференция "Авиация и космонавтика — 2015" Тезисы Московский авиационный институт (национальный исследовательский университет). 2015. С. 157—159.Khizhnyakov Yu. N., Yuzhakov A. A., Sofin N. A. Development of an adaptive fuzzy frequency controller and an integrated model of an aircraft engine using neural technology, 14th International Conference "Aviation and Cosmonautics — 2015" , 2015, pp. 157—159 (in Russian).Хижняков Ю. Н. Нечеткое, нейронное и гибридное управление: Учеб. пособ. Пермь: Изд-во Перм. нац. исслед. политехн. ун-та, 2013. 303 с.Khizhnyakov Yu. N. Fuzzy, neural and hybrid control, Perm, Publishing house Perm. nat. researched Polytechnic University, 2013, 330 p. (in Russian).

The authors declare that there are no conflicts of interest present.