航空发动机分布式控制通讯网络拓扑结构优化

汤丽丽，宋军强,2，潘慕绚，黄金泉

（1.南京航空航天大学江苏省航空动力系统重点实验室，南京210016；2.中航工业航空动力控制系统研究所，江苏无锡214063）

航空发动机分布式控制通讯网络拓扑结构优化

汤丽丽1，宋军强1,2，潘慕绚1，黄金泉1

（1.南京航空航天大学江苏省航空动力系统重点实验室，南京210016；2.中航工业航空动力控制系统研究所，江苏无锡214063）

针对航空发动机分布式控制系统通讯网络拓扑结构的构架问题，建立航空涡扇发动机机匣模型，选取具有代表性的10个传感器作为控制节点开展研究。同时考虑发动机表面存在通讯总线不可通过区域,以及控制节点的工作可靠性因其重要程度存在差异的约束条件，利用遗传算法对航空发动机分布式控制系统通讯网络的拓扑结构进行优化设计。结果表明：优化过程简单，并且优化得到的通讯网络拓扑结构在满足约束条件的基础上线束总长度最短。

分布式控制；拓扑结构；通讯网络；遗传算法；航空发动机

0 引言

航空发动机分布式控制系统有利于减轻推进系统控制器和附件系统质量，提高系统通用性和可靠性[1-5]，其最显著的特点是其工作中的空间结构[7]。到21世纪初，发动机分布式控制系统结构已有多种形式[3,5-6]，例如过渡分布式控制系统，部分分布式控制系统和完全分布式控制。其中，完全分布式控制系统是分布式控制系统的发展方向。完全分布式控制系统是由智能传感器、智能执行机构、子控制器等控制节点构成的1个网络，每个节点都直接与通讯总线相连，连接方式构成航空发动机分布式控制系统通讯总线的拓扑结构[8-9]。对于航空发动机分布式控制系统，采用通讯网络环形拓扑结构更有利于减轻控制系统的质量[10-11]，但是在实际应用中环形拓扑结构的构架受到诸多限制条件的约束。

实际控制系统通讯网络中各控制节点的重要性是不同的，即控制节点的工作可靠性的需求存在差异，其可靠性不仅取决于节点本身，也取决于此节点的位置环境和与节点的连线冗余程度。后者对通讯网络的拓扑结构的构架形成制约。另外，航空发动机机匣表面情况复杂，存在发动机附件等较大部件的安装区域或者温度较高的区域，这些区域通讯总线都应避开绕行，这对控制节点之间通讯总线的连接路径的设置形成一定制约，影响通讯网络控制系统的拓扑结构的构架。

航空发动机作为1种复杂的系统[12]，其控制节点，尤其是智能传感器和智能执行机构众多。要对含所有控制节点的通讯总线拓扑结构进行优化设计，传统的搜索算法难以解决。近年来，随着对智能优化算法的不断深入研究，使得这类问题的解决有了更为有效的方法。其中遗传算法[13]作为典型的群智能优化算法，在几乎所有科学和工程问题中得到良好应用。

本文针对具体的航空发动机分布式控制系统，运用遗传算法开展其通讯网络环形拓扑结构的优化研究[14]。

1 航空发动机分布式控制系统拓扑结构网格模型

以某涡扇发动机为研究对象，其机匣壳体结构如图1所示。从图中可见，左侧圆柱为风扇部件，右侧圆柱包含压气机、燃烧室、高压涡轮、低压涡轮和尾喷管，其轴向总长度为11 m，取红色区域为该发动机通讯总线不可通过区域，记为S。将该发动机机匣划分网格并对网格点进行编号，基本方法是：每个截面圆被分为100等分，沿轴向每0.1 m取1个截面圆，取第1个截面圆上某1点为起始点，顺时针依次用自然数编号。则每个点的编号反映点所在截面圆的轴向位置和在此截面圆内的角度位置。

图1 某涡扇发动机模型

考虑实际航空发动机控制节点较多，而拓扑结构优化的研究重点在于优化策略与算法的探索，仅选取其中具有代表性的10个传感器开展通讯总线拓扑结构优化研究。选取10个传感器：分别是进口静压传感器（P0）、进气总温传感器（T12）、高压压气机转速传感器（N2）、高压压气机进口温度传感器（PT25）、低压涡轮主动间隙传感器（SL）、低压压气机转速传感器（N1）、高压压气机出口压力传感器（PS3）、高压压气机出口温度传感器（T3）、高压涡轮主动间隙传感器（SH）和第2级低压涡轮导向器温度传感器（T49.5）。这10个传感器对应的编号为1～10，分别记为V1～V10。选取的传感器的安装位置落在网格点上，其中进气总温和高压压气机出口温度传感器不可视。用各节点所在网格点编号表征其位置，优化节点位置见表1。

表1 优化节点位置

2 通讯总线拓扑结构的优化

2.1 形成抽象图

获得不存在不可通过区域的情况下发动机模型的每个网格点与其相邻的网格点之间的距离，然后利用最短路径的Floyed算法[15]求解传感器节点Vi所在的网格点与传感器节点Vj所在网格点之间的最短路径（Vi，Vj），并求得最短路径的长度，记为d（Vi，Vj）（式中i=1～10；j=1～10），从而形成抽象图G（V，E，D）。其中：V为航空发动机通讯网络中各节点的集合；E为各节点对之间最短路径的集合；D为E集合中所有最短路径的长度所形成的距离矩阵。

2.2 处理约束条件

航空发动机控制节点的重要性存在差异，可直接反映发动机性能和工作状态控制节点的重要性优于其他控制节点的。例如转速传感器测量的工作转速可直接反映发动机的推力大小并判断是否超转；进口总温传感器可反映飞机飞行的高度和马赫数；而主动间隙传感器的设置主要为了提高发动机的工作效率，并且不是提高发动机工作效率的主要措施。就此而言，转速传感器和进口总温传感器优于主动间隙传感器。

对于重要节点的工作可靠性要求较高。在拓扑结构设计中可以通过改善节点安装位置的工作环境和节点的连线冗余来提高重要节点的工作可靠性。由于第1章中已确立了所选控制节点的安装位置，下面主要考虑节点的连线冗余程度。为简化程序和减小程序运行时间，在通讯网络拓扑结构的优化过程中，选取2个重要节点V2和V3，即进气总温传感器和高压压气机转速传感器，并设此重要节点的连线冗余为2，而其余节点的连线冗余为1。

航空发动机表面存在通讯总线的不可通过区域S，则集合E中的所有最短路径都不能通过S区域。由2.1可知，最短路径的求解基于机匣表面所划分的网格之间的距离，故S区域内所划分的网格间的距离为无穷，则求得最短路径都不通过S区域，并得到相应的最短路径集合E和距离矩阵D。

2.3 基于遗传算法的优化

采用遗传算法优化航空动机分布式控制系统通信网络拓扑结构。

（1）个体的选取及编码

个体反映选取的控制节点之间通讯总线的连接情况。选取的10个节点编号1～10，则控制节点之间通讯总线的连线问题转化为1～10的排序问题，即个体的编码为自然数1～10的随机排序。

设定节点V2和V3的连线冗余为2，若某个体编码为（9，10，1，2，8，7，3，6，5，4），则其表示10个控制节点间的连接形式，如图2所示。每一个体都表示发动机分布式控制系统通讯网络的1种可能拓扑结构。

图2 拓扑结构

这样的编码方式既不增加编码的复杂度又考虑到重要节点的连线冗余。考虑到计算时间和收敛程度，取种群中个体数目为100。

（2）目标函数的确立及适应度的计算。设某个体

式中：Vki（ki=1～10）为网络中各节点。

由于此优化过程中没有附加约束，则对个体不施以惩罚值。个体的适应度函数为

取g=1，即每一个体的目标函数值即其适应度值。

（3）交叉与变异。全局优化遗传算法中控制参数的选取将影响优化效果和速度，考虑到算法的计算速度和收敛程度，选择控制参数交叉概率pc=0.8、变异概率pm=0.3进行染色体交叉、变异，此过程则为标准的交叉、变异。随机选取父代个体进行交叉和变异操作，产生新的个体，与父代个体合并成新的种群，新种群的个体数为Nn。

（4）选择操作。按个体适应度值与所有个体适应度值总和的比值大小决定（3）中生成的新种群中个体遗留的可能性。若某个体i（某个通信网络拓扑结构）的适应度为Fi，则其被选取的概率为

选择被选取概率最大的100个个体组成新的父代群。

按照上述优化步骤，对航空发动机分布式控制系统通讯网络拓扑结构进行优化。优化的迭代结果如图3所示。从图中可见，运用遗传算法可以在较短时间内获得线束长度最短的拓扑结构。最优拓扑结构各节点间的连接关系为2-5-6-10-9-8-7-3-4-2-1-3，线束总长度Lmin=34.79 m，其平面连接和立体效果分别如图4、5所示。图5中红色虚线表示连线在此视图中不可见，蓝色节点表示选取的重要节点。

图3 迭代结果

图4 优化结果平面连接

图5 优化结果立体效果

由此可知，运用本文探索的优化方法对具有约束条件的分布式控制系统通讯网络拓扑结构进行优化，得到的拓扑结构满足约束条件并且线束总长度最短。

3 结论

本文考虑航空发动机表面存在通讯总线不可通过区域和控制节点的工作可靠性需求2大约束条件，利用遗传算法对分布式控制系统通讯网络拓扑结构进行构架，得到的拓扑结构在满足约束条件的情况下线束总长度最短。线束总长度的减少可减轻航空发动机控制系统的质量，同时减少信号的衰减和干扰对信号的影响，提高信号传输可靠性。

虽然本文对约束条件做了一定的简化，但基于遗传算法的优化方法为确定在复杂条件下航空发动机分布式控制系统通讯网络拓扑结构提供了1种解决方案。

[1]Lewis T J.Distributed architectures for advanced engine control systems[R].AGARD-CP-572.

[2]黄春峰，刘志友.航空智能发动机的研究进展 [J].航空制造技术，2009（19）：32-37. HUANG Chunfeng，LIU Zhiyou.Research progress of intelligent aeroengine[J].Aeronautical Manufacturing Technology，2009（19）：32-37. (in Chjnese)

[3]Culley D，Thomas R，Saus J.Concepts for distributed engine control[R]. NASA-TM-2007-214994.

[4]Behbahani A，Culley D，Smith B，et al.Status,vision,and challenge of an intelligent distributed engine control architecture（postprint）[R].SAE 2007-01-3859.

[5]Ballal D R，Zelina J.Progress in aero engine technology(1939-2003) [R].AIAA-2003-4412.

[6]Pakmehr M，Mounier M，Fitzgerald N，et al.Distributed control of turbofan engines[R].AIAA-2009-553.

[7]Culley D E，Paluszewski P J.The case for distributed engine control in turboshaft engine systems[R].NASA-TM-2009-215654.

[8]黄金泉，徐科.航空发动机分布式控制系统结构分析[J].航空动力学报，2003，18（5）：698-704. HUANG Jinquan，XU Ke.Distributed control systems for aeroengines：a survey[J].Journal of Aerospace Power，2003，18（5）：698-704.(in Chinese)

[9]宋军强，潘慕绚，黄金泉.航空发动机分布式控制系统技术分析及系统方案研究[J].航空动力学报，2013，28（10）：2391-2400. SONG Junqiang，PAN Muxuan，HUANG Jinquan.Technology analysis and system scheme for aero-engine distributed control system[J].Journal of Aerospace Power，2013，28（10）：2391-2400.（in Chinese）

[10]Thompson H A，Chipper filed A J，Fleming P J，et al.Distributed aeroengine control systems architecture selection using multi-objective optimization[J].Control Engineering Practice，1999，7：655-664.

[11]Culley D E，Behahani A R.Communication needs assessment for distributed turbine engine control[R].NASA-TM-2008-215419.

[12]孙海东，尚永锋.航空发动机控制系统 [J].微计算机信息，2007（16）：65-66. SUN Haidong,SHANG Yongfeng.The aeroengine xontrol[J].Control and Automation，2007（16）：65-66.（in Chinese）

[13]边霞，米良.遗传算法理论及其应用研究进展[J].计算机应用研究，2010，27（7）：2425-2429. BIAN Xia，MI Liang.Development oil genetic algorithm theory and its applications[J].Application Research of Computers，2010，27（7）：2425-2429.(in Chinese)

[14]Kumar A，Pathak R M，Gupta Y P，et al.A genetic algorithm for distributed system topology design[J].Computer and Industrial Engineering，1995，28（3）：659-670.

[15]项荣武，刘艳杰，胡忠盛.图论中最短路径问题的解法[J].沈阳航空工业学院学报，2007，21（2）：86-88. XIANG Rongwu，LIU Yanjie，HU Zhongsheng.Solution of the shortcut problem in graph algorithms[J].Journal of Shenyang Institute of Aeronautical Engineering，2007，21（2）：86-88.(in Chinese)

(编辑：张宝玲)

Optimization of Topology Structure for Aeroengine Distributed Control System Communication Network

TANG Li-li1,SONG Jun-qiang1,2,PAN Mu-xuan1，HUANG Jin-quan1
（1.Jiangsu Province Key Laboratory of Aerospace Power System,Nanjing University of Aeronautics and Astronautics,Nanjing 210016, China;2.AVIC Aviation Motor Control System Institute,Wuxi Jiangsu 214063,China）

Aiming at the topology structure of the communication network which was built for an aeroengine distributed control system, a turbofan engine model was established，and ten typical sensors were chosen for study.In the meantime,the restrictions those the inaccessible region on the engine surface for the communication bus and the reliability of the control nodes were taken into consideration. The optimization design of topology structure for aeroengine distributed control system communication network was conduted using genetic algorithm.The results show that it's easy to get the topology structure which can satisfy restrictions with the shortest length of the communication bus.

distributed control；topology structure；communication network；genetic algorithm;aeroengine

V 249.122

A

10.13477/j.cnki.aeroengine.2015.02.006

2014-03-18 基金项目：中央高校基本科研业务费专项资金(NP2012504)、国家自然科学基金（51406084）、航空基金（2013ZB52030）、中央高校青年创新基金（NS2014017和ZB52030）资助

汤丽丽（1991），女，在读硕士研究生，研究方向为航空发动机控制；E-mail：928532356@qq.com。

汤丽丽，宋军强，潘慕绚，等.航空发动机分布式控制通讯网络拓扑结构优化［J］.航空发动机，2015，41（2）：27-30.TANGLili，SONGJunqiang，PANMuxuan，etal.Optimizationof topologystructureforaeroenginedistributedcontrolsystemcommunicationnetwork[J].Aeroengine，2015，41（2）：27-30.