基于ICAO发动机排放数据库的航空燃气涡轮发动机气态排放物理约束建模

《Gases》：Physically Constrained Modeling of Gaseous Emissions from Aircraft Gas Turbine Engines Using the ICAO Engine Emissions Databank

　　

公共航空发动机认证数据在专有燃烧室几何结构、发动机循环数据和详细运行历史不可用时，为排放建模提供了可重复的基础。本研究基于国际民用航空组织（ICAO）航空发动机排放数据库，开发了一个物理约束的降阶框架，用于建模民用航空燃气涡轮发动机在着陆起飞（LTO）循环中的气态排放。在该框架中，物理约束通过燃烧室感知分组、物理信息驱动的预测变量选择、经验域限制以及对拟合相关性的物理容许性检查来引入。分析使用了可直接从ICAO航空发动机排放数据库获取的变量以及推导的LTO量，构建了燃烧室感知的降阶相关性模型，用于LTO平均排放指数，即氮氧化物（NOx）、一氧化碳（CO）和碳氢化合物（HC），分别记为、、和。高涵道比（HBPR）涡扇发动机按代表性燃烧室技术进行分组，包括常规/单环腔燃烧室（Conventional/SAC）、双环腔燃烧室（DAC）、双环预混旋流器（TAPS）、普惠TALON贫燃燃烧室、低排放燃烧室（LEC）以及未知类别。对于每种污染物和燃烧室组，使用公开的发动机级预测变量（如总压比、涵道比、额定推力和LTO总燃油消耗量）拟合双预测变量二次响应面和幂律相关性。结果表明，燃烧室感知分组提高了可解释性，且没有单一的全局预测变量对能够代表所有污染物或燃烧室技术。对于，总压比出现在每个选定的预测变量对中，这与NOx生成对压力和温度敏感的特性一致。对于，在若干燃烧室类别中获得了较强的数据集内组特异性相关性，而對零值和近零值更为敏感，使得基于百分比的误差和对数空间幂律拟合不太可靠。二次模型通常提供更强的数据集内描述性拟合，而幂律模型在其误差可接受的组中提供紧凑的非负标度关系。所提出的框架适用于排放趋势分析、初步比较评估和公共认证数据的解释，但不应在未经额外验证的情况下替代认证测试、详细燃烧室模拟或非设计任务级预测。

研究背景方面，航空燃气涡轮发动机因其高功率密度、可靠性和运营成熟度而持续作为商用航空的核心动力装置。尽管推进系统在压缩机与涡轮气动、燃烧室设计、冷却技术、材料和控制等方面取得了长足进步，航空发动机排放仍是环境、监管和设计领域的重大关切，因其影响机场附近局部空气质量并参与高空大气化学和气候强迫。航空发动机尾气包含碳氢燃料燃烧的主要产物，以及受监管的污染物如氮氧化物（NOx）、一氧化碳（CO）、碳氢化合物（HC）、烟雾和非挥发性颗粒物。国际认证实践通过国际民用航空组织（ICAO）附件16第二卷框架实施，公共排放测量数据报告于ICAO航空发动机排放数据库中，提供标准着陆起飞（LTO）运行模式下的燃油流量和排放指数。然而认证数据是在标准化海平面静态条件下获得的，因此在认证框架之外使用需要谨慎解释。目前存在的主要问题是：详细燃烧室几何结构、发动机循环数据、燃烧室进口压力温度、油气比和停留时间等专有信息在公共数据库中不可用；现有的燃料流量法和燃烧室进口压力-温度（P3–T3）方法需要额外的修正假设或发动机性能量；半经验燃烧室关联式的有效性受限于校准所用的数据、燃烧室类别和运行范围；纯数据驱动模型在训练数据稀疏或异质时可能产生不连续响应面或非物理预测；全局回归在混合发动机群体上可能产生误导性结果。因此有必要开展一项研究，利用公共认证数据构建物理可解释且受约束的降阶排放模型，填补简单经验曲线拟合与高保真燃烧室模拟之间的中间建模层次。

研究人员开展了以下研究：以ICAO航空发动机排放数据库第32版为主要公共认证数据源，遵循ICAO附件16第二卷的计算结构，针对亚声速运行的涡喷和涡扇发动机，考虑NOx、CO和HC三种气态污染物。方法论分为两个关联层次：第一层从数据库报告值重建ICAO LTO循环量；第二层利用公开发动机变量和推导的LTO量开发确定性数据库级相关性。物理约束在模型开发和应用层面施加，包括燃烧室感知分组、选择与发动机和燃烧运行有工程关系的预测变量、将拟合相关性限制在数据库所代表的经验预测变量范围内、以及拒绝或限定违反物理容许性的模型行为。研究将高涵道比涡扇发动机按燃烧室技术分为Conventional/SAC、DAC、TAPS、TALON、LEC和Unknown六组，对每种污染物和燃烧室组拟合双预测变量二次响应面和幂律相关性。得出的结论是：燃烧室感知分组对于有意义的降阶排放建模至关重要；二次响应面和幂律相关性服务于互补目的；相关性性能依赖于污染物种类，CO通常比的表征更稳健，而HC受零值和近零值影响强烈。重要意义在于提供了一个介于简单经验曲线拟合和高保真燃烧室模拟之间的中间建模层次，适用于排放趋势分析、初步比较评估和公共认证数据解释。

研究人员为开展研究用到的主要关键技术方法包括：基于ICAO航空发动机排放数据库第32版的公共认证数据提取与发动机筛选（初始筛选获得608条记录，去除240条被标记为已取代的历史条目后保留368条当前记录）；ICAO LTO循环重建方法，依据标准时间模式值（起飞0.7 min、爬升2.2 min、进近4.0 min、滑行/地面怠速26.0 min）和推力设定（100%、85%、30%、7%额定推力）计算污染物质量和LTO平均排放指数；燃烧室感知分组方法，将数据库中的燃烧室描述归纳为代表性燃烧室技术类别；双预测变量二次响应面回归和幂律相关性拟合（对数空间最小二乘回归）；模型性能评估采用决定系数（）、均方根误差（RMSE）和平均绝对百分比误差（MAPE）；针对HC零值问题引入栅栏式（hurdle）诊断模型和Tobit敏感性检查。样本队列来源为ICAO航空发动机排放数据库第32版。

研究结果方面：（1）燃烧室技术分类与工作发动机组：通过分析ICAO燃烧室描述字段，研究人员发现原始描述未标准化，将其归纳为Conventional/SAC、DAC、TAPS、TALON、LEC和Unknown六个代表性燃烧室技术组，确认燃烧室感知分组对本数据集至关重要，仅保留筛选后的高涵道比涡扇发动机用于后续回归分析。（2）NOx相关性分析与数据集定义：通过分别对每个燃烧室组进行预测变量对筛选，研究人员发现OPR出现在所有燃烧室组的选定预测变量对中，与NOx生成对压力和温度敏感的特性一致；BPR被选用于DAC和TALON，额定推力被选用于TAPS，LTO总燃油消耗量被选用于Conventional/SAC、LEC和Unknown组。（3）二次响应面相关性：通过拟合双预测变量二次响应面模型，研究人员发现DAC、Conventional/SAC和LEC获得最高的决定系数，分别为0.987、0.961和0.947；TALON组给出最低的RMSE；Unknown组二次拟合最弱，与其缺乏可追溯燃烧室技术分类的异质性一致。（4）幂律相关性：通过使用相同预测变量对拟合幂律模型，研究人员发现DAC和LEC获得较强的幂律拟合，分别为0.964和0.929；TALON幂律模型在幂律拟合中RMSE最低；TAPS和Unknown组幂律性能较弱，表明其行为不能被简单的乘法标度关系完全表征。（5）燃烧室依赖解释与经验域效应：通过比较二次和幂律模型，研究人员发现首选的降阶表示取决于燃烧室组，二次形式提供灵活的燃烧室特异性响应面而幂律形式提供紧凑的物理容许标度关系；LTO平均的行为不受单一通用发动机变量对支配。（6）CO和HC排放相关性分析：通过将预测变量筛选和相关性拟合程序重复应用于LTO平均CO和HC排放指数，研究人员发现CO总体表现良好，筛选后的燃烧室组中无零值或近零值，CO回归指标相对稳定；HC对小值更敏感，尤其在LEC组中32条记录为零值、36条低于0.01 g/kg、44条低于0.05 g/kg，使得基于百分比的指标解释需谨慎；对于CO，Conventional/SAC组二次响应面拟合最强（选定OPR和为最佳预测变量对），TAPS组同样表现良好，TALON组以BPR和为预测变量对；对于HC，TAPS组产生最强拟合（选定OPR和为最佳预测变量对），Conventional/SAC组次之，DAC、LEC和Unknown组拟合较弱；所有组组合后的决定系数分别为NOx 、CO 、HC 。（7）LEC组内残差变异：通过按燃烧室描述对LEC二次相关性残差进行分层分析，研究人员发现保留的燃烧室描述亚组间差异分别占NOx、CO和HC残差变异的约25.9%、59.2%和61.5%，表明LEC内部技术差异对CO和HC散射的反映远强于NOx。（8）预测变量-响应关联与经验域：通过计算Spearman秩相关系数，研究人员发现NOx的选定预测变量通常与响应呈正单调关联，CO主要呈负关联，HC关联较弱且更依赖燃烧室组。

讨论部分总结：本研究利用物理知识约束数据驱动相关性的构建和解释，所得相关性应视为公共认证数据的物理信息降阶表示而非第一性原理燃烧室模型。核心发现是单一的全局发动机级变量与气态排放关系不足以代表高涵道比涡扇数据集的行为，选定预测变量对因燃烧室组而异。LEC组需要特别谨慎，因其是广泛的低排放类别而非单一公共燃烧室架构，其大样本量改善了统计覆盖但宽排放范围表明其混合了多种专有低排放技术和发动机家族世代。NOx结果与先前排放相关性文献一致，OPR、额定推力、BPR和LTO燃油消耗量提供了发动机压比水平、循环架构、发动机规模和集成燃油使用的公开代理描述符。二次模型和幂律模型的比较揭示了有用的权衡：二次模型通常提供更强的数据集内拟合但本质上不约束为非负，应仅在经验预测变量范围内解释；幂律形式虽灵活性较低但对正输入保持正值并提供紧凑标度关系。CO结果比HC结果更稳健，CO形成和氧化受不完全燃烧、局部温度、氧气可用性、停留时间、衬套冷却、稀释和低功率燃烧稳定性控制，其中许多量不在ICAO数据库中。HC结果需要更大谨慎，许多小值、零值或近零值使基于百分比的误差指标不稳定并影响对数空间幂律拟合。LEC栅栏诊断表明可测量HC值的出现与OPR-额定推力预测变量空间相关，但并未证明因果关系或建立通用检测限。研究支持三个更广泛的含义：ICAO数据库变量足以构建选定的LTO尺度排放相关性；燃烧室感知分组提高了可解释性并降低了误导性全局回归行为的风险；相关性性能强烈依赖于污染物。局限性包括报告的性能指标是数据集内相关性指标而非独立的认证级验证结果，燃烧室分类源自公共描述字段可能未捕捉所有内部设计差异，拟合系数特定于本研究所用单位、响应定义和经验范围。

研究结论部分翻译：本研究开发了一个物理约束的、基于ICAO数据库的框架，用于建模航空燃气涡轮发动机的受监管气态排放。主要结论总结如下：所提出的框架使用公共认证变量和ICAO推导的LTO量构建了、、和的降阶相关性。分析有意限制在可直接从ICAO航空发动机排放数据库获取或从ICAO LTO循环计算程序重建的变量；不需要专有燃烧室几何结构、发动机循环数据、燃烧室进口压力或温度、油气比或停留时间信息。燃烧室感知分组对于有意义的降阶排放建模至关重要。首选的预测变量对因燃烧室组和污染物而异，确认单一的全局发动机级变量与排放关系不足以代表高涵道比涡扇数据集。对于，OPR出现在每个选定的预测变量对中，而第二预测变量在BPR、额定推力和LTO总燃油消耗量之间变化。二次响应面和幂律相关性服务于互补目的。二次模型通常提供更强的数据集内拟合，因其捕捉曲率和预测变量交互作用，但它们不自动保持非负预测，应仅在经验预测变量范围内解释。幂律相关性对正输入提供紧凑的正标度关系但灵活性较低，应仅在其性能和拟合趋势保持可接受且物理合理时使用。相关性性能依赖于污染物。通常比的表征更稳健，而HC受零值和近零值影响强烈，尤其在LEC组中。栅栏式诊断表明可测量的LEC HC响应与OPR-额定推力预测变量空间相关，但并未建立通用检测限或因果HC模型。因此，LEC HC幂律拟合不适用于预测，仅作为正响应子集的标度关系保留。总体而言，所提出的相关性最适用于排放趋势分析、初步比较评估和公共ICAO认证数据的解释。它们不应在未经额外验证的情况下替代认证测试、详细燃烧室模拟或非设计任务级预测。未来工作应集中于模式分辨排放建模、严格的样本外验证、不确定性量化以及与独立验证的循环分析工具的集成。