带不等式约束的发动机预测控制

航空发动机模型参数随外界条件变化很大，在整个飞行包线实现最优控制具有一定的难度。根据预测控制在线寻优的特点将其应用于航空发动机控制，并考虑到发动机的安全限制继而构造了带不等式约束的预测控制器。     

基于显式预测控制的涡扇发动机控制器设计

模型预测控制因其能够较好地处理涡扇发动机约束问题且实现多变量控制而具有较大的应用潜力。为了解决传统模型预测控制算法在实际应用中存在运算量大、实时性较差的问题,基于显式模型预测设计了航空发动机多变量控制器。在控制结构上采用多速率双闭环系统,保证了控制精度;在计算上通过多参数规划将在线优化问题转化为线性函数计算问题,大幅度减少了计算量;在发动机从开环切闭环的过程提出一种增量式切换方法,实现无扰切换。数值仿真和硬件在环仿真结果表明,转速和压比稳态误差分别不超过±0.25%和±1%,控制器在25ms控制周期内能完成计算,满足嵌入式系统实时性要求。     

基于攻角预测模型的航空发动机高稳定性控制

研究了发动机稳定性控制问题.作战飞机在超机动飞行时,发动机进口流场畸变严重,采用常规控制并不能保证其稳定工作.针对上述问题,提出了基于攻角预测的发动机超机动飞行高稳定性控制器:首先建立了进气道攻角预测模型,以实时估计发动机进口流场畸变,并在此基础上用增广线性二次型调节器(augmented linear quadratic regulator,简称ALQR)方法设计了高稳定性控制器,最后在发动机/三自由度飞机综合模型平台上模拟大攻角飞行任务进行了数字仿真验证.数字仿真结果验证了提出的控制思想的合理性和可行性.      

基于复合推进系统动态模型-状态变量模型的航空发动机直接推力预测控制

直接推力控制可以有效改善推力控制的品质,针对航空发动机直接推力控制问题,进行了模型预测控制(Model Predictive Control, MPC)研究。为了提升航空发动机推力控制的精度,提出了基于复合推进系统动态模型-状态变量模型(Compact Propulsion System Dynamic Model-State Variable Model-State Variable Model, CPSDM-SVM)的航空发动机直接推力预测控制方法。CPSDM实时估计出不可测参数（推力、喘振裕度等）的基准值,SVM则根据未来输入实时预测发动机未来响应。由于CPSDM将发动机分为进气道、核心机、喷管、喘振裕度、推力等进行建模,在兼顾精度的同时,提高机载模型的实时性。CPSDM-SVM作为MPC算法中的预测模型,具有较高的精度和实时性。仿真结果表明,在与基于分段线化模型的传统模型预测控制方法实时性基本相同的情况下,所提出方法控制效果有明显的提升,调节时间减小了1.17s。所提出方法稳态控制精度为0.08%,传统方法稳态精度为2.58%。因此,所提出方法在保证实时性的条件下,提升了控制精度和控制效果。     

用LQG／LTR方法设计航空发动机多变量控制器

研究航空发动机多变量鲁棒控制器的设计方法。以某型涡轮喷气发动机为对象, 利用差分法得到发动机的小偏离状态空间模型, 计算了多种工况下的模型参数。利用LQG/LTR方法设计了发动机双变量鲁棒控制器, 研究了该控制系统的指令跟踪、解耦、干扰抑制等性能。      

增广预测模型的航空发动机多变量约束预测控制

针对模型不匹配导致的模型预测控制性能下降的问题，提出了一种基于增广预测模型的航空发动机多变量约束预测控制器设计方法。在现有发动机状态空间模型基础上，将指令跟踪误差与系统状态的变化量增广为状态向量，设计增广预测模型以消除稳态跟踪误差，以控制量所需能量与模型预测输出误差最小为目标，利用带约束的序列二次规划（SQP）算法在线滚动优化控制变量。通过某型涡扇发动机非线性部件级模型的包线内不同状态下仿真分析，结果表明，控制系统无稳态误差，调节时间<2s，有效提高了发动机控制品质，实现了对输出量的限制管理。     

航空发动机多模型预测滑模控制

针对航空发动机是一个不确定性的强非线性系统,借鉴多模型方法和预测控制思想,提出了航空发动机多模型预测滑模控制。对航空发动机飞行包线进行划分,建立了航空发动机状态空间多模型;对每个模型分别设计了预测滑模控制器,以滑模轨迹为预测模型,进行滚动优化、反馈校正求取控制量,并根据前几时刻与发动机的匹配程度选择当前时刻的控制器;推导出了其稳定性的条件。仿真结果表明,所设计的控制器控制效果令人满意,能有效抑制参数摄动和干扰的影响。     

基于非线性模型预测控制方法的航空发动机约束管理

针对目前航空发动机控制系统普遍采用Min-Max选择逻辑处理输出量约束的方法具有一定保守性的问题,设计了非线性模型预测控制器,提出在非线性序列二次规划(SQP)算法中加入罚函数实现航空发动机输出量约束管理.仿真结果表明:无论是否触及输出量约束限,非线性模型预测控制器都比Min-Max控制逻辑动态响应更快,在达到限制线时更加明显,此时调节时间从1.16s下降到0.82s,且几乎没有超调量.      

基于在线滚动LS-SVR的涡轴发动机混合预测控制

提出了一种串级PID+非线性模型预测控制(NMPC)的混合控制方案,用于涡轴发动机控制系统中。其中:主控制回路采用串级PID控制器以消除静差保证系统稳定;带约束优化的预测控制器则用于实时燃油补偿,以增强发动机系统对直升机功率需求的快速跟随能力。该预测控制器是基于在线预测模型实现,首先在VC环境下设计在线滚动最小二乘支持向量回归机(OSLS-SVR),在线训练高精度、实时性好的内嵌式预测模型,其测试精度可达3‰;而后利用该模型与序列二次规划(SQP)算法完成滚动优化,建立预测控制器;最后,在UH-60A直升机/T700涡轴发动机综合模型仿真环境下,通过模拟直升机大幅急速升降操作,验证了该混合预测控制方案对大扰动具有较强的抑制能力及鲁棒性,从而使直升机获得更好的机动性能。     

航空活塞式发动机瞬态空燃比控制仿真研究

针对航空活塞式直喷发动机瞬态空燃比难以精确控制、动态超调大等问题,采用基于改进的粒子群优化算法和Elman神经网络(VPSO-Elman网络)的模型预测控制算法对发动机过渡工况空燃比进行控制。在实验数据的基础上,利用发动机建模软件AMESim建立发动机模型,在MATLAB/Simulink中建立VPSO-Elman空燃比预测模型控制系统,通过联合仿真检验控制系统的性能。结果表明:瞬态工况下,相比于比例-积分-微分（PID）控制,VPSO-Elman网络模型预测控制下的空燃比超调量可以减小约20%,回调时间缩短约75%;针对不同的节气门开度变化速率,VPSO-Elman控制器同样具有良好的控制效果。      

航空发动机消喘控制系统设计与试验

研究了航空发动机消喘控制系统的设计方法、航空发动机逼喘试验方法、消喘控制器在回路的数字仿真,并在发动机台架和飞行台上进行了发动机消喘控制系统的试验验证.试验结果表明:通过有效的控制器在回路的数字仿真试验,可以优化控制参数,设计一套可靠的发动机消喘控制系统.      

航空发动机虚拟自学习控制方法研究

随着人工智能技术的发展，智能航空发动机逐渐成为当今航空领域研究的热点。传统的航空发动机控制对发动机模型的依赖性过强，而基于发动机气热动力学公式的机理建模会引入较大的建模误差，给控制器设计带来困难。对此，提出一种基于强化学习的航空发动机控制虚拟自学习方法，首先利用航空发动机的试验数据通过LSTM 神经网络建立虚拟学习环境，然后采用深度强化学习TD3 算法，在虚拟环境中训练智能控制器，最后采用JT9D 发动机模型验证智能控制器的性能。结果表明：相比于传统PID 控制，智能控制器产生的超调量更小，调节时间更短。     

面向对象的航空发动机电子控制器建模与仿真

为了模拟航空发动机电子控制器的结构和功能,根据1种典型的民用涡扇发动机数字电子控制器的硬件结构和工作原理,采用基于面向对象的建模方法,为航空发动机数控系统仿真平台FADEC Works搭建了数字电子控制器部件仿真类库,利用数字电子控制器部件仿真类库建立了双通道数字电子控制器模型,在FADEC Works仿真平台上与发动机模型进行了集成,构成了航空发动机闭环数控系统,并对搭建的双通道数字电子控制器模型进行了仿真和验证。结果表明:利用数字电子控制器部件仿真类库搭建的数字电子控制器模型能够模拟数字电子控制器的运行过程。该模型可应用于控制运行逻辑、故障诊断逻辑、通道切换逻辑的开发、集成、测试和验证。     

涡轴发动机组合模型非线性预测控制

针对涡轴发动机,为了更好的满足控制系统的实时性要求和提高控制性能,建立了数值稳态非线性模型和ARX动态线性模型相串联的组合模型,并将其作为预测模型,设计了非线性预测控制器。由于优化求解控制器时避免了非线性规划问题,控制系统的实时性得以保证。仿真结果表明,当旋翼负载变化时,功率涡轮转速收敛速度快,稳态精度高,超调量小。     

电液力伺服系统的神经网络并行自适应预测 PI 控制

考虑电液伺服系统的复杂非线性和不确定性特性,提出一类基于神经网络的并行自适应预测PI控制结构,该结构使控制参数的调整和系统的实时控制操作可并行进行,不仅做到了神经模型和控制器的在线辨识和设计,而且避免了神经网络方法通常存在的实时控制的困难,使复杂系统的在线学习控制成为可能。仿真结果表明该控制器具有良好的适应性和鲁棒性。      

基于动态优化数据的航空发动机过渡态控制方法

针对一般稳态燃油前馈PID算法在发动机过渡态过程中控制效果差的问题,提出了一种基于动态优化数据的涡轴发动机瞬态控制方法。采用带约束限制的序列二次规划（SQP）优化算法采集包线范围内各点的过渡态参数变化数据作为样本数据,利用稀疏化的最小二乘支持向量机（LSSVM）对样本数据进行训练、测试,将训练得到的LSSVM模型作为前馈与PI构成闭环控制器共同对涡轴发动机进行过渡态控制。通过对民用涡轴发动机部件级模型的包线内某两点不同功率水平进行仿真,结果表明,过渡态过程中动力涡轮转速超调量与下垂量均小于0.4%,稳态误差为0,动力涡轮转速稳定时间小于2s,各参数均未超限,因此,该控制器能有效提高涡轴发动机过渡态控制效果,实现对参数的限制管理。     

基于AMESim的涡扇发动机控制系统 综合仿真

以AMESim为平台,采用模块化的设计方法,分别建立航空发动机、传感器、燃油系统、电子控制器和执行机构数学模型.将模块封装打包建立涡扇发动机控制系统模型库,并将之组成为完整的发动机及调节器系统综合仿真平台.以主燃油控制系统为例,介绍了各仿真模块的建立过程,仿真结果表明,系统模型能反映各子系统之间的复杂集成和耦合关系,利用系统模型仿真进行组合优化能够有效提高系统性能.      

一种变旋翼转速直升机/涡轴发动机非线性模型预测控制方法研究

为了实现变旋翼转速直升机/涡轴发动机快速响应控制,提出了一种基于神经网络的直升机旋翼预测模型与基于状态变量模型的涡轴发动机预测模型的新型非线性模型预测控制方法。所建目标函数除了包含转速控制指标外,还考虑了经两级变速双离合器传动机构传扭后发动机输出轴的转子动力学特性。不同飞行任务下的数值仿真结果表明:相对于PID控制器而言,非线性模型预测控制器可在满足压气机转速、发动机静强度等限制条件下使动力涡轮转速在变旋翼转速过程中的超调量减小50%,下垂量降至0.2%以内,实现了涡轴发动机的快速响应控制的同时,有利于改善发动机使用寿命。     

民用涡扇发动机多变量增广LQR控制器设计

针对民用涡扇发动机设计多变量控制器,提出将多变量增广LQR控制算法引入到民用涡扇发动机的方法。将发动机控制量作为增广的状态向量引入LQR算法设计,并根据控制系统回路的性能需求,设计期望动态响应曲线;期望动态响应与实际动态响应的差值范数作为优化目标用来调整、确定LQR控制算法的权阵取值;设计的控制器与民用涡扇发动机非线性模型仿真验证。结果表明,多变量增广LQR控制器满足民用涡扇发动机的控制需求。     

涡轴发动机自适应非线性预测控制

为了实现当直升机旋翼负载变化时,尽量保持功率涡轮转速恒定,并提高系统动态品质,研究了一种针对涡轴发动机的自适应非线性预测控制(ANMPC)算法.基于涡轴发动机稳态数据和动态特性,采用递归最小二乘法(RLS)进行模型参数辨识,建立了具有在线自适应能力的涡轴发动机数值-ARX(auto regressive with external input)并联预测模型.在此基础上,通过多步输出预测和反馈校正,利用序列二次型优化(SQP)算法,进行在线滚动优化,从而获得了涡轴发动机ANMPC控制器.仿真结果表明:当旋翼负载变化时,相比于传统的串联PID(比例-积分-控制)控制器,ANMPC控制器能够使得功率涡轮转速收敛更快,超调量/下垂量更小.