航空发动机燃油泵试验台入口油温控制

航空发动机燃油泵试验台入口油温控制系统是一种非线性、时滞系统,难以建立数学模型,常规的PID控制方法不能实现精确的控制。提出采用改进的单神经元自适应PID控制方法实现对入口油温的控制。该控制方法结合了神经网络和PID控制的优点。仿真结果表明,所采用的单神经元自适应PID控制与常规PID控制相比,具有更好的控制品质。     

基于自调整神经元的航空发动机多变量自适应解耦控制

根据航空发动机性能控制要求, 通过分析自调整神经元及最速下降学习方法, 研究了基于自调整神经元的航空发动机多变量自适应解耦控制系统.利用自调整神经元的结构简单、各神经元之间没有权值连接及在线学习的优点, 在线整定多变量PID控制器的参数.阐明了该方法的结构和原理.并进行了航空发动机多变量自适应解耦控制系统的设计.大量的仿真结果表明, 系统具有良好的解耦特性和自适应能力.      

航空发动机主燃油执行机构容错控制

为了在主燃油计量活门位移传感器出现故障时仍能实现航空发动机全包线范围内的转速自适应控制,根据航空发动机转速自适应控制原理提出了一种基于零极点配置原理的容错控制方法,根据高压转子转速控制计划与实测转速之间的误差对主燃油控制电液伺服阀电流进行闭环运算,并运用零极点配置原理将控制参数与转速自适应控制相融合,参数在全包线范围内随发动机状态变化进行自适应调整,通过半物理模拟试验对该容错控制方法进行了验证。结果表明：该容错控制方法能够在全包线范围内保证数字电子控制系统稳定工作,并具有较好的稳态和动态性能,发动机高压转子转速稳态波动量在±0.15%以内,超调量和下降量分别在0.63%和0.61%以下,而且容错控制方法实施方便、自适应性强,对提高航空发动机数字电子控制系统的工作可靠性具有重要作用。     

具有积分限制的单神经元PID控制算法

提出了一种抗积分饱和的变参数PID单神经元二次性能寻优算法.在 PID结构简单的基础上,兼有神经元自适应修正能力和二次性能寻优的特点,当积分出现饱和时,通过控制逻辑自动抑制偏差的积分,从而提高了变参数PID算法的鲁棒适应性.以某双轴发动机喷口为被控对象,对模型参数以50%的变化进行了控制性能的仿真.结果表明:变参数PID单神经元二次性能寻优算法具有较强的鲁棒稳定性和鲁棒性能,动态过程的最大超调量被抑制在5%以内,动态调节时间仅为0.6s.所提出的性能寻优PID算法可以满足航空发动机的控制需求.      

基于自适应容积卡尔曼滤波方法的涡扇发动机气路部件故障诊断

针对涡扇发动机气路部件故障诊断中参数存在不同的噪声统计特性,提出了一种自适应平方根容积卡尔曼滤波(ASRCKF)器的自适应滤波方法.该方法直接利用基于3阶容积积分方法近似发动机的非线性统计特性,用于替代非线性无迹卡尔曼滤波方法的系统模型,避免了滤波过程参数选取的问题;采用移动窗口法对噪声协方差矩阵进行自适应估计,提高了算法对不同统计特性噪声的自适应能力和滤波精度.通过对发动机气路部件健康参数蜕化过程仿真结果表明:ASRCKF方法相比平方根容积卡尔曼滤波(SRCKF)方法,精度提高40%~50%,对不同噪声信号具有更好的适应能力.      

单神经元PID算法在流量比值控制中的应用

针对在PCT-2型过程控制装置进行流量比值控制时．PID（proportional integral differential controller）参数难以整定的问题，提出一种基于单神经元自适应的PID流量比值控制方法，使PID参数实现自整定。该算法利用单神经元的自学习和自适应能力、结构简单和易于计算的特点与PID算法相结合，形成了一种新型的智能PID流量比值控制方法．其可以解决传统PID调节器不易在线实时进行参数整定、难于对一些复杂过程和慢时变系统进行有效控制的不足。实验结果表明：这种控制方法不仅容易掌握、精度高，且具有一定的实用价值。     

基于GA的航空发动机单神经元自适应解耦控制器设计

针对航空发动机控制变量间的耦合作用,设计了基于GA优化的单神经元自适应解耦控制器,给出了控制系统的结构及解耦算法。该方法结构简单、易于实现,直接通过对两个通道误差的学习调整权值,实现解耦。仿真表明,在设计点和偏离设计点处,系统均具有良好的动态特性和解耦特性。     

基于误差反馈控制的建立航空发动机自适应模型方法

提出了基于误差反馈控制的建立航空发动机自适应模型方法.即以实际发动机的输出为参考指令,以航空发动机性能蜕化值为航空发动机模型的控制量,通过设计鲁棒性好且能消除稳态误差的增广线性二次型最优调节(ALQR)控制器以实现模型的输出自适应地无偏跟踪真实发动机的输出,利用ALQR的鲁棒性,使模型具有良好的自适应性.ALQR和发动机模型一起构成航空发动机自适应模型.最后通过稳态仿真和动态仿真表明该方法不仅可以实现自适应模型全包线跟踪稳态真实发动机,同时能实现动态跟踪真实发动机.      

基于发动机性能的传感器故障隔离方法研究

对处于研制阶段的航空发动机整机试验用传感器故障隔离进行了研究。分析了研制阶段发动机试验传感器的故障特点,基于这些特点和发动机自适应模型,建立了多种基于发动机性能模型的故障隔离算法,分别研究了3种不同的隔离指标;分析了发动机故障与传感器故障之间的影响和关系,在发动机故障程度较为严重条件下,建立了改善传感器故障隔离效果的加权方法;并对所建立的算法进行了带有噪声的数值试验。结果表明:采用自适应收敛判断量作为隔离指标,隔离效果最为良好。     

一类非线性系统的神经网络自适应控制

针对一类单输入单输出不确定非仿射型非线性系统,基于多层神经网络提出了一种直接自适应控制方法。该设计方法首先应用多层神经网络自适应模拟逼近逆解中的未知部分,然后应用逆设计和自适应反演设计出虚拟控制量,最后应用反馈线性化设计方法和神经网络设计了直接自适应控制律。并利用Lyapunov稳定性定理推导了神经网络的参数调节律,保证了闭环系统的所有信号均最终一致有界。     

自适应滤波技术的研究

应用常规卡尔曼滤波器(KF)要求知道系统精确的数学模型和系统噪声与量测噪声的统计特性,才能获得理想的滤波效果,否则可能产生发散现象。人们越来越倾向于利用自适应滤波(AKF)技术来解决发散的问题。针对AKF技术的研究现状,本文探讨一种结构简单、实时性较强、工程上比较实用的AKF算法。仿真结果表明,这种算法具有较强的自适应性,为一种实用而有效的滤波方法。     

自适应增量 Kalman 滤波方法

提出自适应增量Kalman滤波(AIKF)的概念和定义,建立自适应增量Kalman滤波模型及其分析方法,给出主要的计算步骤.传统自适应Kalman滤波(AKF)方法能够对事先未知的系统噪声和量测噪声的统计量进行有效的估计.但是,传统自适应Kalman滤波方法也无法对由于环境因素(如深空探测)的影响、测量设备的不稳定性等原因产生的未知时变测量系统误差进行补偿和校正,从而产生较大的滤波误差,甚至导致发散.提出的自适应增量Kalman滤波方法不但能够对系统噪声和量测噪声的统计量进行估计,而且还能成功消除这种测量系统误差,有效地提高滤波精度.该方法计算简单,便于工程应用.      

A new adaptive Kalman filter for navigation systems of carrier-based aircraft

The features of carrier-based aircraft’s navigation systems during the approach and landing phases are investigated. A new adaptive Kalman filter with unknown state noise statistics is proposed to improve the accuracy of the INS/GNSS integrated navigation system. The adaptive filtering algorithm aims to estimate and adapt the unknown state noise covariance Q in high dynamic conditions, when the measurement noise covariance R is assumed to be known empirically in advance. The new adaptive Kalman ...     

自适应扩展增量 Kalman 滤波方法

基于扩展增量Kalman滤波方法(EIKF)和自适应增量Kalman滤波(AIKF),建立自适应扩展增量Kalman(AEIKF)模型及其分析方法,给出递推算法.在许多实际情况(如深空探测),由于环境因素的影响、测量设备的不稳定性等原因,量测方程往往存在未知的系统误差,并且模型参数也具有不确定性,结果导致较大的Kalman滤波误差,影响滤波的收敛性.提出的AEIKF方法能够成功消除这种未知的系统误差,并能够实时估计变化的噪声统计量,提高Kalman滤波精度.该方法计算简单,便于工程应用.      

改进的Sage-Husa自适应滤波算法在MEMS航姿参考系统中的应用

针对经典Kalman滤波和扩展Kalman滤波融合算法存在的计算量大、精度低、实时性差的缺点,引入了改进的Sage-Husa自适应扩展Kalman滤波算法。该算法对经典扩展Kalman滤波算法进行了自适应改进,并在此基础上利用加权渐消记忆法获取了遗忘因子,并通过预测残差得出了最优解。同时,用调整有偏增益估计的措施来保证系统噪声预测方差矩阵与噪声预测方差矩阵的对称性和正定性,对滤波器发散进行了有效的抑制,减少了算法的计算量。实验结果表明,该算法有效改善了可靠性、精确性及自适应能力。     

一种基于冗余测量的自适应卡尔曼滤波算法

针对目前自适应滤波算法的不足,在测量系统量测噪声方差未知的情况下,设计了一种基于冗余测量的自适应卡尔曼滤波(RMAKF)算法。通过对系统冗余测量值的一阶、二阶差分序列进行有效的统计分析,可以准确估计系统量测噪声统计特性,进而在滤波过程中自适应调节噪声方差阵R,提高滤波精度。以全球定位系统/惯性导航系统(GPS/INS)松组合导航系统为对象进行了仿真实验,结果表明该算法在测量系统噪声特性未知或发生改变时,可对其进行准确估计,在采用低精度惯性器件情况下,滤波结果较其他主要自适应卡尔曼滤波算法有较明显的改进。     

基于Kalman滤波的高频CW电报信号自动识别

针对强噪声背景下高频CW电报信号检测算法性能严重下降、误码率较高的问题,文章提出一种基于卡尔曼滤波的高频CW电报信号同步检测识别算法。利用自同步法对CW电报信号实现位同步,进而利用卡尔曼滤波针对时变干扰噪声设置自适应阈值,对信号能量进行软判决,实现CW电报信号的自适应跟踪检测,提取有效信号进行识别。通过短波信道仿真软件和实际短波通信测试表明,该算法能够在强噪声背景下有效检测识别CW电报信号,且算法可由迭代实现。     

GPS/INS组合导航系统自适应滤波算法与仿真研究

随着组合导航系统应用环境的日趋复杂，给噪声统计特性的准确描述带来困难，这将造成Kalman滤波器不稳定甚至发散。首先对目前解决此问题常用的自适应滤波方法进行了总结和分析，在此基础上，给出了基于滤波收敛性判据，结合Sage-Husa自适应滤波和强跟踪Kalman滤波的改进自适应滤波算法。最后以GPS／INS组合导航系统为例进行了计算机仿真，结果表明：该算法可有效抑制滤波发散，具有较大范围的自适应能力。     

Adaptive Tracking Filter for Maneuvering Targets

A general method of continually restructuring an optimum Bayes-Kalman tracking filter is proposed by conceptualizing a growing tree of filters to maintain optimality on a target exhibiting maneuver variables. This tree concept is then constrained from growth by quantizing the continuously sensed maneuver variables and restricting these to a small value from which an average maneuver is calculated. Kalman filters are calculated and carried in parallel for each quantized variable. This constrained tree of several parallel Kalman filters demands only modest om; puter time, yet provides very good performance. This concept is implemented for a Doppler tracking system and the performance is compared to an extended Kalman filter. Simulation results are presented which show dramatic tracking improvement when using the adaptive tracking filter.     

基于自适应扩展卡尔曼滤波的载波跟踪算法

精确的载波相位测量是精密测距中一个很重要的研究点。针对传统扩展卡尔曼滤波(EKF)的固定设计在先验信息不充分和动态变化环境中存在的不足,提出了一种基于自适应扩展卡尔曼滤波(AEKF)的载波跟踪算法。该算法通过实时监测滤波器新息或残差的动态变化,以修正状态噪声方差和观测噪声方差,进而调整滤波器增益,控制状态预测值和观测值在滤波结果中的权重。理论分析和仿真结果表明,本算法充分利用了观测信号的统计特性,克服了传统扩展卡尔曼滤波算法的不足,能够获得更好的载波跟踪性能。