利用SQP控制涡扇发动机加速过程的多目标最优化研究

在涡扇发动机加速过程控制中引入多目标评价函数法中的线性加权和法,实现发动机加速过程的双变量控制。研究过程中,充分考虑了涡扇发动机加速过程中的各项约束条件。仿真结果表明,应用多目标最优化方法来进行发动机加速最优控制是可行的,能充分发挥发动机的潜力。      

基于FSQP算法的涡扇发动机多变量最优加速控制

深入研究了新的非线性规划算法———FSQP算法。提出了一种基于FSQP算法的涡扇发动机多变量最优加速控制方法。该方法可以提高发动机的加速性能并满足加速过程中的各项约束条件。最后,通过仿真表明了该控制算法的可行性和良好的控制效果。     

基于RBF网络的航空发动机单神经元解耦控制

针对航空发动机多变量控制系统中各回路之间存在的耦合现象,提出了一种基于RBF网络辨识的航空发动机多变量单神经元网络解耦控制方法。对发动机的多个控制回路,采用多个RBF网络实时辨识各个回路发动机的数学模型,并将系统的灵敏度信息实时反馈给各回路的控制器,保证了单神经元网络控制器对各回路的准确控制,最终实现对发动机多回路的解耦控制。通过在飞行包线内的仿真,结果表明,该方法不依赖被控对象的精确模型,有效地实现了对发动机的解耦控制,而且具有良好的动静态性能,将其应用于航空发动机多变量解耦控制是行之有效的。     

多变量多目标涡轴发动机最优加速控制

基于压气机几何可调的自由涡轮式涡轴发动机部件级动态数学模型,利用可行性序列二次规划（FSQP）算法对多优化目标进行线性加权,提出了多变量多目标的涡轴发动机最优加速控制算法。仿真结果表明,提出的优化算法改善了涡轴发动机加速过程的品质;选择恰当权重的目标函数能大大缩短加速时间,进而改善发动机的动态性能,进一步发挥发动机的性...     

基于H ∞ 回路成形的变循环发动机多变量控制

为了进一步提升变循环发动机的性能，针对3输入3输出变循环发动机模型，利用相对增益矩阵（RGA）分析了发动机内 部的耦合性；采用基于目标函数的2自由度H ∞ 回路成形法设计了多变量控制器，并与传统单变量PI方法做了对比。仿真结果表 明：多变量控制系统具有良好的扰动抑制能力和跟踪性能，且能够顺利实现模态转换；与单变量方法相比，在同等的穿越频率及相 位裕度约束下，n 1 回路阶跃响应的超调量减小了95.3%、调节时间缩短了51.5%；πe回路的最大偏移量减小了89.69%、调节时间缩 短了27.4%。表明多变量方法可以对变循环发动机进行有效控制且在跟踪控制过程中的性能更优，可以显著提升变循环发动机 的性能。     

一种航空发动机多变量自抗扰解耦控制律设计

研究了航空发动机多变量解耦控制律设计问题。提出了一种用于航空发动机多回路控制的多变量自抗扰解耦控制算法:首先通过静态解耦算法实现多变量耦合系统的静态解耦,而后通过ADRC非线性扩张观测器的补偿控制实现各回路的动态解耦,最终实现复杂多变量耦合系统的解耦控制。以某涡扇发动机非线性部件级实时数学模型为被控对象,基于上述多变量自抗扰解耦控制算法设计了发动机中间状态以上多变量控制律。在全包线内,与基于增广LQR控制方法设计发动机闭环系统,进行了对比研究。数字仿真结果表明,前者使得发动机闭环系统具有更好的指令跟踪和多回路解耦能力。     

多变量控制模拟计算中应该注意的问题

航空发动机模拟计算作为一种预测手段在发动机设计和试验中得到了广泛的应用，发动机多变量控制模拟计算又是当前发动机研究中的热门学科。作结合工作实践，对在发动机多变量控制模拟计算中容易出现的问题进行了较为详实的论述，并提出了一些观点。对从事这方面工作的研究人员有一定的参考作用。     

基于DRNN网络的航空发动机多变量解耦控制

通过分析对角递归神经网络（DRNN）及带动量项的梯度学习方法（GDM）,针对某型涡扇发动机的性能控制,研究了基于对角递归神经网络的多变量自学习解耦控制算法及其在航空发动机控制中的应用.阐明了该方法的结构和原理.并在设计点处进行了发动机多变量解耦控制系统设计.在偏离设计点时,大量的仿真结果表明,系统具有较好解耦和自适应能力.     

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。     

变循环发动机稳态控制规律设计的新方法

变循环发动机(VCE)具有较多的可调参数,为了进行变循环发动机的多变量稳态控制规律优化设计,提出了用于变循环发动机稳态控制规律优化设计的一种新方法-逆算法。该方法基于敏感性系数矩阵,采用可调参数替换传统部件级性能计算模型中的独立变量,在给定变循环发动机主要状态参数和部件参数的条件下,实现了可调参数的求解,进一步完成发动机稳态控制规律的优化设计。对比表明,逆算法的计算精度和收敛速度与传统算法一致,收敛性得到了改善。对带有核心机驱动风扇(CDFS)的双外涵变循环发动机亚声速巡航的节流状态控制规律优化后,使得巡航推力下的安装耗油率比定几何的双外涵和单外涵发动机分别下降7.8%和16.4%,而地面安装耗油率最大降低约3.4%。结果表明,逆算法是变循环发动机稳态控制规律优化设计的一种有效途径。     

MULTIVARIABLE MODEL REFERENCE ADAPTIVE CONTROL FOR A TURBOFAN ENGINE

ＭＵＬＴＩＶＡＲＩＡＢＬＥ　ＭＯＤＥＬ　ＲＥＦＥＲＥＮＣＥ　ＡＤＡＰＴＩＶＥ　ＣＯＮＴＲＯＬ　ＦＯＲ　Ａ　ＴＵＲＢＯＦＡＮ　ＥＮＧＩＮＥＦａｎＪｕｎ；ＨｕａｎｇＪｉｎｑｕａｎ；ＳｕｎＪｉａｎｇｕｏ；ＦｅｎｇＺｈｅｎｇｐｉｎｇ（Ｄｅｐ．ＯｆＰｏｗｅｒＥ...     

航空发动机多变量三层神经网络控制

提出了一种发动机多变量神经网络控制方法。采用三层前向神经网络对非线性项进行补偿,神经网络权重自适应律采用在线学习算法。控制系统的设计不需要知道精确模型,适应于全飞行包线。仿真研究表明发动机多变量神经网络控制具有良好的动、静态性能。      

改进参考模型的涡扇发动机多变量模型参考自适应控制

针对涡扇发动机难以获得精确数学模型和普通模型参考自适应控制不保证动态性能的问题,提出了一种具有改进参考模型的涡扇发动机多变量模型参考自适应控制方法。采用状态反馈形式设计了状态跟踪的多变量自适应控制器,其中对参考模型作了引入跟踪误差反馈的改进,使得高自适应增益下跟踪曲线的超调得到明显的抑制,动态响应得到改善。应用该方法对涡扇发动机非线性部件级模型进行仿真分析,结果表明,控制系统调节时间小于2s,无稳态误差,具有良好的控制品质。     

航空发动机自适应神经网络PID控制

本文提出了一种航空发动机多变量自适应神经网络 PID控制方法, 采用基于共轭梯度的神经网络学习算法在线整定控制器参数。该控制器的设计无需知道发动机精确模型, 具有响应速度快、抗干扰能力强和鲁棒性好等优点。控制器不仅算法简单, 实现容易, 而且适用范围广。      

基于数据驱动的变循环发动机多变量自适应控制算法研究

本文针对变循环发动机包线范围大,自适应控制需求高的问题,在增广线性二次型调节器(ALQR)基础上,提出一种基于数据驱动的自适应ALQR(DA-ALQR)控制算法。构建了多变量系统自适应控制准则函数,以梯度下降法对控制器参数进行调整,借助基于数据驱动的动态线性化建模方法,递推进行输出对输入梯度的近似计算,实现了对ALQR控制参数的自适应调整。仿真结果表明,所设计的DA-ALQR控制器参数随发动机状态变化得到了有效调整,相较于ALQR控制算法,闭环系统动态性能得到了大幅度提升,推力在单外涵模式表现出较快的响应速度,在双外涵模式表现出更小的超调,转速同样表现出了超调减小和响应速度加快特性,验证了所提出方法的有效性。     

A novel model-based multivariable framework for aircraft gas turbine engine limit protection control

Control technologies are innovated to satisfy increasingly complicated control demands of gas turbine engines. In terms of limit protection control, a novel model-based multivariable limit protection control method, which is achieved by adaptive command reconstruction and multiple-control loop selection and switch logic, is proposed in this paper to address the problem of balancing smaller thrust loss and safe operations by comparing with widely-used Min-Max logic. Five different combination modes of control loops, which represent the online control loop of last time instant and that of current time instant, is analyzed. Different command reconstructions are designed for these modes, which is based on static gain conversion of amplitude beyond limits by using an onboard model. The double-prediction based control loop selection and switch logic is developed to choose a control loop appropriately by comparing converted amplitude beyond limits regardless of one or more parameters tending to exceed limits. The proposed method is implemented in a twin-spool turbofan engine to achieve limit protection with direct thrust control, and the loss of thrust is improved by about 30% in comparison with the loss of thrust caused by Min-Max logic when limit protection control is activated, which demonstrates the effectiveness of the proposed method.     

基于改进无模型自适应算法的涡扇发动机限制保护控制方法

针对发动机限制保护控制问题,提出了一种基于数据驱动的改进无模型自适应限制保护控制方法。以主回路闭环系统为设计对象,通过在常规无模型自适应控制律的准则函数中增加误差变化率,使超限保护系统具有更快的响应速度,给出了改进后系统的稳定性条件,并采用临界比例度法进行了控制器参数整定。仿真结果表明:在不同工作点,所设计的改进无模型自适应限制保护控制器相比常规无模型自适应限制保护控制器,最大超限平均减小2.97%,响应时间平均缩短2.30s,实现了发动机超限后的迅速回调,保证了发动机系统的安全运行。     

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。