航空发动机T-S分布式系统自适应鲁棒滑模控制

为提高航空发动机非线性不确定分布式控制系统的鲁棒性,考虑参数摄动,外部干扰,随机时延的影响,采用一种基于飞行包线划分的航空发动机T-S模糊模型,进行了鲁棒自适应滑模控制方法的研究。基于鲁棒H∞理论,针对模糊规则的状态空间模型,推导了滑模运动渐进稳定的充分条件,设计具有扰动抑制性能的鲁棒滑模面;基于并行分布补偿技术,采用与T-S模型相同的模糊规则,确定全局模糊滑模控制器设计策略,在此基础上,采用自适应技术估计未知干扰上界,设计了自适应滑模控制器,并证明了系统在控制器作用下的到达性。仿真结果表明该方法能够保证系统渐进稳定,对所考虑的不确定性因素鲁棒性较好,有效削弱了抖振,对不同工作点和干扰条件具有良好的适应性。     

一类带有时变输入时滞T-S模糊系统控制器设计

利用模糊T-S模型对一类带有时变输入时滞T-S模糊系统进行模糊建模．在此基础上对该T-S模糊系统控制器设计进行研究，并以Lyapunov—Razumikhin稳定性理论为基础，给出了该系统渐近稳定的充分条件及其控制器的设计方法。算例表明这种设计方法是有效的     

基于LMI的二冲程发动机转速鲁棒PI控制

针对某型航空用二冲程发动机,用逐步回归的方法建立发动机非线性稳态模型,在平衡点附近进行泰勒级数展开,得到了发动机在平衡点附近的线性模型;基于线性矩阵不等式(LMI)的方法进行鲁棒控制算法研究,得到了鲁棒PI控制参数,实现了系统的鲁棒控制;基于模糊T-S模型并行分配补偿控制策略,设计了控制算法切换策略.经系统仿真和发动机台架实验验证,在负载11%的扰动下转速控制精度稳定在2.3%之内,控制器对于外界干扰有较强的鲁棒性,得到了期望的控制效果.      

基于智能特征提取的模糊建模及鲁棒控制

针对航空发动机全包线线性模型难以在线建立问题,提出一种基于智能特征提取的模糊建模方法。设计航空发动机特性表征参数,采用近邻传播算法提取航空发动机特性,将特性提取区域中心稳态工作点作为Takagi-Sugeno （T-S）模糊模型标称点建立全包线T-S模糊状态空间模型。基于该T-S模糊模型结合H_∞控制理论,设计参考模型H_∞控制器并开展仿真验证,仿真结果表明：T-S模糊状态空间模型稳态误差处于10^-3量级,满足模型精度要求且H_∞控制器响应时间小于1s,无稳态误差,具有较好的控制效果。     

基于李雅普诺夫函数的航空发动机非线性控制设计方法

针对航空发动机非线性模型,提出了1种基于李雅普诺夫(Lyapunov)函数的航空发动机非线性控制设计方法。在保证系统稳定的前提下,采用该方法完成了航空发动机非线性控制器的设计。仿真研究结果表明:该设计方法可提高系统响应速度,能有效抑制干扰,且具有良好的跟踪性和鲁棒性,有效改进了航空发动机控制系统的性能。     

基于Kalman滤波的变体飞行器T-S模糊控制

针对变体飞行器的跟踪控制问题,提出了一种基于Kalman滤波的T-S模糊控制方法。考虑飞行器系统状态不可测,引入惯导数据作为辅助信息,利用Kalman滤波算法融合飞控信息与惯导信息实现状态估计。由于变体飞行器在不同变形结构下气动特性变化较大,为便于控制器设计,采用小扰动线性化方法得到飞行器在不同平衡点处的局部线性模型,并通过状态反馈方法设计局部控制器,局部线性模型和局部控制器通过模糊集和模糊规则聚合成一个连续光滑的全局T-S模糊模型和T-S模糊控制器。通过综合Kalman滤波器与T-S模糊控制器得到一个基于Kalman滤波的T-S模糊控制器。仿真结果表明,该控制器在变形过程中能够实现状态估计,保证飞机的跟踪性能。     

基于T-S模糊KPCA模型的分布式控制系统传感器故障诊断

为减小航空发动机多工况的工作特性和分布式控制系统非线性网络环境对故障诊断系统的影响,针对航空发动机分布式控制系统,提出一种基于T-S模糊KPCA模型的传感器故障诊断方法。首先采用C均值模糊聚类法,以油门杆角度为样本标签,对样本空间进行模糊分类,再通过模糊相似矩阵剔除各样本子空间的野值点;其次建立标称工况的KPCA模型,并利用训练样本对非标称工况的隶属度函数进行辨识,得到全工况T-S模糊KPCA模型;最后利用统计量T 2和SPE对传感器故障进行检测,并采用数据重构方法对故障传感器进行隔离定位。仿真结果表明该方法对发动机的任意稳定工况具有自适应能力,能够在非线性网络环境下对正常样本和故障样本保持较低的虚警率和漏报率。当多个传感器同时发生故障时,能够准确找到故障源,实现对故障传感器的隔离。     

基于飞行包线划分的航空发动机T-S模糊模型辨识

针对航空发动机在建立Takagi-Sugeno(T-S)模糊模型时运算耗时长和过分依赖学习数据的问题,提出了一种基于飞行包线划分的航空发动机T-S建模方法.通过飞行包线划分和标称点求取确定T-S模型的前件结构;计算各标称点的状态空间模型,将其作为T-S模型的后件;最后通过对航空发动机发参数据的机器学习完成对模型前件参数的辨识.仿真对比结果表明:该方法缩短了航空发动机T-S模糊模型的建模时间,并使得高压转子和低压转子转速的绝对误差分别小于0.25%,0.10%,保持了辨识精度.      

一种改进航空发动机控制器性能的非线性设计方法

为提高航空发动机某工作点的模型精度,并拓宽航空发动机在该工作点控制包线的范围,可应用非线性模型来描述该工作点的动态过程。基于该非线性模型,首先应用Lyapunov稳定性定理设计出一组控制器,然后应用广义Gronwall-Bellman引理的方法完成该控制器性能验证。仿真研究表明:系统响应速度快,能有效抑制干扰,具有良好的跟踪性和鲁棒性,验证了该设计方法的有效性。     

基于T-S模糊的纵向飞行模型簇LQG控制器设计

为了使飞机飞行时状态变量稳定,以F/A-18模型参数为例,对飞行控制系统纵向飞行模型簇给出了T-S模糊控制与LQG控制相结合的变增益模糊控制方法,研究其状态控制与稳定性问题。首先采用输入输出反馈线性化方法,将非线性微分方程组表示的飞机纵向控制系统进行线性化解耦得到线性化方程组,然后用模糊控制方法对变换后的线性系统进行设计,并对所设计的飞行控制系统进行仿真。仿真结果表明,该方法解决了多变量非线性模型簇控制问题,基于T-S模糊的纵向飞行模型簇LQG控制器设计可以实现状态、输入扰动下系统自动调稳功能。     

航空发动机增益调度控制的多项式平方和规划方法

针对现有的线性变参数(linear parameter varying,LPV)控制器设计方法都是关于仿射参数依赖系统而没有专门针对多项式描述的LPV系统这一现状,提出了一种基于多项式平方和(sum of squares,SOS)规划的增益调度控制设计方法,并将其用于转速大范围变化时的航空发动机高压转子转速及压比控制.根据发动机非线性模型获取不同转速下的状态空间模型,并利用多项式拟合的方法建立发动机线性变参数模型.给出能够保证无静差的增益调度控制结构,利用有界实定理和多项式平方和理论推导出能够保证闭环系统鲁棒稳定的SOS约束条件,并形成控制器求解的SOS规划问题,通过求解获得多项式描述的增益调度控制器.分别以LPV模型和发动机非线性模型为对象做阶跃仿真,结果表明:高压转子转速/发动机压比控制系统的调节时间在2s以内,稳态误差不超过0.1%.      

航空发动机多变量 PI 型鲁棒控制器

首先用奇异值分解法,将航空发动机不同平衡点的小偏离线性模型统一为一个具有结构参数扰动的线性模型,然后应用鲁棒H∞控制理论及PI型H∞控制设计技术,设计了PI型鲁棒串级控制器,实现了低压转速和涡轮后温度同时保持常数的双变量发动机调节方案。最后采用某型双转子涡喷发动机气动热力学非线性数字模拟器,对所设计的控制器进行了仿真评估,结果表明控制系统具有良好的动态响应及鲁棒稳定性。     

基于SVM辨识的涡扇发动机全包线稳态控制方法

针对涡扇发动机全飞行包线范围稳态最优控制器的设计问题,首先根据不同飞行条件下发动机各工作状态的稳态“小偏差”线性模型,采用线性二次型调节器(LQR)分别设计得到相应的发动机最优线性控制器参数,然后将所得到的线性控制器用支持向量机方法进行非线性逼近,得到控制器参数的支持向量机辨识模型,以满足发动机全包线、全状态稳态控制的需要.支持向量机模型的输入为飞行高度、马赫数和稳态转速,输出为线性控制器参数.应用实例表明:该方法在全包线范围内对发动机最优稳态控制器的逼近误差均在2%以内,能较好满足控制精度要求.      

基于N-dot的涡扇发动机加速控制器设计

针对双转子民用涡扇发动机,进行基于转子加速度的加速控制器设计研究。采用常规的PI控制器结构,针对结构中所需的转子加速度指令,给出了1种满足要求的设计方法,并将PI控制参数的求解过程转化为带约束的非线性优化问题,利用模式搜索算法求解。构建包含稳态控制器和加速控制器的涡扇发动机闭环控制回路,进行加速过程仿真测试。结果表明:所设计的加速控制器满足涡扇发动机加速过程的性能要求,对于工程设计与应用具有一定的参考价值。     

利用神经网络设计航空发动机全包线最优控制器

本文提出一种用神经网络拟合飞行条件、发动机工况与发动机最优控制器参数之间关系, 从而设计适合于全飞行包线范围内发动机最优稳态控制器的方案。该方案可以针对发动机分段线性化模型, 利用成熟的线性控制设计方法设计非线性控制器, 且控制器结构简单、实时性好。仿真结果表明, 所设计的发动机控制系统在整个飞行包线内的设计点及非设计点均具有良好的性能。      

航空发动机LQR控制的模糊神经网络方法

针对线性二次型调节器LQR在航空发动机多变量控制中存在的存储量需求太大的问题,提出了相应的自适应神经网络模糊控制方法。根据某型发动机飞行包线内给定工作点的线性化模型,分别设计控制器,并将分别设计的控制器用自适应神经网络模糊推理的方法进行综合,使之成为一个非线性的控制器,由此可以得出其它工作点的LQR设计结果。该方法能够在一定程度上弥补LQR控制的缺陷,仿真实例表明了其有效性。      

基于LMI涡扇发动机混合加权灵敏度H_∞动态输出反馈控制

利用回路整形和内模原理方法,选取合理频率域加权函数,结合实际被控对象状态空间模型,得到某广义被控对象状态空间模型,将原控制要求问题转化为标准H∞控制问题。基于LMI(LinearMatrixInequality)方法,对此广义对象进行最优H∞动态输出反馈控制器设计,进而求得原被控对象的控制器。以某型涡扇发动机为被控对象,进行混合加权灵敏度H∞动态输出反馈控制器设计,并在飞行包线范围内,进行了发动机控制系统非线性仿真验证。结果表明,此控制器满足抗干扰性、跟踪性要求,并具有一定鲁棒性。      

具有闭环极点约束的空天飞行器再入姿态的模糊保性能控制

 研究了空天飞行器(ASV)再入姿态的具有闭环极点约束的模糊保性能控制律的设计问题。基于ASV再入段存在参数摄动的不确定姿态动态系统的T S模糊模型，考查姿态角和角速率误差的镇定问题，结合圆盘极点约束，导出了具有极点约束的模糊保性能控制律存在的条件，基于Matlab的LMI(Linear Matrix Inequalities)和FLC(Fuzzy Logic Control)工具给出了ASV再入姿态的具有闭环极点约束的模糊保性能控制器的设计方法。仿真结果验证了算法的有效性。     

涡喷发动机加速控制系统数学模型及数字仿真

 本文介绍了航空涡轮喷气发动机加速控制系统数学模型建立、数字仿真方法。由于加速过程是一个大偏离动态过程,因而发动机与加速控制器模型均用非线性方程描述,对非线性方程组求解和系统迭代方法本文进行了讨论。算例中分析了在不同飞行条件下发动机的加速规律。