航空发动机滑动局部线性模型及控制

为了提高航空发动机的控制性能和控制系统的可靠性,提出一种基于粒子群算法的航空发动机局部小区域自适应滑动 的线性模型建立方法和双闭环自适应PI控制方法。在辨识区间内,以发动机转子转速为状态变量,采用在线实测数据和粒子群算法的参数估计方法,使模型辨识参数按照设定区间大小自适应跟踪滑动,从而保证线性模型能够精确逼近发动机的非线性动态。通过分析发动机燃油调节器的工作特性,建立了燃油调节器计量活门和电液伺服阀的传递函数,并根据所构建的模型,设计了航空发动机转子转速和燃油流量双闭环自适应PI控制系统以实现对航空发动机的精确控制。结果表明：利用局部滑动自适应辨识计算机得到的数据与发动机稳态、动态试验数据相吻合,且双闭环仿真控制性能满足航空发动机工作性能要求,表明所提出的航空发动机局部线性建模方法和自适应PI控制器参数算法对提高发动机的控制性能是有效的。     

基于模型参数辨识的某型燃油数控系统综合检验方法

燃油数控系统作为航空发动机FADEC(全权限数字电子控制)系统的核心之一,其工作性能变化直接影响发动机的工作特性.本文针对燃油数控系统修理检验中通常只检查固定流量点流量而忽略燃油数控系统整体性能偏移和动态性能变化的问题,提出一种基于模型参数辨识的某型燃油数控系统综合检验方法.该方法通过模型参数辨识,可获得燃油数控系统的...     

自适应PSO网络整定的航空发动机全程滑模控制

针对现代航空发动机是一个具有不确定性的强非线性系统,提出了一种基于自适应PSO网络整定的航空发动机全程滑模控制方法。设计了一类全程滑模面非线性函数,函数中含有变参数指数函数,其参数由一种新的自适应粒子群学习算法(PSO)结合RBF神经网络来整定。全程滑模控制保证了控制系统的全程鲁棒性,同时,由稳态误差收敛速度和滑模抖振幅度建立参数优化指标,用自适应PSO神经网络快速搜索当前的全局最优点。仿真结果表明,所设计的控制器取得了良好的效果,削弱了抖振。     

航空活塞发动机燃烧煤油冷起动油量控制研究

为了解决航空活塞发动机燃烧煤油时冷起动油量控制的问题,根据油膜理论,建立冷起动油膜补偿模型,并推导出适于在微控制器上实现的离散控制算法.利用Matlab/Simulink对基于油膜补偿器的冷 起动油量控制模型进行仿真,结果表明该模型能够保证起动瞬间有足够数量燃油进入气缸.进行原型机改烧煤油试验,在不改动发动机供油和点火系统的情况下,通过冷起动油量控制,煤油发动机冷起动性能得到改善.      

CFM56-3C航空发动机供油计划的建立及故障分析

主要概述了ＣＦＭ５６－３Ｃ航空发动机供油计划的建立及执行，对相关参数的意义及作用作了相应的论述，对相应参数的故障原因作了较详细的分析。航空发动机的工作过程就是处理燃油 与空气流量之间的关系并产生推力的过程。在整个发动机工作的过程中，燃调（ＭＥ）是燃油控制的中心指挥部。ＭＥＣ感受和监控着许多参数，决策出相应的供油计划，控制着发动机燃油流量的变化，使之安全稳定地工作。 发动机燃调的结构大体可分为燃油计量系统与燃油计算系统两大部分。燃油计量系统称为主发动机速度控制系统，计算系统称为加／减速燃油限制系统。…     

基于POD-PCE-Kriging模型的航空发动机高维多目标优化

针对于传统的航空发动机燃烧室设计过程计算周期长，加工和试验成本高，制约发动机设计周期的问题，基于航空发动机燃烧室模型，结合POD-PCE-Kriging（本征正交分解-多项式混沌展开-Kriging）模型和粒子群优化（PSO）算法开展了燃烧性能代理模型的构建和多目标优化设计。通过试验，应用POD-PCE-Kriging模型预测结果与一维程序计算结果进行对比分析，针对于燃烧效率和总压损失预测值的方均根误差分别为0.006 3%和0.122 7%。对设计变量参数开展寻优，并对获取的Pareto最优解集进行了分析，为满足性能指标的先进航空发动机燃烧室设计提供了物理见解，可以快速准确获得满足最优性能的设计参数，缩短航空发动机的研制周期。     

航空燃油离心泵参数化设计方法研究综述

燃油离心泵是航空发动机控制系统的关键动力元件，结合当前航空燃油离心泵技术发展和设计需要，本文总结对比了离心泵典型参数化设计及优化设计方法。首先分析了离心泵四种参数化设计方法的技术特点及其局限，考虑到离心泵参数设计方法中存在的随机性和盲目性问题，进一步补充分析了离心泵的结构优化方法，包括基于启发式算法的全局优化方法、基于梯度的优化设计方法和基于代理模型的优化设计方法三类，并指出了三类优化设计方法亟待解决的科学和技术问题。在此基础上，通过分析国外航空发动机燃油离心泵的发展状况，指出了我国航空发动机燃油离心泵所面临的技术挑战、问题和技术发展方向，并立足于现有国内设计基础，给出了夯实我国航空燃油离心泵设计能力需开展的基础性研究工作。     

基于燃油调节原理的航空活塞发动机性能分析

直接喷射式燃油系统具有油气比控制精确、燃油燃烧效率较高、便于寒冷天气起动等优点,广泛应用于航空活塞发动 机。基于在中国通用航空领域广泛应用的Cirrus SR20和Cessna 172R型飞机分别配装的大陆IO-360-ES和莱康明IO-360-L2A发 动机的直喷式燃油调节器的结构组成和调节原理,比较分析了这2种航空活塞发动机的加速性能、高空调贫性能和慢车工作稳定 性等发动机使用性能。结果表明：IO-360-ES发动机燃油经大车燃油压力和慢车燃油压力调节后进行油气混合比调节,再流至油 门计量体进行燃油压力调节;IO-360-L2A发动机燃油经过人工混合比调节、慢车燃油流量和混合比调节后流至主燃油调节器。 IO-360-ES发动机燃油系统的高空调贫性能和慢车稳定性能优于IO-360-L2A型发动机的,但IO-360-L2A发动机燃油系统的加 速性能优于IO-360-ES发动机的。     

航空发动机两种加速控制计划的融合控制方法研究

转速导数(N-dot)和换算燃油流量加速控制计划是航空发动机加速过程安全、快速的重要保障,但各自分别易受到功率提取、性能衰退和传感器、燃油计量装置误差的影响导致失速喘振或加速性的下降。为了提高所控制加速过程的鲁棒性,使用这两种控制计划所获燃油流量的偏差大小对N-dot控制计划的控制目标进行调节修正的融合控制方法获得实际的加速燃油流量。以双转子加力涡扇发动机为对象的仿真验证表明,该控制方法可以适应全包线加速控制的需要;相比其余两种控制计划在受功率提取、误差影响下保持正常工作的范围更广;相同工作条件下,该方法比N-dot控制计划更不易发生喘振,比换算燃油流量控制计划的加速时间更小。     

信赖域滤子算法在航空发动机在线优化中的应用

主要研究了航空发动机在线优化问题.以非线性发动机部件级模型为优化对象,将信赖域滤子算法应用于航空发动机在线优化,相比基本信赖域算法,该算法由于采用非单调的滤子算法和松弛重置,兼顾了算法在目标函数值下降与可行性保持两方面的品质,通过松弛重置避免子问题的不可行性,滤子算法则保证了算法收敛到全局最小解.最后,基于信赖域滤子算法,以涡扇发动机最小油耗寻优控制为仿真算例,验证了该算法的优越性.      

基于DMOM算法的航空发动机性能寻优控制

提出一种分散迁移优化算法(DMOM),可实现多峰值优化问题的全局最优解搜索.该算法通过随机选择参考粒子,不断迁移搜索自身所处区域峰值点,再通过分散操作排除局部最优点,重新生成新个体,可快速搜索到全局最优区域.将DMOM应用于航空发动机性能寻优控制仿真,结果表明:在最小油耗和最低涡轮温度模式下, DMOM的寻优速度相比遗传算法(GA)和粒子群算法(PSO)提高了2倍以上;同时DMOM的优化精度相比自组织迁移算法(SOMA)提高了60%以上,相比可行性序列二次规划(FSQP)算法提高了20%以上.验证了DMOM相比其他优化算法有更强的跳出局部最优的能力,在航空发动机最小油耗和最低涡轮温度这类多峰值寻优问题中具有明显的优势.      

基于分布式模型预测控制的多UAV协同区域搜索

针对多无人机(UAV)协同区域搜索问题展开研究。提出了一种基于分布式模型预测控制(DMPC)的多UAV分布式优化搜索方法。首先基于传统的搜索图模型,建立了多UAV协同搜索的问题描述和状态空间模型,然后在DMPC框架下,将集中式多UAV在线优化决策问题转化为各架UAV的小规模分布式优化问题,采用基于纳什最优和粒子群优化(PSO)相结合的算法实现对每个子系统优化问题的迭代求解。仿真结果表明:DMPC方法能够有效地降低多UAV协同搜索决策问题的求解规模,是一种可行的方法。     

飞机飞行控制系统参数多目标优化设计研究

针对传统飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且与飞行品质要求缺乏相关性,物理意义不明确等缺点,提出了一种基于改进粒子群算法的飞行控制律多目标优化设计方法。算法模拟鸟类捕食过程,使得种群随着"食物"的发现和消耗,聚集为数量和构成动态调整多个子群,且子群粒子速度也随之进行自适应变异,从而有利于维持种群的多样性,有效抑制早熟收敛现象发生。最后,使用改进的粒子群优化算法对某型飞机纵向控制律设计进行数值仿真,结果显示,算法有效提高控制律优化调参效率,结果满足期望的飞行品质要求。     

基于SVR-PSO改进算法的航空发动机稳定性控制

在多变量发动机寻优控制中,用支持向量回归算法(SVR)对粒子群优化算法(PSO)进行改进可以有效避免局部最优解的出现.将改进算法应用于航空发动机实时稳定性控制,根据发动机仿真计算程序计算出发动机在各工作点处的稳定裕度,根据控制参数的变化域进行全局寻优,寻找满足压缩系统稳定裕度最小的工作点.仿真和分析表明:该算法实时性高,收敛速度快,具有较强的全局寻优能力,能在保证发动机稳定裕度最小的同时有效降低涡轮前温度和耗油率.      

基于粒子群和人工蜂群混合算法的气动优化设计

现代启发式智能算法存在全局与局部搜索能力的平衡问题,针对此问题,采用双种群进化策略和信息交流机制,提出一种基于粒子群算法和人工蜂群算法相结合的新型混合优化算法——MABCPSO,并分别进行函数测试和翼型的气动优化设计验证。结果表明:MABCPSO新型混合优化算法具有更好的寻优能力,相比粒子群算法和人工蜂群算法,该算法能以更少的进化代数分别提高1.7%和2.2%的减阻效果。     

基于多级优化的粒子群算法在航迹规划中的应用

针对粒子群算法后期存在寻优效率降低、收敛缓慢等问题,提出了多级优化算法。该算法具有局部快速收敛特性,通过对粒子群所生成的最优粗略解进行局部最优处理,从而能够快速地从粗略解中提取出全局最优信息,将粗略解变为最优解。仿真结果显示,该组合算法能将粒子群算法的全局搜索特性和多级优化算法的局部优化特性有机结合起来,达到了准确而快速生成路径的目的。     

基于变导叶调节的涡扇发动机加速过程优化控制

提出了一种利用变导叶调节,基于可行序列二次规划算法的涡扇发动机加速过程优化控制方法,研究发现,通过在发动机加速过程中对压缩部件导叶角度的适应性调节,可以优化压气机和风扇在过渡态的空气流量,使得燃油在满足各方面约束条件下以最大可能的速度增加,从而提升了发动机加速性能.最后,与常规两变量加速过程优化方法进行了对比研究:在相同目标函数和约束条件下,分别进行了两控制量(主燃油和尾喷管喉道面积)、增加风扇导叶调节或压气机变导叶的三控制量的加速优化控制仿真,结果表明,所提出的方法在优化过程中可以使得燃油最大可能速率高于常规方法,且发现压气机导叶角在优化过程的作用优于风扇导叶角,优化后的工作点加速路径紧贴喘振裕度限制边界,且各个约束严格在可行域范围内,3种方案的加速时间分别为5.5,4.9s和4.5s.     

基于PSO算法的舰载机舰面布放调度方法研究

基于智能粒子群(PSO)算法对戴高乐航母舰载机舰面布放调度问题的解决方法进行了研究。首先,分析了舰载机舰面布放调度的必备条件,包括设置舰面战位;测量计算舰载机由各个停机战位分别到2个准备战位的近似移动距离;分析了舰载机正常的出动流程;设计了不同数量舰载机的出动时间计算公式等。其次,将舰载机舰面布放调度问题转换为带有约束条件的多目标函数求最小解问题,并给出了数学模型。再次,分析PSO算法本身的特点、优点,给出其用于解决舰载机舰面布放调度问题的可行性,并具体分析了解决思路。最后,通过编制程序对该解决方法予以实现。实验结果表明,基于PSO算法的舰载机舰面布放调度问题解决方法是可行的,与实际要求也基本一致。     

基于改进PSO的飞行控制律参数多目标优化方法

针对传统飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且与飞行品质要求缺乏相关性,以及物理意义不明确等缺点,提出了一种基于改进粒子群算法的飞行控制律多目标优化设计方法。该算法模拟鸟类捕食过程,使得种群随着"食物"的发现和消耗,聚集为数量和构成动态调整多个子群,且子群粒子速度也随之进行自适应变异。从而,有利于维持种群的多样性,有效抑制早熟收敛现象发生。最后,还使用改进的粒子群优化算法对某型飞机横侧向控制律设计进行了数值仿真,结果显示该算法有效提高控制律优化调参效率,可满足期望的飞行品质要求。     

基于粒子群算法的极短弧定轨

针对经典的初轨计算方法在极短弧定轨中不适用的情况,建立了一种基于粒子群算法的极短弧(TooShort-Arc,TSA)定轨的计算方法。该方法将问题转化为两个三变量的分层优化问题,采用(a,e,M)作为优选变量,在保持问题维数较低的同时,实现了计算结果和观测资料的解耦。由于实测资料处理中的野值剔除方法不适用于粒子群算法,所以,采用稳健估计法,通过在适值函数中使用最小中值二乘准则,实现了稳健的极短弧计算方法。同时,应用MATLAB计算软件,选用缺省参数实现该算法,以进行数据验证。基于实测数据的数值验证表明,方法对于近圆轨道目标30s以下的弧段仍可以获得有效的结果,10s弧段误差仅为16km。此精度满足后续处理的需要,且方法稳健,具有很高的崩溃点。