涡扇发动机极值限制保护闭环控制设计

现代高性能涡扇发动机采用分段组合多变量控制计划,以发挥发动机工作在整个飞行包线范围内的气动热力设计潜力。为保证发动机在过渡态工作的安全性,控制系统中必须考虑极值限制保护控制的设计问题。为避免直接限制保护控制引发的不同控制通道切换带来的系统震荡问题,提出1种高回路稳态增益的滞后-超前频域校正间接极值限制保护控制器设计方法,在保证限制回路足够的稳态精度和抗噪声能力的同时,又避免了引入积分环节导致相角裕度损失过大的缺点。通过发动机线性模型和非线性模型的控制系统仿真,验证了所述方法设计限制控制器的有效性。     

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。     

基于PI与无模型自适应控制结合的燃气轮机转速控制方法

针对燃气轮机转速控制问题,提出一种基于PI控制与数据驱动的无模型自适应控制结合的控制器设计。以建立的燃气轮机慢车速度以上模型为研究对象,在通过遗传算法整定出最优PI控制器参数的基础上,通过对传统PI控制器的积分环节与紧格式无模型自适应控制器的相似替换,使得控制器具有在线整定内部参数的优势,表现出更优的动态控制性能。仿真结果表明：所设计的基于PI与无模型自适应控制结合的控制器,较之基于遗传算法离线整定的最优PI控制器,在转速调整时具有更快的上升时间和调节时间,且对性能退化模型也能自适应地改善控制效果。该控制器设计基于PI控制实现了控制品质的进一步提高,其自适应过程改善了系统的鲁棒性,基于PI结构的改进也具有工业应用前景。     

基于射影算子的变循环发动机鲁棒自适应控制器设计

针对变循环航空发动机大范围工作包线下的复杂外部扰动现象引起的多变量鲁棒自适应控制器设计问题,给出基于射影算子的自适应律设计方法并将其应用至模型参考自适应控制器设计中。通过理论分析与变循环航空发动机某一状态点的仿真分析,阐明系统存在外部干扰时传统自适应律的设计方法对于指令跟踪不足等问题,进而在射影算子的理论框架基础上设计自适应律,将存在干扰时的状态误差动态方程的解限制在设定的凸集范围内,从而实现系统状态误差动态方程不大于零的稳定性要求,最终在LQR基准控制器框架上,实现基于射影算子的多变量鲁棒自适应控制器设计,以改善自适应控制系统的鲁棒性。基于该方法对变循环航空发动机进行控制器设计和仿真。结果表明:基于射影算子的自适应律设计方法改善了传统自适应律设计方法的鲁棒性问题,实现了控制系统对外部干扰的有效抑制,当系统各控制回路加入不同外部随机噪声信号时,均达到了期望的控制效果;变循环航空发动机各个状态点均能够跟踪期望的闭环参考指令,各状态点稳态控制误差均小于0.5%,系统超调量小于1%,调节时间小于1.2s,动态跟踪误差不大于0.5%,符合发动机控制系统技术要求。     

基于滑模控制方法的航空发动机控制系统改进设计

为改善传统基于线性控制方法(PID控制)设计航空发动机控制系统在极限保护方面的不足,提出利用非线性控制理论——滑模控制取代原有控制系统中的线性控制器,设计了发动机稳态控制器与基于max-min控制逻辑的极限保护器的综合系统。与传统PID控制方法的控制效果相比较,滑模控制方法可在保证发动机不超限的情况下充分发挥发动机潜能。讨论了边界层厚度等因素对滑模控制抖动的影响。采用滑模方法设计的控制器在硬件在回路平台(HIL)上通过了仿真验证,满足实时性要求。     

基于RBF神经网络补偿的航空发动机H_∞自适应控制研究

航空发动机控制系统是飞行器的重要机构,航空发动机存在的控制增益衰减和未建模动态等不确定性问题影响了其控制性能,为此设计将H∞自适应控制和补偿控制相结合的控制器。首先,基于混合灵敏度理论设计H∞自适应控制器;然后,基于Lyapunov 严格稳定理论设计RBF 神经网络补偿控制器对不确定性进行拟合补偿,并通过与误差相关的线性函数调整拟合速度;最后,以归一化后的航空发动机模型为被控对象进行多变量仿真试验。结果表明：本文设计的自适应控制器能够有效补偿不确定性,相比H∞控制器,超调量和调节时间都有所降低。     

建模不确定性下变循环发动机自适应控制器设计

针对变循环航空发动机存在建模不确定情况下的多变量控制器设计问题,给出了一种最优律下的增广模型参考自适应跟踪补偿设计方法,阐明变循环发动机建模不确定性并引出LQR(Linear Quadratic Regulator)基准控制器动态跟踪不足的问题,进而在基准控制器反馈控制结构框架下,分别实现以下技术突破:确定期望闭环动态的参考模型、基于李亚普诺夫函数严格稳定证明下建立存在建模不确定性的自适应律等,最终以达到系统跟踪误差渐进为零的目标,改善系统不确定性的动态跟踪问题。对变循环航空发动机的控制器仿真结果表明:增广模型参考自适应控制方法改善了原LQR基准控制器对存在建模不确定性时的控制问题,有效地实现了控制指令跟踪,达到了所期望的动态响应,且自适应参数一致渐进稳定。同时,各标称点的稳态控制误差均小于0.3%,系统超调量小于0.8%,调节时间小于1s,符合航空发动机控制系统技术要求。     

不确定性的自适应跟踪补偿控制及在航空发动机的应用

针对多变量系统存在不确定性导致的控制性能下降问题,提出了一种基于最优控制律的增广模型参考自适应控制器补偿设计方法。通过采用最优LQR控制律实现系统性能的优化设计从而建立基本控制器,以反馈控制结构为框架,对该最优LQR基本控制器实现增广设计,以改善系统的动态跟踪和抗干扰特性,以双转子航空发动机为对象实现控制器的仿真验证。结果表明:通过增广自适应控制实现了原LQR基本控制器对系统不确定性的跟踪补偿,有效地实现了控制指令跟踪,达到了期望响应性能,控制误差小于0.25%,超调量小于0.5%,且调节时间小于1.5s,符合发动机控制系统技术要求;同时,改善了原基本控制系统在不确定性时的不稳定控制效果,保证了系统一致渐近稳定。     

航空发动机的智能神经网络自适应控制研究

针对结构复杂、模型不确定、强非线性的航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID简单控制各自优点的控制方案.在改进模糊PID控制器的基础上,进行了新型智能型神经网络控制器的设计,并提出离线混沌蚁群优化与在线误差反传调整相结合的优化方法.应用具有良好泛化能力的最小二乘支持向量机进行系统辨识,对某型航空发动机进行了设计点处的线性和非线性模型控制仿真.结果表明:控制系统具有满意的动、静态性能和较好的鲁棒性,验证了该方案的可行性和有效性.      

自适应PID控制系统仿真

针对常规PID控制器不能满足非线性、时变系统的控制要求的问题,本文将自适应控制思想与PID控制器相结合,合成一种自适应PID控制解决方案,并设计了一个自适应PID控制器。该方案运用专家控制策略,自动整定PID参数。仿真结论表明,在系统参数不确定或者发生变化时,该控制器的控制效果明显优于常规PID控制器。     

涡喷发动机多变量自适应加速控制

提出了一种模型参考自适应控制方法, 并应用于双转子涡喷发动机多变量控制系统。仿真研究表明, 该方法在整个飞行包线内均有满意的瞬态响应, 对非线性的建模不确定性具有较好的鲁棒性, 以及对多变量系统中较强的耦合作用有较好的解耦效果。与传统的调节器相比, 发动机加速时间约减少16%, 加速过程中发动机推力明显增加, 平衡状态仍可提高约9%。      

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。      

Reduced-dimensional MPC controller for direct thrust control

With the development of the aircraft gas turbine engine, a control system should be able to achieve effective thrust control to gain better operability. The main contribution of this paper is to develop a novel direct thrust control approach based on an improved model predictive control method through a strategy that reduces the dimension of control sequence. It can not only achieve normal direct thrust control tasks but also maximize the thrust level within the safe operation boundaries. Only t...     

飞行/推进系统自适应神经网络综合控制仿真研究

 提出一种基于发动机喘振裕度自适应的飞行 /推进系统综合控制。在发动机喘振裕度较大的某些飞行条件或飞行包线内,通过调整喷口面积,使发动机喘振裕度保持在一个较小值,既保证发动机稳定工作,又增加发动机推力,从而改善飞机的性能。采用分散控制方案,综合控制系统由 5个控制子系统组成。各控制子系统的设计采用自适应控制和神经网络相结合的方法,所提出的参数和权重的自适应调整律保证系统的稳定性。全包线范围内飞机平飞加速和爬升数字仿真结果表明,该综合控制方法可缩短飞机的平飞加速时间和爬升时间。     

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。     

无人机活塞式发动机进排气系统优化

针对一款无人机(UAV)用活塞发动机在飞行转速为6500r/min时扭矩较低以及燃油消耗率较高的问题,提出了一种基于自适应遗传算法（GA）的发动机进排气系统优化方法,进行进排气系统改进设计。使用GT-Power软件搭建了该发动机一维仿真模型,并通过台架试验数据验证模型;基于该模型进行了进排气系统结构参数对扭矩和燃油消耗率的敏感性分析,将进气管长度、直径、空滤器后腔容积和排气管长度作为优化变量,使用Matlab进行自适应遗传算法优化,使用Simulink/GT-Power接口实现数据采集和优化结果反馈。通过台架试验验证了优化结果的准确性。结果表明:在飞行转速为6500r/min时,经过优化后的发动机扭矩和燃油消耗率都得到明显改善,扭矩最大可以提高5.51%,燃油消耗率最大降低6.31%。      

Adaptive sliding mode control for limit protection of aircraft engines

In practice, some sensors of aircraft engines naturally fail to obtain an acceptable measurement for control propose, which will severely degrade the system performance and even deactivate the limit protection function. This paper proposes an adaptive strategy for the limit protection task under unreliable measurement. With the help of a nominal system, an online estimator with gradient adaption law and low-pass filter is devised to evaluate output uncertainty. Based on the estimation result, a sliding mode controller is designed by defining a sliding surface and deriving a control law. Using Lyapunov theorem, the stability of the online estimator and the closed-loop system is detailedly proven. Simulations based on a reliable turbofan model are presented, which verify the stability and effectiveness of the proposed method. Simulation results show that the online estimator can operate against the measurement noise, and the sliding controller can keep relevant outputs within their limits despite slow-response sensors.     

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.