航空发动机全飞行包线稳态划分方法研究

航空发动机在鲁棒控制器设计过程中存在飞行包线区域难以系统划分的问题,为此,提出基于推力耗油率特性和基于动压耗油率特性的航空发动机飞行包线划分法。根据某型涡扇发动机在全包线范围内稳态工作时的推力、耗油率及动压特性,结合大气条件的客观规律,通过两种划分方法将飞行包线划分为65 个区域,用每个区域对应标称点的参数代替其周围小偏差区域和边界点参数。通过对该发动机全包线内各区域标称点与边界点参数的对比,证明两种方法均对全飞行包线划分有效,可为后续航空发动机控制器设计提供理论基础。     

控制问题中航空发动机飞行包线区域最优划分

结合最优化理论和线性系统理论,对控制问题中航空发动机飞行包线区域划分方法展开了研究。分析了发动机线性状态空间模型与进气道出口气流总温总压参数有关特性。在此基础上定义了飞行包线内任意两飞行点间的广义距离,提出将飞行包线区域划分与标称点设计问题转化为一个基于该广义距离的最大覆盖优化问题,即选择尽量少的标称点实现对飞行包线区域的覆盖。以涡扇发动机及其进气道为例,采用文中方法对其包线区域进行了划分计算,并对标称点与其覆盖区域内最远点处发动机线性化模型进行了比较。结果表明,该区域划分和标称点选择的优化方法的有效性。     

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。     

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。      

民用涡扇发动机预测控制器设计

对一定包线范围内的稳态预测控制器和加速减速过渡态控制器设计展开研究.针对某大涵道比民用涡扇发动机,根据发动机进口参数的相对变化指标对控制区域进行划分,以标称点处发动机线性模型为对象设计了相应的预测控制器,利用提出的多层参数调度方案实现了不同飞行条件及不同发动机状态下预测控制器参数的自适应调整.仿真结果表明:所设计的发动机预测控制系统在控制区域内的设计点和非设计点均具有良好的性能,为全包线设计提供了有效方法.     

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。      

全飞行包线LQG／LTR多变量控制器设计

根据某型涡喷发动机不同飞行条件、不同工作状态设计了一组双变量LQ/LTR控制器,同时利用一个神经网络对这组控制器的控制参数进行拟合,以使发动机在全飞行包线内各工作状态都有良好的控制性能。仿真结果表明,在整个飞行包线内,控制系统不但有良好的鲁棒性,而且调节性能良好,能满足发动机控制的要求。     

航空发动机反馈神经网络自适应控制方法

根据反馈神经网络控制方法在发动机控制系统中的应用研究,建立了基于反馈网络的发动机控制系统。采用反馈神经网络辨识发动机模型参数,用动态自适应算法对神经网络权值进行了调整,并在飞行包线内各工作点对整个控制系统进行了仿真。结果表明,使用神经网络建立的发动机控制系统具有良好的控制品质和较强的自适应能力。     

航空发动机自适应逆控制研究

将自适应逆控制方法应用于航空发动机控制系统中,用横向滤波器实现了发动机的建模和逆建模,设计了发动机转速自适应逆控制系统。针对系统存在的稳态误差,提出了带积分环节的发动机自适应逆控制结构,提高了系统的稳态精度。飞行包线内的数字仿真结果表明,自适应逆控制方案精度高、跟踪快、鲁棒性较强。      

LQG／LTR方法在涡扇发动机控制中的应用

采用LQG／LTR多变量鲁棒控制器设计方法设计了某型航空涡扇发动机控制器；利用神经网络拟合发动机飞行条件、状态与控制器参数之间的关系,验证了控制器在全飞行包线内的性能。仿真结果表明,发动机控制系统的指令跟踪、噪声抑制、抗干扰和鲁棒性等性能良好,能满足发动机稳态控制的要求。     

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%。      

机翼颤振的鲁棒自适应切换控制

将机翼颤振问题对应的气动伺服弹性系统动态,看做沿飞行轨迹或特定飞行动作的若干模型的连续切换,引入切换系统描述其包线内的动态特性。进而,基于多Lyapunov函数方法和模型参考自适应控制(MRAC)理论,提出一种机翼颤振鲁棒自适应切换控制方案。该方案允许不同速度设计点的模型及对应控制器进行快速切换,以全面覆盖飞行包线内的系统动态,获得良好的机翼颤振主动抑制效果,有效规避自适应控制需要参数缓慢变化的缺陷。同时,构建Lure-Postnikov形式的Lyapunov函数,采用多Lyapunov函数方法,以线性矩阵不等式的形式,推导闭环切换系统为有界MRAC系统的充分条件,确保飞行包线内颤振抑制的全局稳定性。     

发动机喘振裕度自适应控制

本文研究飞行 /推进系统一体化控制中的发动机喘振裕度自适应控制。通过一定的控制作用 ,使发动机在所有飞行条件和工况下都保持一定的喘振裕度 ,从而充分发挥发动机的潜力。将发动机大偏差模型、进气道及飞机模型综合在一起 ,构成飞机 /推进系统一体化数学模型 ,以进行发动机自适应控制的仿真。计算机仿真表明 ,发动机自适应控制具有很好的性能效益 ,例如在飞行高度 H=10公里 ,飞机由 Ma=0 .65加速到 Ma=0 .90 ,在采用自适应喘振裕度控制后 ,双发动机推力提高 16 ,飞机加速时间缩短 2 3 ,大大提高了飞机性能。     

应用保护映射理论的高超声速飞行器自适应控制律设计

针对高超声速飞行器包线范围广、参数变化大的控制需求,应用保护映射理论提出一种高超声速飞行器的自适应控制律设计方法。首先建立整个飞行包线内的线性变参数(LPV)模型,在参数变化边界点设计一个初始的控制结构和参数,然后基于保护映射理论分析初始控制结构使闭环系统稳定的参数范围,通过迭代自动获取整个包线内满足性能指标的控制参数,进而通过多项式拟合设计出高超声速飞行器自适应控制律。所提出的方法能够根据初始控制结构自动寻找一系列满足性能要求的控制器参数,并确定这些控制参数满足闭环系统稳定的设计范围。仿真结果表明,所设计的自适应控制律能够确保高超声速飞行器大包线的设计要求,实现闭环系统的鲁棒稳定。     

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。      

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。