某型发动机数控系统的相似参数自适应控制

针对航空发动机在全飞行包线非线性和时变的特点,提出了参数自适应PID控制器设计方法,研究了用最小二乘法和相似参数法两种参数估计器进行在线参数辨识和参数整定的问题。通过与发动机线性模型和部件级非线性模型的仿真,对两种控制算法进行了比较,确定了相似参数法自适应PID控制器具有稳定性好,计算简单,适用于全包线等优点。将相似参数法自适应PID控制器用于某型航空发动机全权限数控系统,通过试车和试飞,验证了该方法的优点。      

航空发动机多变量模糊PID控制

普通PID控制器以其简单、实用、易于实现,在经典控制中倍受青睐。但是,对于像航空发动机这样复杂的非线性系统,这种控制器的控制效果就不够理想了。模糊控制理论的建立为这种问题的解决奠定了基础。本文针对航空发动机难于建立精确数学模型的特点,提出了发动机模糊PID参数自适应控制方案,并且对某型航空发动机进行了全包线内的数字仿真。仿真结果表明发动机模糊PID控制不仅不依赖于精确的对象模型,而且具有满意的动、静态性能。      

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。      

基于自调整神经元的航空发动机多变量自适应解耦控制

根据航空发动机性能控制要求, 通过分析自调整神经元及最速下降学习方法, 研究了基于自调整神经元的航空发动机多变量自适应解耦控制系统.利用自调整神经元的结构简单、各神经元之间没有权值连接及在线学习的优点, 在线整定多变量PID控制器的参数.阐明了该方法的结构和原理.并进行了航空发动机多变量自适应解耦控制系统的设计.大量的仿真结果表明, 系统具有良好的解耦特性和自适应能力.      

基于遗传算法的航空发动机多目标优化PID控制

提出采用多目标遗传算法,对航空发动机PID控制器参数进行优化设计.使用先进多目标遗传算法NSGA-Ⅱ对航空发动机PID控制器进行参数整定.针对某型航空发动机在飞行包线内的飞行状态进行控制器参数的优化选取,仿真结果表明,与传统手动试凑调节PID控制器参数进行比较,转速阶跃响应过程的性能指标得到了很好的优化,获得了令人满意的优化效果.      

基于模糊自适应PID控制器的自动调压技术

航空发动机模拟过渡态吹风试验是获取全尺寸进气道模拟过渡态出口流场特性的有效方法,试验中为精确控制进气道出口流量,需对抽气压力进行自动调节。提出采用具有控制精度高、鲁棒性强且能缩短系统进入稳态时间等特点的模糊自适应PID控制器,来实现抽气压力的自动调节。与常规PID控制器的对比验证表明,模糊自适应PID控制器能快速响应气流流量变化,抽气压力控制精度高、控制品质良好。自动调压控制系统很好地满足了航空发动机全尺寸进气道模拟过渡态吹风试验的需求,成功获取了发动机起动和加减速过程中进气道的流量特性、总压恢复特性和畸变特性,为发动机起动和加减速控制规律的制定提供了数据依据。     

基于遗传算法的航空发动机PI控制器参数优化方法

P ID控制器参数整定与优化一直是自动控制领域研究的问题。采用遗传算法进行的PID参数整定与优化是一种全局最优且与初值无关的优化方法。本文结合某型航空发动机,利用遗传算法对发动机单变量及双变量P I控制器参数进行优化。仿真结果表明:该方法对PI参数整定具有比较好的综合控制性能,不失为一种具有较好实用价值的航空发动机P I控制器参数整定与优化方法。      

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。     

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.      

航空发动机神经网络自学习PID控制

将神经网络与传统的PID控制相结合,构成神经网络自学习PID控制,用神经网络在线整定PID控制器的比例、积分及微分三个参数,使被控对象跟踪理想参考模型的输出。该系统具有自学习能力,能适用于非线性、时变的被控对象。将神经网络自学习PID控制方法用于航空发动机全包线控制以及蜕化发动机的控制,进行了数字仿真,验证了该方法的有效性。     

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。     

基于混沌变量的航空发动机模糊神经网络控制

针对模糊神经网络控制器中模糊规则的设计和神经网络权值的确定存在困难这个问题,提出了混沌优化控制方案,将混沌优化算法应用到航空发动机模糊神经网络控制中,利用混沌优化算法对模糊神经网络的参数进行优化。仿真结果表明,设计的模糊神经网络控制器具有良好的性能。      

基于QDRNN网络的航空发动机多变量解耦控制

针对航空发动机非线性模型的复杂性,通过对准对角递归神经网络(QDRNN)及梯度下降法(GMD)的分析,研究了基于QDRNN网络的航空发动机多变量解耦PID控制系统.阐明了该算法的结构和原理,通过对设计点及非设计点的仿真.研究表明,QDRNN网络结构相对简单,易于构造训练算法,较好地解决了双变量控制系统中变量之间的耦合作用.      

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。      

新的参考模型自适应控制方法在航空发动机中的应用

本文针对航空发动机模型的结构和参数不能明确已知,提出一种阶次低、鲁棒性较好的参考模型自适应控制法,即只需知道系统的相对阶次,且控制器结构简单,易于实现,适应性强。      

基于智能神经元PID的异步电机直接转矩控制

针对异步电机直接转矩控制系统PID转速调节器的适应性、鲁棒性及抗干扰性较差的问题,提出了基于智能神经元PID转速调节器的异步电机直接转矩控制方法。智能神经元PID转速调节器采用2个神经元控制器进行设计,同时实现了控制器参数的在线调整,磁链调节器和转矩调节器分别采用滞环调节器进行设计。仿真结果表明,基于智能神经元PID的异步电机直接转矩控制系统能快速跟踪参考转速变化,具有很强的抗干扰能力、自适应能力和较强的鲁棒性。