基于序列二次规划算法的发动机性能寻优控制

提出用非线性序列二次规划(SQP,Sequen tial Q uadratic P rogramm ing)算法解决发动机性能寻优控制问题。分析了线性规划(LP,L inear P rogramm ing)算法用于发动机性能寻优的固有缺陷以及SQP算法的优点。给出了SQP算法与LP算法用于最大推力模式和最小油耗模式仿真结果对比曲线。数字仿真实验的结果表明,SQP算法具有比LP算法更好的优化效果,在工程实际中有很大的应用潜力。     

MAPS方法在航空发动机性能寻优控制中的应用

利用模型辅助模式搜索方法(MAPS方法),研究了某型涡扇发动机基于部件级非线性实时数学模型的性能寻优控制。该方法是一种直接搜索方法,不需要计算发动机非线性模型对控制量的偏导数,并通过运用kriging方法构造非线性代理模型来减少发动机模型的调用次数,进而减少了计算量,提高了优化速度。应用MAPS方法对航空发动机最低油耗、最大推力和加力最大推力3种控制模式进行了优化计算,论文给出了优化计算结果。      

填充函数法在发动机加力最小油耗模式控制中的应用

主要研究了航空发动机性能寻优控制(PSC)算法问题。提出一种用于解决非线性约束优化问题的基于填充函数方法(FFM)的实时优化控制策略。通过构造填充函数,该算法可以在优化计算过程中能够不断跳出局部最优点,使得算法本身具备了全局寻优能力。详细介绍了其算法主要内容与实现途径,基于上述的填充函数优化算法,以某型涡扇发动机加力最小油耗优化控制模式为仿真算例,验证了该算法在解决航空发动机性能寻优控制问题时,相比传统的序列线性规划方法在全局寻优方面具有更好的效果。     

推进系统优化控制模式研究

在不同的飞行任务段采用不同的优化控制模式,能够充分发挥发动机的性能潜力,提高飞机性能。利用机载自适应模型,使优化控制模式具有自适应能力。优化过程采用线性规划(LP)方法结合发动机的物理响应过程来解决非线性的发动机性能优化问题。文中阐述了优化控制的设计和控制算法,并进行了数字仿真试验,结果表明:在平飞加速工况下,采用最大推力模式,可提高发动机推力约10%;在亚音速巡航时,采用最小油耗模式,可节省单位油耗约2%,验证了推进系统优化控制模式的性能效益。      

推进系统综合性能寻优控制研究

研究了包括进气道和发动机在内的推进系统综合控制。采用了序列线性规划方法进行系统寻优,利用推进系统矩阵进行多次线性规划来求解非线性优化问题。利用当前的实际机载计算机完成了硬件在回路仿真试验,仿真表明研究的性能寻优控制方法能够较大幅度的提高推进系统整体性能,控制软件完全满足实时计算要求。     

基于dSPACE的性能寻优控制工程应用研究

发动机性能寻优是提高飞机效能的方法之一,其先进控制模态能够综合飞机和发动机的信息,在安全运行的前提下,实现发动机某项或综合性能指标的最优。为提高飞机效能,本文在对飞行/推进系统性能寻优控制理论及现有成果的学习基础上,通过最小二乘法求取线性模型,获得较为精确的全包线推进系统矩阵,从而确定线性小区间内性能指标和约束条件的线性表达式,进而将发动机性能寻优问题表述成线性规划问题,通过单纯形法获取寻优模式下的各项性能指标。从验证性能寻优控制算法工程可行性的角度出发,将性能寻优程序模块嵌入到数控系统中;在dSPACE设备上搭建快速控制原型仿真平台,进行了实时仿真验证,仿真结果能够获得预期的指标优化结果。研究表明:性能寻优算法在工程应用上具有可行性及有效性。     

基于遗传算法-序列二次规划的涡扇发动机最低油耗性能寻优控制

航空发动机性能寻优控制可充分挖掘发动机潜力,大幅提升发动机性能。燃油消耗率是发动机的一项重要技术指标,对燃油消耗率进行优化,其经济意义及作战效能十分明显。针对飞机巡航状态下发动机节油特性进行研究,在保证航空发动机推力不变及安全工作(如保证发动机不超温、不超转、不喘振等)的前提下,使燃油消耗率最小。以所建立的双转子混合排气加力式涡扇发动机非线性数学模型为研究对象,提出了一种基于遗传算法-序列二次规划(GA-SQP)混合优化算法,该优化算法充分发挥了遗传算法和序列二次规划算法的优势,同时在一定程度上克服了两者的缺点,利用Matlab对该优化算法进行了仿真分析。在随机选取的10个飞行状态点对航空发动机最低油耗模式性能寻优控制进行研究后发现:基于GA-SQP混合算法的优化控制可平均降低油耗3.61%(采用基于遗传算法的优化控制则为3.68%),基于GA-SQP混合算法的优化控制的平均耗时为基于遗传算法的优化控制的23.4%。仿真结果表明,基于GA-SQP混合算法的优化控制无需人为设置初始解,不仅能达到与基于遗传算法的优化控制基本相同的优化控制效果,同时还可大幅降低计算量,提高了计算效率。     

基于人工蜂群算法的航空发动机参数自整定PID控制

针对航空发动机PID控制器的参数寻优问题,提出基于人工蜂群算法(ABC)的航空发动机PID控制器参数自整定的方法。利用人工蜂群算法实现容易、计算简洁、寻优性能好、鲁棒性强的优点,优化PID控制器参数,以改善控制系统性能。考虑到可能存在的执行机构输出量的极大超调,融入执行机构输出的超调量惩罚机制,改进目标性能函数,有效避免了可能存在的发动机供油量极大超调现象。对涡扇发动机在地面和高空稳态工作点的增量形式的线性化数学模型进行了仿真验证,结果表明优化效果良好,转速阶跃响应反应迅速且超调量小,同时供油量也没有出现大的超调,验证了所提方法的有效性和实用性。     

航空发动机推力衰退缓解的神经网络控制

针对航空发动机气路部件性能退化导致的推力下降问题,提出一种基于变增量线性规划(LP)优化 神经网络控制方法用于航空发动机推力衰退缓解控制。该方法通过内环控制转速和发动机压比,外环修正发动机指令信号以缓解发动机推力衰退。其中内环非线性自回归滑动平均(NARMA-L2)转速控制器由神经网络训练得到;外环指令修正回路利用变增量LP优化方法调整发动机指令信号。以某型小涵道比涡扇发动机为对象进行仿真验证,结果表明,在4组仿真条件下,设计的控制方法在保证性能退化的发动机不超限的条件下使推力衰退至少缓解了46.5%,验证了该方法的有效性。     

基于变旋翼转速的涡轴发动机优化控制

研究了涡轴发动机/旋翼一体化优化控制问题, 分析了直升机旋翼需用功率与涡轴发动机工况的关系, 旋翼转速、旋翼总距、纵向周期变距及横向周期变距对旋翼需用功率的影响.以最小旋翼需用功率为目标函数, 用线性规划算法进行发动机/旋翼性能寻优.进行了巡航状态下变旋翼转速的涡轴发动机优化的数字仿真实验, 仿真结果表明在巡航状态应用变旋翼转速的涡轴发动机优化, 可以降低油耗1.5%～5.5%, 同时降低涡轮温度4.4～16℃, 具有实际应用价值.      

可行SLP法在发动机在线优化中的应用

研究了航空发动机在线优化算法问题。基于序列可行方向法,提出了一种用于解决一般非线性优化问题改进的序列线性规划(SLP)在线优化算法——可行下降序列线性规划(FSLP)方法。其显著特点是通过适当的步长修正算法,在保证目标函数下降的同时,确保解的可行性。根据对偶理论证明了其核心算法的收敛性,对步长修正原理进行了数学分析,并详细介绍了算法实现途径。基于上述优化算法,以某型双转子涡扇发动机最大推力模式为仿真算例,验证了该算法在解决航空发动机在线优化问题时,相比传统的序列优化方法,在提高优化算法解的可行性方面效果更好。     

基于Fibonacci搜索方法的航空发动机性能寻优

介绍了Fibonacci搜索方法应用于发动机性能优化中的原理,建立带两个出口面积、气流马赫数可变的引射器的涡喷发动机的总体性能计算模型,应用Fibonacci搜索方法在优化参数区间内对该发动机进行了最大推力、最低油耗、最低涡轮前温度模式的寻优.举例说明了Fibonacci搜索方法应用的具体过程.给出了不同高度、马赫数下的寻优结果.结果表明:最优目标性能满足的约束边界与飞行高度、马赫数密切相关.不同的飞行高度、马赫数对应了不同的最优控制策略.但不论飞行任务如何,根据该方法进行的优化控制所获得的目标性能是最佳的.该优化方法不仅适用于该类涡喷发动机,也为其他类型航空发动机的优化控制打下一定的基础.      

基于复合模型及FSQP算法的发动机性能寻优控制试验

提出了一种在保证优化效果前提下提高发动机在线性能寻优实时性的方法,即一方面基于相似理论建立了适用于非加力状态的发动机复合稳态模型,在优化过程中替代原部件级模型以缩短优化计算时间,另一方面采用先进的可行性序列二次规划算法寻求全局最优解,以提高优化精度。最终实现了上述方案在最小油耗模式及最大推力模式下的数字仿真及半物理模拟验证,相比于传统的基于发动机部件级模型进行性能寻优控制,其优化精度相当,但优化实时性得到大幅度提高,从仿真结果可以看出上述方案的有效性及可行性。     

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.      

民用航空发动机单元体送修工作范围决策

为了对航空发动机单元体送修工作范围的制定提供决策支持,实现决策的自动化和智能化,在分析航空发动机送修目标的基础上,提出了一种面向目标的单元体送修工作范围决策方法,从时寿件、适航指令/服务通告、硬件损伤、软时限、排气温度裕度五个方面分两步进行单元体送修工作范围的制定.针对决策过程中单元体性能恢复分配存在的难点,建立了以成本最小为目标的优化模型,分别采用动态规划和启发式算法对模型进行了求解,通过对求解结果的比较,给出了两种算法的适用环境.最后将提出的决策方法应用于一个原型系统,在某个航空公司的试用表明了提出的决策方法是有效的,能够满足航空公司的需求.      

遗传算法在航空发动机非线性数学模型中的应用

收敛性是航空发动机非线性数学模型的重要指标。现有发动机平衡方程迭代解法还不能保证模型大范围收敛。以某涡扇发动机为对象,采用遗传算法求解发动机非线性数学模型,将模型中的发动机平衡方程求解转换为极小值优化问题,建立了遗传算法计算模型,重点分析了采用遗传算法求解的适应度函数设计方法。数值仿真结果表明,与牛顿-拉夫逊解法相比,采用遗传算法方法可实现模型大范围收敛。     

基于零空间的改进直接分配法

直接分配法是解决操纵面冗余飞行器控制分配的一种有效方法,但直接分配法只能对指定方向上误差最小目标进行优化,这种缺点限制了直接分配法的应用。零空间可以在保持转矩不变的前提下对控制量进行调节,利用这种特性,在三维转矩直接分配的基础上,通过对零空间坐标K进行数学规划可以使其他性能指标达到最优。推导证明,控制量最小问题和阻力最小问题分别可以转化为对坐标K的线性规划与二次规划问题。仿真结果表明,给出的基于零空间的改进直接分配法可以实现控制量最小和阻力最小控制分配。     

基于广义既约梯度法的航空发动机性能寻优控制

提出了一种基于航空发动机约束物理意义的寻优方法，并将其应用于性能寻优控制之中。该方法根据航空发动机约束的物理特性完全已知的特点，利用起作用集法和既约梯度法将发动机非线性约束寻优问题转化为低维的无约束寻优问题，提高了计算速度。应用该方法对全包线内的工作点，对最大推力、最低油耗、最低涡轮进口温度和加力最大推力等模式进行了寻优，给出了寻优结果。