Trust Region Filter算法在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,将信赖域滤子优化法应用于航空发动机在线优化问题,相比基本的信赖域方法,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良好算法品质,通过必要的松弛重置避免了子问题的不可行性,滤子算法则保证了算法收敛到全局最小解。最后,基于Trust Region Filter算法,以某型涡扇发动机最小油耗寻优控制为应用仿真算例,验证了该算法在解决航空发动机在线优化问题时,相比基本的信赖域方法在提高优化效果方面的优越性。     

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。     

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.      

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。     

基于滑动时窗策略自适应优化支持向量机的航空发动机性能参数在线预测

针对传统航空发动机性能参数时间序列预测方法存在的不足,提出了基于滑动时窗策略自适应优化支持向量机(Support Vector Machine,SVM)在线预测模型。该方法解决了训练样本动态适应性差的特点和老旧数据信息影响预测模型精度的问题。在该方法中,滑动时窗策略实时更新时窗数据训练样本,最终误差预报准则(Final Prediction Error,FPE)自适应地确定嵌入维数,遗传算法(Genetic Algorithm,GA)则实时自适应优化SVM建模参数。应用航空发动机排气温度偏差值(Delta Exhaust Gas Temperature,DEGT)数据进行实例验证,结果表明基于滑动时窗策略的自适应GA优化的SVM (GASVM)在线预测模型比传统的GASVM预测模型预测精度有显著提高。进一步分析了预测模型不同时窗宽度对短期预测精度的影响,展示了1步～10步预测的效果,结果表明在线预测模型在不同时窗宽度下短中期(5步以内)预测效果良好且稳定。文中提出的在线预测模型可用于航空发动机性能参数的预测,实现对航空发动机未来性能变化的预警。     

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.      

航空发动机性能寻优控制混合优化算法

根据性能寻优控制(Perform ance Seek ing Con trol)优化模式的特点,针对某型涡扇发动机,研究了把发动机性能优化问题描述为线性规划问题。同时针对线性规划方法可能会收敛于局部极小值和非线性方法计算量大的问题,提出了基于LP(L inear P rogramm ing)和MAPS(M odel-A ssisted Pattern Search)混合优化方法,并研究了LP和MAPS混合优化方法在航空发动机性能寻优控制中的应用,同时在最大推力控制模式和最小油耗控制模式下进行了仿真。大量仿真结果表明,采用混合优化方法可进一步提高发动机的性能,并且大大减少了计算量。      

涡轴发动机部件特性修正及更新方法

针对由航空发动机零部件制造、装配及性能退化引起的发动机模型与实际发动机之间的性能不匹配问题,提出1种基于粒子群优化算法(PSO)的发动机部件特性自动修正及更新方法。根据发动机部件级模型的输出数据和发动机性能分析软件GasTurb计算结果,以发动机关键测量参数所定义的目标函数最小为优化目标,利用PSO获取不同相对换算转速下的部件特性修正因子,并在线完成特性图的自动更新。并以某型涡轴发动机为对象进行仿真验证,结果表明:该方法可有效提高涡轴发动机部件级模型的精度,并直接输出更新后的部件特性。     

扰动环境下火星精确着陆自主轨迹规划方法

针对扰动环境下火星精确着陆动力下降段自主轨迹规划问题,在终端时间自由条件下,研究了基于序列凸优化方法的自主轨迹规划方法。首先,在终端自由情况下,建立初始状态无扰动轨迹预规划问题。其次,结合鲁棒Tube-MPC思想,针对线性反馈控制律,建立扰动环境下着陆轨迹重规划问题,分析重规划问题的可行性,给出了预规划问题可行的必要性条件,为控制参数的选取提供参考,提出扰动环境下火星精确着陆自主轨迹规划框架。然后,针对终端自由问题,将飞行时域映射到单位时间,建立序列凸优化子问题,对子问题进行线性近似,使用序列凸优化方法进行求解并分析了收敛解的最优性。最后,进行数值仿真,验证扰动环境下火星精确着陆自主轨迹规划方法的有效性。     

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。     

基于显式预测控制的涡扇发动机控制器设计

模型预测控制因其能够较好地处理涡扇发动机约束问题且实现多变量控制而具有较大的应用潜力。为了解决传统模型预测控制算法在实际应用中存在运算量大、实时性较差的问题,基于显式模型预测设计了航空发动机多变量控制器。在控制结构上采用多速率双闭环系统,保证了控制精度;在计算上通过多参数规划将在线优化问题转化为线性函数计算问题,大幅度减少了计算量;在发动机从开环切闭环的过程提出一种增量式切换方法,实现无扰切换。数值仿真和硬件在环仿真结果表明,转速和压比稳态误差分别不超过±0.25%和±1%,控制器在25ms控制周期内能完成计算,满足嵌入式系统实时性要求。     

基于支持向量机改进SMO算法的直升机旋翼自转着陆过程建模

 为了建立高精度的直升机仿真模型,把支持向量机(SVM)引入到直升机智能化建模领域,建立了直升机自转着陆过程的旋翼转速模型。根据凸二次优化问题在对偶间隙为零时取得最优解的性质,对序列最小优化算法的停机准则进行改进,并用于所建模型的训练。仿真结果表明：与神经网络模型比较,这种SVM模型具有结构简单、运算速度快和泛化能力强等优点。     

涡轴发动机非线性模型预测控制

 对涡轴发动机进行了非线性模型预测控制(NMPC)研究,设计了非线性模型预测,该控制器主要包括3个方面：预测模型、滚动优化和反馈校正。利用神经元网络模型预测涡轴发动机动态响应过程,得到预测模型;运用序列二次规划(SQP)优化算法进行发动机的在线滚动优化,得到发动机的燃油控制量;根据神经元网络模型与实际发动机对象的输出误差,对控制器的指令信号进行了反馈校正。最后进行了仿真实验,与常规串级PID控制相比较,非线性模型预测控制器的超调量从2.2%降低到0.8%,响应时间从6 s降低到2 s,具有很好的控制品质。     

基于高斯伪谱法的吸气式高超声速飞行器爬升弹道优化研究

吸气式高超声速飞行器爬升弹道设计是其总体设计的一个重要问题。这里提出一种基于高斯伪谱法的弹道优化方法,用于解决该问题。以末端弹道倾角为性能指标,飞行攻角为设计变量,建立了飞行器纵平面弹道优化模型。通过高斯伪谱法对状态变量和控制变量进行离散,将最优控制问题转化为非线性规划问题,再利用序列二次规划算法对其进一步求解。仿真结果表明,该方法收敛域大,对初值不敏感,设计精度高,是吸气式高超声速飞行器方案弹道优化的重要方法。