基于相似理论的航空发动机转速自适应PID控制

根据航空发动机在相似坐标系中特性不变的特点，提出一种基于相似理论的航空发动机转速自适应PID控制。该方案采用衰减曲线法进行换算PID参数整定，获得自适应调节律。仿真结果表明控制器具有良好的动静态性能，自适应性和鲁俸性。所得参数变化规律对数控系统全包线内PID控制器的参数选择具有一定的指导意义。     

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.     

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.     

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.     

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。     

基于保护映射理论的航空发动机LPV/PI 控制

针对具有强非线性特性的航空发动机控制问题,将基于保护映射(Guardian Maps,GM)理论的控制方法应用于航空发动机控制系统设计中。基于某型涡扇发动机非线性模型建立了线性变参数(Linear Parameter Varying,LPV)模型;根据保护映射理论设计不同调度参数下的PI(Proportion Integration)控制器,在设计过程中,只需通过给定的初始控制器就可以自动得到满足性能要求的控制器参数集合,避免了在多个平衡点进行控制器设计;以非线性模型为被控对象,采用积分分离PI控制,在飞行包线内的不同工作点进行仿真验证。结果表明:基于保护映射理论的控制方法在解决航空发动机控制系统的非线性问题时具有显著效果。     

基于FMI 的航空发动机非线性预测广义最小方差控制

针对航空发动机具有强非线性的特征和控制需求，结合被控对象对非线性预测广义最小方差控制方法进行了仿真分 析。创新性地引用功能模拟接口标准实现了航空发动机模型和数控燃油调节机构模型的联合仿真。简要介绍了广义预测控制方 法的思想，采用非线性预测广义最小方差控制方法对航空发动机进行控制策略研究，并对控制律中需要调节的参数选择进行了简 单的理论分析，通过仿真分析了每个参数取值对系统控制性能的影响，并确定了所选取的参数值。仿真结果表明：这种方法能够 满足航空发动机的控制需求，与原有PID控制器相比，能在略微降低控制品质的条件下改善执行机构的作动条件。     

基于Adaline网的航空发动机自适应控制

根据发动机模型非线性、关系式呈隐性和具有不确定性的工作特点，提出了一种基于Adaine网的发动机自适应控制方案，该方案中的神经网络辩识器和神经网络控制器均采用两层线性Adaline网，权值采用Widrow-Hoff δ学习规则更新。仿真结果表明这种方法具有方案简单、稳定性好、实时性好等优点，可在全飞行包线内对发动机进行在线控制。     

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。     

基于多项式平方和规划的涡扇发动机切换控制

针对航空发动机动态特性随飞行状态和飞行条件的变化范围大,单一控制器很难保证全包线内控制效果的问题,在航空发动机LPV模型基础上提出1种平滑过渡的切换控制方法。该方法根据发动机进口条件对飞行包线区域进行划分,按照多项式平方和规划理论以及平滑过渡切换律求取各子区域的Lyapunov函数及LPV控制器。在某型涡扇发动机上进行仿真验证,结果表明:所设计的切换LPV控制器在不同高度、马赫数和转速条件下均具有良好的性能和控制精度,可以实现平滑切换。     

面向对象的航空发动机控制系统仿真

在面向对象的发动机性能仿真平台基础上,建立了1个通用的航空发动机控制系统仿真平台;利用此仿真平台,构建了某涡扇发动机的高压转速阶跃控制系统,整定了全包线内PID控制器参数,并模拟发动机超温、超压、超转状态进行了仿真。仿真结果表明:高压转子阶跃响应能在保证不超温、不超压、不超转的前提下,达到了调节时间小于1 s,超调量小于5%的性能指标。     

基于改进遗传算法的飞行控制律参数设计

在进行大包线飞行控制律设计中,需将飞行包线分为几个区域,针对各个区域设计线性控制律,采用多个线性控制律来近似替代所需的非线性控制律,本文中线性控制律采用PID控制结构,若用传统PID控制律参数整定方法,工作烦琐、设计时间长,而且控制效果不是很好,提出运用遗传算法优化控制律参数,并针对遗传算法局部寻优能力差、收敛速度差、易早熟等缺点,对其进行了几点改进,为提高鲁棒性,对其适应函数进行了设计,针对某机型某个区域的俯仰控制进行了PID控制律设计仿真,利用改进的遗传算法对其参数进行优化,结果表明,该方法在23代就能得到最优控制参数,而且使系统动态性能有了较明显的提高。     

基于机载实时模型的发动机执行机构 故障状态参数估计

为了对发动机的主燃烧室供油量控制器、喷管喉部面积控制器、风扇进口可调导叶角度控制器、压气机进口可调导叶角度控制器进行故障诊断,建立了基于简化n+1残量方法的非线性机载实时模型,并结合常增益扩展卡尔曼滤波器建立执行机构控制参数估计器,利用非线性部件级模型模拟飞行包线内发动机执行机构的软故障.仿真结果表明:执行机构控制参数估计器在飞行包线内能实现较高精度估计,且具有较好的稳定性.     

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。     

A New Hybrid Control Scheme for an Integrated Helicopter and Engine System

A new hybrid control scheme is presented with a robust multiple model fusion control(RMMFC) law for a UH-60 helicopter and an active disturbance rejection control(ADRC) controller for its engines.This scheme is a control design method with every subsystem designed separately but fully considering the couplings between them.With three subspaces with respect to forward flight velocity,a RMMFC is proposed to devise a four-loop reference signal tracing control for the helicopter,which escapes the closed-loop system from unstable state due to the extreme complexity of this integrated nonlinear system.The engines are controlled by the proposed ADRC decoupling controller,which fully takes advantage of a good compensation ability for unmodeled dynamics and extra disturbances,so as to compensate torque disturbance in power turbine speed loop.By simulating a forward acceleration flight task,the RMMFC for the helicopter is validated.It is apparent that the integrated helicopter and engine system(IHES) has much better dynamic performance under the new control scheme.Especially in the switching process,the large transient is significantly weakened,and smooth transition among candidate controllers is achieved.Over the entire simulation task,the droop of power turbine speed with the proposed ADRC controller is significantly slighter than with the conventional PID controller,and the response time of the former is much faster than the latter.By simulating a rapid climb and descent flight task,the results also show the feasibility for the application of the proposed multiple model fusion control.Although there is aggressive power demand in this maneuver,the droop of power turbine speed with an ADRC controller is smaller than using a PID controller.The control performance for helicopter and engine is enhanced by adopting this hybrid control scheme,and simulation results in other envelope state give proofs of robustness for this new scheme.