建模不确定性下变循环发动机自适应控制器设计

针对变循环航空发动机存在建模不确定情况下的多变量控制器设计问题,给出了一种最优律下的增广模型参考自适应跟踪补偿设计方法,阐明变循环发动机建模不确定性并引出LQR(Linear Quadratic Regulator)基准控制器动态跟踪不足的问题,进而在基准控制器反馈控制结构框架下,分别实现以下技术突破:确定期望闭环动态的参考模型、基于李亚普诺夫函数严格稳定证明下建立存在建模不确定性的自适应律等,最终以达到系统跟踪误差渐进为零的目标,改善系统不确定性的动态跟踪问题。对变循环航空发动机的控制器仿真结果表明:增广模型参考自适应控制方法改善了原LQR基准控制器对存在建模不确定性时的控制问题,有效地实现了控制指令跟踪,达到了所期望的动态响应,且自适应参数一致渐进稳定。同时,各标称点的稳态控制误差均小于0.3%,系统超调量小于0.8%,调节时间小于1s,符合航空发动机控制系统技术要求。     

基于射影算子的变循环发动机鲁棒自适应控制器设计

针对变循环航空发动机大范围工作包线下的复杂外部扰动现象引起的多变量鲁棒自适应控制器设计问题,给出基于射影算子的自适应律设计方法并将其应用至模型参考自适应控制器设计中。通过理论分析与变循环航空发动机某一状态点的仿真分析,阐明系统存在外部干扰时传统自适应律的设计方法对于指令跟踪不足等问题,进而在射影算子的理论框架基础上设计自适应律,将存在干扰时的状态误差动态方程的解限制在设定的凸集范围内,从而实现系统状态误差动态方程不大于零的稳定性要求,最终在LQR基准控制器框架上,实现基于射影算子的多变量鲁棒自适应控制器设计,以改善自适应控制系统的鲁棒性。基于该方法对变循环航空发动机进行控制器设计和仿真。结果表明:基于射影算子的自适应律设计方法改善了传统自适应律设计方法的鲁棒性问题,实现了控制系统对外部干扰的有效抑制,当系统各控制回路加入不同外部随机噪声信号时,均达到了期望的控制效果;变循环航空发动机各个状态点均能够跟踪期望的闭环参考指令,各状态点稳态控制误差均小于0.5%,系统超调量小于1%,调节时间小于1.2s,动态跟踪误差不大于0.5%,符合发动机控制系统技术要求。     

基于RBF神经网络补偿的航空发动机H_∞自适应控制研究

航空发动机控制系统是飞行器的重要机构,航空发动机存在的控制增益衰减和未建模动态等不确定性问题影响了其控制性能,为此设计将H∞自适应控制和补偿控制相结合的控制器。首先,基于混合灵敏度理论设计H∞自适应控制器;然后,基于Lyapunov 严格稳定理论设计RBF 神经网络补偿控制器对不确定性进行拟合补偿,并通过与误差相关的线性函数调整拟合速度;最后,以归一化后的航空发动机模型为被控对象进行多变量仿真试验。结果表明：本文设计的自适应控制器能够有效补偿不确定性,相比H∞控制器,超调量和调节时间都有所降低。     

民用涡扇发动机多变量增广LQR控制器设计

针对民用涡扇发动机设计多变量控制器,提出将多变量增广LQR控制算法引入到民用涡扇发动机的方法。将发动机控制量作为增广的状态向量引入LQR算法设计,并根据控制系统回路的性能需求,设计期望动态响应曲线;期望动态响应与实际动态响应的差值范数作为优化目标用来调整、确定LQR控制算法的权阵取值;设计的控制器与民用涡扇发动机非线性模型仿真验证。结果表明,多变量增广LQR控制器满足民用涡扇发动机的控制需求。     

基于误差反馈控制的建立航空发动机自适应模型方法

提出了基于误差反馈控制的建立航空发动机自适应模型方法.即以实际发动机的输出为参考指令,以航空发动机性能蜕化值为航空发动机模型的控制量,通过设计鲁棒性好且能消除稳态误差的增广线性二次型最优调节(ALQR)控制器以实现模型的输出自适应地无偏跟踪真实发动机的输出,利用ALQR的鲁棒性,使模型具有良好的自适应性.ALQR和发动机模型一起构成航空发动机自适应模型.最后通过稳态仿真和动态仿真表明该方法不仅可以实现自适应模型全包线跟踪稳态真实发动机,同时能实现动态跟踪真实发动机.      

航空发动机控制系统中的增广LQR方法

采用一种增广LQR方法,将原系统状态的导数和指令跟踪的误差作为增广的状态向量,使设计出来的多变量系统不仅具有LQR的好的鲁棒性,而且在用于指令跟踪时能消除稳态误差。当状态量不是全部可测时,本文采用降维观测器得到一种准最优的增广LQR方法,其性能比LQG方法有显著改善,能满足航空发动机多变量控制系统的设计要求。最后,数字仿真验证了本文提出的方法。      

挠性卫星大角度机动的混合控制方法研究

对于具有不确定性的多输人多输出非线性系统,仅用v0线性化设计方法不能获得好的控制结果.为此,设计了自适应模糊控制器,把I/O线性化方法和自适应模糊控制相结合,构成混合控制器.并将此控制器引人到卫星大角度机动控制系统中,以补偿由系统的不确定性所造成的跟踪误差,从而增强I/O线性化控制器的鲁棒性,最终实现零误差跟踪.     

基于RVM回归误差补偿的航空发动机分布式控制系统多步预测控制

针对具有随机有界双侧时延的航空发动机分布式控制系统,提出了一种基于多步预测和关联向量机(RVM)回归误差补偿的控制方案.首先建立航空发动机分布式控制系统(DCS)的神经网络非线性自回归滑动平均(NARMA)模型,利用当前的系统输出和控制量对N步之后的系统输出进行预测;其次用改进的RVM回归多步预测算法估计NARMA模型的的预测误差,并对预测结果进行误差补偿;最后利用补偿之后的预测值和设定值对控制参数进行滚动优化,设计系统的神经网络逆控制器实现系统的自适应控制.仿真结果证明该控制策略能够避免随机有界双侧时延对控制系统的影响,实现对设定值的稳定跟踪,且控制器具有较好的实时性和鲁棒性.低压转子转速阶跃响应的稳态绝对误差小于0.04%,响应时间小于0.3s.      

一种航空发动机多变量自抗扰解耦控制律设计

研究了航空发动机多变量解耦控制律设计问题。提出了一种用于航空发动机多回路控制的多变量自抗扰解耦控制算法:首先通过静态解耦算法实现多变量耦合系统的静态解耦,而后通过ADRC非线性扩张观测器的补偿控制实现各回路的动态解耦,最终实现复杂多变量耦合系统的解耦控制。以某涡扇发动机非线性部件级实时数学模型为被控对象,基于上述多变量自抗扰解耦控制算法设计了发动机中间状态以上多变量控制律。在全包线内,与基于增广LQR控制方法设计发动机闭环系统,进行了对比研究。数字仿真结果表明,前者使得发动机闭环系统具有更好的指令跟踪和多回路解耦能力。     

改进参考模型的涡扇发动机多变量模型参考自适应控制

针对涡扇发动机难以获得精确数学模型和普通模型参考自适应控制不保证动态性能的问题,提出了一种具有改进参考模型的涡扇发动机多变量模型参考自适应控制方法。采用状态反馈形式设计了状态跟踪的多变量自适应控制器,其中对参考模型作了引入跟踪误差反馈的改进,使得高自适应增益下跟踪曲线的超调得到明显的抑制,动态响应得到改善。应用该方法对涡扇发动机非线性部件级模型进行仿真分析,结果表明,控制系统调节时间小于2s,无稳态误差,具有良好的控制品质。