基于Modelica和Dymola的航空发动机建模与性能仿真

本文介绍了Modelica/Dymola软件的主要特点,航空发动机模块划分的原则和方法,以及利用Modelica/Dymola软件开发的航空发动机通用模型库中主要部件的建模方法,并采用己建立的部件模型,搭建了双轴涡扇发动机的系统级模型,对其起动过程进行了仿真.结果表明,仿真结果符合实际情况,该模型库对于航空发动机的概念设计和初步设计具有重要意义和实用价值.     

基于AMESim的涡扇发动机控制系统 综合仿真

以AMESim为平台,采用模块化的设计方法,分别建立航空发动机、传感器、燃油系统、电子控制器和执行机构数学模型.将模块封装打包建立涡扇发动机控制系统模型库,并将之组成为完整的发动机及调节器系统综合仿真平台.以主燃油控制系统为例,介绍了各仿真模块的建立过程,仿真结果表明,系统模型能反映各子系统之间的复杂集成和耦合关系,利用系统模型仿真进行组合优化能够有效提高系统性能.      

面向对象的航空发动机电子控制器建模与仿真

为了模拟航空发动机电子控制器的结构和功能,根据1种典型的民用涡扇发动机数字电子控制器的硬件结构和工作原理,采用基于面向对象的建模方法,为航空发动机数控系统仿真平台FADEC Works搭建了数字电子控制器部件仿真类库,利用数字电子控制器部件仿真类库建立了双通道数字电子控制器模型,在FADEC Works仿真平台上与发动机模型进行了集成,构成了航空发动机闭环数控系统,并对搭建的双通道数字电子控制器模型进行了仿真和验证。结果表明:利用数字电子控制器部件仿真类库搭建的数字电子控制器模型能够模拟数字电子控制器的运行过程。该模型可应用于控制运行逻辑、故障诊断逻辑、通道切换逻辑的开发、集成、测试和验证。     

航空发动机组态建模技术研究

基于组态的方法设计了航空发动机部件模型库、仿真实时数据库以及前台组态系统和后台运行管理系统,构建航空发动机组态建模平台,并在此平台上实现了多种结构发动机模型的稳态仿真和瞬态仿真,其结果达到了一定精度,验证了航空发动机组态建模技术的可用性.      

面向对象的涡扇发动机及控制系统仿真平台

研究了面向对象的航空发动机数值仿真平台实现机理, 构建了涡扇发动机及其控制系统模型库, 采用面向对象方法完成了模型库及辅助类库的代码实现;研究了交互式仿真界面及模块化构建仿真系统的关键技术, 在此基础上结合模型库、辅助类库构建了涡扇发动机及其控制系统通用仿真平台, 仿真结果表明, 该平台可计算发动机从零加速到最大状态的全程实时动态仿真, 动态误差小于8%, 控制系统响应快, 超调小, 能够满足发动机控制仿真的需求.      

航空发动机消喘控制系统设计与试验

研究了航空发动机消喘控制系统的设计方法、航空发动机逼喘试验方法、消喘控制器在回路的数字仿真,并在发动机台架和飞行台上进行了发动机消喘控制系统的试验验证.试验结果表明:通过有效的控制器在回路的数字仿真试验,可以优化控制参数,设计一套可靠的发动机消喘控制系统.      

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DSP和CAN的航空发动机分布式控制系统设计

航空发动机控制系统发展趋势是分布式控制系统,本文提出了基于DSP和CAN总线的航空发动机分布式控制系统设计.设计中,用工控机模拟航空发动机电子控制器(EEC);智能传感器和执行机构的控制核心采用DSP芯片;通讯总线选用CAN总线.论文阐述了航空发动机电子控制器与各智能传感器和执行机构的软硬件设计、CAN总线通讯的实现方法.在实验室条件下实现了整个发动机控制系统的物理仿真,仿真系统初步满足了分布式系统控制要求,为航空发动机分布式控制系统的研究奠定了基础.     

基于支持向量机的航空发动机PID解耦控制

针对航空发动机多变量控制系统中各回路之间存在的耦合现象,提出了一种基于支持向量机(support vector machines,SVM)的航空发动机PID(proportion integration differentiation)解耦控制方法.利用SVM辨识发动机非线性模型,并获得SVM瞬时线性化模型,在线性化模型的基础上完成了PID参数的在线自整定.利用Lyapunov稳定性定理对控制器的收敛性进行了分析.通过对某型航空发动机的仿真,验证了该方法的有效性和可行性.      

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.      

多目标遗传算法在H_∞鲁棒控制器设计中的应用

引入了基于频域理论的H∞回路成形鲁棒设计方法对某型航空发动机进行控制器设计,对设计过程中的关键技术进行了研究。在控制器设计过程中,引入多目标遗传算法对能使系统奇异值形状满足设计要求的权函数参数进行全局寻优,有效提高了控制器的设计效率和设计的准确性。同时对传统的控制回路结构进行了改形,改善了控制器性能。最后在设计的航空发动机数控系统快速原型化实时仿真平台上进行了硬件在回路仿真,证实了所设计的改型后的H∞回路成形控制器在航空发动机控制上所具有的良好的性能。     

航空发动机数控系统综合仿真平台设计

综合现有软硬件资源,采用模块化方法设计了航空发动机数字电子控制系统综合仿真平台,其框架主要包括发动机模型系统、传感器信号模拟与处理、控制器快速原型等子系统.发动机模型系统采用集成仿真环境调用液压执行装置和发动机数学模型库方式设计;快速原型系统采用Matlab/Simulink环境下将控制程序封装成S-Function的方法设计;软件设计重点描述了混合编程与定时器编程技术.以某双轴涡扇发动机为应用对象,进行控制系统数字仿真、半物理模拟试验和台架试车,在相同控制参数下,仿真试验与台架试车结果相似,表明所设计综合仿真平台具有工程应用价值.      

量子遗传算法在航空发动机PID控制中的应用

分析研究了量子遗传算法(Quantum Genetic A lgorithm-QGA)的原理及其优势,将有指导的群体灾变及多宇宙并行演化策略引入量子遗传算法,改善其收敛性。以理想二阶系统为参考模型,实际系统响应曲线与参考模型响应曲线误差积分为目标函数,使用量子遗传算法进行发动机PID控制器参数优化并进行了数字仿真。仿真结果表明,量子遗传算法具有较好的全局收敛能力,应用于PID控制器控制参数优化后,控制器的控制效果良好,其在发动机控制系统中有较高的应用价值。     

航空发动机虚拟自学习控制方法研究

随着人工智能技术的发展，智能航空发动机逐渐成为当今航空领域研究的热点。传统的航空发动机控制对发动机模型的依赖性过强，而基于发动机气热动力学公式的机理建模会引入较大的建模误差，给控制器设计带来困难。对此，提出一种基于强化学习的航空发动机控制虚拟自学习方法，首先利用航空发动机的试验数据通过LSTM 神经网络建立虚拟学习环境，然后采用深度强化学习TD3 算法，在虚拟环境中训练智能控制器，最后采用JT9D 发动机模型验证智能控制器的性能。结果表明：相比于传统PID 控制，智能控制器产生的超调量更小，调节时间更短。     

航空发动机二自由度鲁棒控制LMI方法研究

为克服传统鲁棒控制器无法兼顾系统的性能和鲁棒性要求的缺陷,引入二自由度控制结构,以对使目标值跟踪特性为最优的参数和使外扰抑制特性为最优的参数分别进行整定,并使用线性矩阵不等式(Linear matrix inequality,LMI)方法对二自由度鲁棒控制器求解,克服传统Riccati方法中的种种缺陷.以某型涡扇航空发动机为对象,设计了基于LMI解法的二自由度H_∞回路成形控制器,并在构建的航空发动机数控系统实时仿真平台上进行了硬件回路仿真,结果表明所设计的控制器具有良好的跟踪和鲁棒特性,满足航空发动机控制要求.      

航空发动机多变量自学习模糊解耦控制

提出了一种自学习模糊解耦控制器，将多变量模糊解耦控制和模型参考自学习控制结合起来，利用模糊逆模型在线产生和修正模糊解耦控制系统的规则库。并研究了它在航空发动机上的应用，取得了较好的控制效果。