共查询到19条相似文献,搜索用时 140 毫秒
1.
对航空发动机的多变量解耦控制方法进行了研究,提出了一种基于RBF网络辨识的航空发动机模糊神经网络解耦控制方法。该方法利用RBF网络辨识航空发动机的实时模型,为模糊神经网络控制器参数的调整提供了Jacobian信息,解决了模糊神经网络自适应控制器在被控对象不能精确建模情况下应用的问题。仿真结果表明,系统鲁棒性强.在设计点和偏离设计点处,均具有良好的动态特性和解耦特性。 相似文献
2.
3.
针对现代航空发动机是一个具有不确定性的强非线性系统,结合滑模变结构控制和模糊逻辑系统的优点,提出了一种模糊滑模变结构模型跟踪控制方法。采用比例积分型切换超平面设计滑模变结构控制系统,使用模糊逻辑系统自适应调节切换增益,得到某涡扇发动机的模糊滑模变结构模型跟踪控制器。数字仿真结果表明,所设计的控制器不但能使被控对象较好地跟踪参考模型,消除抖振现象,而且对系统的不确定性具有不变性,保证了被控系统在整个控制阶段都具有较强的鲁棒性。 相似文献
4.
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. 相似文献
5.
6.
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RBF网络辨识的航空发动机多变量单神经元网络解耦控制方法。对发动机的多个控制回路,采用多个RBF网络实时辨识各个回路发动机的数学模型,并将系统的灵敏度信息实时反馈给各回路的控制器,保证了单神经元网络控制器对各回路的准确控制,最终实现对发动机多回路的解耦控制。通过在飞行包线内的仿真,结果表明,该方法不依赖被控对象的精确模型,有效地实现了对发动机的解耦控制,而且具有良好的动静态性能,将其应用于航空发动机多变量解耦控制是行之有效的。 相似文献
7.
针对航空发动机这一具有耦合和强非线性被控对象,采用基于带遗忘因子的最小二乘参数估计算法的最小方差多变量自校正控制,通过分析保证了闭环系统的可辨识性。仿真结果表明,控制器响应速度快,跟踪精度高,抗干扰和耦合能力强,估计参数能以较快的速度收敛。 相似文献
8.
基于LMI(LinearMatrixInequality,线性矩阵不等式),提出一种航空发动机PI输出反馈控制器设计方法。利用被控对象中控制向量2范数上界的限制,提出了一种改进ILMI(IterativeLMI)算法,用于解决控制受约束的航空发动机PI控制器的一种LMI描述求解问题。以某型双转子涡喷发动机为被控对象,基于LMI进行了PI输出反馈控制器的设计,并分区域在飞行包线进行了航空发动机控制系统仿真验证。结果表明,所得控制器满足预期设计要求,同时具有一定鲁棒性。 相似文献
9.
10.
航空发动机自适应神经网络PID控制 总被引:11,自引:4,他引:7
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. 相似文献
11.
12.
13.
针对传统滑模控制易导致系统出现抖振的问题,提出了一种模糊径向基函数(RBF)神经网络滑模观测器来实现永磁同步电机(PMSM)无传感器控制。为了减小观测器系统抖振,利用模糊RBF神经网络算法动态调整滑模增益,并采用李雅普诺夫稳定性定理证明了该模糊神经网络观测器的稳定性;利用锁相环(PLL)技术提高估算精度,并削弱计算噪声。基于MATLAB/Simulink软件平台搭建了仿真模型,将模糊RBF神经网络滑模观测器系统与传统滑模观测系统进行对比。结果表明,与传统的滑模观测器相比,新型滑模观测器能够快速、有效地跟踪转子位置,精确估算出转子速度,同时具有较好的动态特性。 相似文献
14.
15.
16.
17.
文章将模糊逻辑控制与神经网络结合使用,利用神经网络的自学习优势,采用误差反向传播算法,给出PI控制器的比例、积分参数,对模糊逻辑控制器的输出进行进一步调整。仿真结果表明,使系统具有更好的控制效果。 相似文献
18.
基于模糊模型的鲁棒自适应重构飞行控制 总被引:5,自引:0,他引:5
提出了一种基于模糊模型的歼击机鲁棒自适应重构控制方案。整个控制方案基于T S模糊模型,将歼击机各飞行状态的局部线性调节器与鲁棒自适应神经网络重构控制器相结合,避免了传统的增益预置方法中控制律在不同工作点之间切换造成的参数突变对系统性能的影响,可以保证系统在全局上拥有局部工作点具有的期望性能,证明了重构系统的全局闭环渐近稳定性。所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,同时通过自适应补偿项来在线估计神经网络的近似误差边界,可以有效地在线修正建模误差、外扰及操纵面故障等因素的影响,保证系统的操纵品质。仿真结果表明了所提出方法的有效性。 相似文献