基于遗传算法的航空发动机PI控制器参数优化方法

P ID控制器参数整定与优化一直是自动控制领域研究的问题。采用遗传算法进行的PID参数整定与优化是一种全局最优且与初值无关的优化方法。本文结合某型航空发动机,利用遗传算法对发动机单变量及双变量P I控制器参数进行优化。仿真结果表明:该方法对PI参数整定具有比较好的综合控制性能,不失为一种具有较好实用价值的航空发动机P I控制器参数整定与优化方法。      

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。     

某型发动机数控系统的相似参数自适应控制

针对航空发动机在全飞行包线非线性和时变的特点,提出了参数自适应PID控制器设计方法,研究了用最小二乘法和相似参数法两种参数估计器进行在线参数辨识和参数整定的问题。通过与发动机线性模型和部件级非线性模型的仿真,对两种控制算法进行了比较,确定了相似参数法自适应PID控制器具有稳定性好,计算简单,适用于全包线等优点。将相似参数法自适应PID控制器用于某型航空发动机全权限数控系统,通过试车和试飞,验证了该方法的优点。      

基于人工蜂群算法的航空发动机参数自整定PID控制

针对航空发动机PID控制器的参数寻优问题,提出基于人工蜂群算法(ABC)的航空发动机PID控制器参数自整定的方法。利用人工蜂群算法实现容易、计算简洁、寻优性能好、鲁棒性强的优点,优化PID控制器参数,以改善控制系统性能。考虑到可能存在的执行机构输出量的极大超调,融入执行机构输出的超调量惩罚机制,改进目标性能函数,有效避免了可能存在的发动机供油量极大超调现象。对涡扇发动机在地面和高空稳态工作点的增量形式的线性化数学模型进行了仿真验证,结果表明优化效果良好,转速阶跃响应反应迅速且超调量小,同时供油量也没有出现大的超调,验证了所提方法的有效性和实用性。     

遗传算法在航空发动机控制中的应用

对于航空发动机这样复杂的系统，经典的定常算法难以对其实现良好控制。遗传算法具有良好的寻优特性，操作方便、速度快，不仅适用于单目标寻优，也适用于多目标寻优。遗传算法可以根据不同的控制系统，针对一个或多个目标，均能在规定的范围内寻找到合适参数。文中采用遗传算法实现了对PID参数的最佳整定。最后，通过数字仿真证明了其在航空发动机控制系统中应用的可能性。     

航空发动机多模型预测滑模控制

针对航空发动机是一个不确定性的强非线性系统,借鉴多模型方法和预测控制思想,提出了航空发动机多模型预测滑模控制。对航空发动机飞行包线进行划分,建立了航空发动机状态空间多模型;对每个模型分别设计了预测滑模控制器,以滑模轨迹为预测模型,进行滚动优化、反馈校正求取控制量,并根据前几时刻与发动机的匹配程度选择当前时刻的控制器;推导出了其稳定性的条件。仿真结果表明,所设计的控制器控制效果令人满意,能有效抑制参数摄动和干扰的影响。     

航空发动机PID神经网络解耦控制

对航空发动机的双变量解耦控制方法进行了研究,提出了一种基于遗传算法的PID神经网络解耦控制算法。该算法将遗传算法用于多层前向神经网络的连接权系数的学习,克服了BP算法易陷入局部权值的缺点,并具有PID神经网络控制器结构简单规范、动态和静态性能良好等优点。     

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。     

基于遗传算法的某型涡扇发动机数字PID控制器设计

在基于DSP平台的某型航空涡扇发动机综合电子调节器的数字化研究中,提出了一种改进遗传算法,并将其应用于数字PID控制器的参数整定过程中.仿真结果表明,该改进遗传算法相比于基本遗传算法及常规PID参数整定方法,控制器动态性能更为优越,可调整性更强.     

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.      

基于混合遗传算法的航空发动机PID控制参数寻优

结合某型航空发动机的比例积分微分控制(PID)参数整定与优化问题, 提出了一种全局最优且与初值无关的优化算法.算法采用与单纯形相结合的混合遗传算法, 结合了遗传算法良好的全局收敛性和单纯形算法的优秀的局部搜索能力, 提高了搜索速度与精度.仿真结果表明这种方法具有较好的收敛性与稳定性.      

基于混沌变量的航空发动机模糊神经网络控制

针对模糊神经网络控制器中模糊规则的设计和神经网络权值的确定存在困难这个问题,提出了混沌优化控制方案,将混沌优化算法应用到航空发动机模糊神经网络控制中,利用混沌优化算法对模糊神经网络的参数进行优化。仿真结果表明,设计的模糊神经网络控制器具有良好的性能。      

基于Fibonacci搜索方法的航空发动机性能寻优

介绍了Fibonacci搜索方法应用于发动机性能优化中的原理,建立带两个出口面积、气流马赫数可变的引射器的涡喷发动机的总体性能计算模型,应用Fibonacci搜索方法在优化参数区间内对该发动机进行了最大推力、最低油耗、最低涡轮前温度模式的寻优.举例说明了Fibonacci搜索方法应用的具体过程.给出了不同高度、马赫数下的寻优结果.结果表明:最优目标性能满足的约束边界与飞行高度、马赫数密切相关.不同的飞行高度、马赫数对应了不同的最优控制策略.但不论飞行任务如何,根据该方法进行的优化控制所获得的目标性能是最佳的.该优化方法不仅适用于该类涡喷发动机,也为其他类型航空发动机的优化控制打下一定的基础.      

四输入模糊推理自校正控制在发动机控制中的应用

四输入模糊推理算法是同时利用两个输入模糊变量的误差和误差变化率进行模糊推理;在四输入模糊推理算法中引入自校正技术,形成了基于四输入模糊推理的双变量自校正模糊控制算法;仿真研究了该控制算法和控制器的特性,结果表明用该控制方法设计的航空发动机模糊控制系统获得了满意的控制性能。     

一种双变量模糊 PI 控制在航空发动机控制中的应用

针对某型航空发动机的性能控制,提出了一种双变量模糊ＰＩ控制算法,构造了双变量模糊ＰＩ控制器,研究它在航空发动机控制中的应用,探索航空发动机采用双变量模糊控制的规律,为航空发动机控制探索了一种新方法。     

航空发动机自抗扰控制器简捷设计与应用

针对航空发动机的强非线性特征,进行了自抗扰控制器(ADRC)技术在航空发动机控制系统中的应用研究。首先,从工程应用的角度出发,给出1种简捷自抗扰制器设计方法,从而减少需整定参数和以增强设计参数的物理直观性,以方便设计;然后,将该方法应用于某型涡扇发动机控制器设计。仿真结果表明:ADRC比PID控制方法有效。     

基于自适应模拟退火算法的航空电磁阀优化研究

电磁阀是组成航空发动机数字电子控制系统的重要部件,其响应的快速性是制约航空发动机数字电子控制系统性能的重要因素。根据某型航空电磁阀的设计原理构建了一种电磁阀数学模型,并使用设计参数及实际的试验、试车数据对所建成的航空电磁阀数学模型进行了验证。验证结果显示,所设计的电磁阀数学模型具有较高的动静态的精度,在此基础上,设计了一种基于自适应模拟退火算法的航空电磁阀优化方法,并对电磁阀的线圈匝数、阀芯质量、工作气隙的宽度和模型管直径等4个重要参数进行了优化。研究结果证实,相比于原设计方案,参数优化后的电磁阀开启响应时间缩短了50%,关闭响应时间缩短了45.4%。