控制问题中航空发动机飞行包线区域最优划分

结合最优化理论和线性系统理论,对控制问题中航空发动机飞行包线区域划分方法展开了研究。分析了发动机线性状态空间模型与进气道出口气流总温总压参数有关特性。在此基础上定义了飞行包线内任意两飞行点间的广义距离,提出将飞行包线区域划分与标称点设计问题转化为一个基于该广义距离的最大覆盖优化问题,即选择尽量少的标称点实现对飞行包线区域的覆盖。以涡扇发动机及其进气道为例,采用文中方法对其包线区域进行了划分计算,并对标称点与其覆盖区域内最远点处发动机线性化模型进行了比较。结果表明,该区域划分和标称点选择的优化方法的有效性。     

基于ADRC的涡轴发动机／直升机子系统抗扰控制

主要研究涡轴发动机转速抗扰控制问题,提出了一种基于自抗扰控制技术(ADRC,Adaptive Disturbance Rejection Control)的涡轴发动机增量型串级抗扰控制器设计方法.一方面,采用串级控制结构,内环控制块模态的燃气涡轮转速,外环控制功率涡轮转速,使得内环扰动得到快速抑制.另一方面,每个子回路中通过扩张状态量观测实时地对被控对象内环进行扰动补偿.最后,基于直升机/发动机非线性综合仿真模型的数字仿真表明该控制方法显著改善了涡轴发动机功率跟随特性,提升了直升机/涡轴发动机综合闭环系统的可操控极限.     

一种涡扇发动机喘振信号判定方法

针对涡扇发动机工作特点,设计了一种发动机喘振信号判定方法。以大量发动机试车数据和飞行试验数据为依据,采用一种新的判别方法来判定发动机工作状态。结合飞行器的综合控制系统,可以以最小的代价来实现发动机退出喘振工况。该方法充分考虑了工程应用的特点,具有很低的漏报率和虚报率。发动机地面试验验证和飞行器的飞行试验验证结果表明,该方法工作可靠。     

旋翼/涡轴发动机的自适应模型

基于卡尔曼滤波器研究旋翼/涡轴发动机的机载自适应模型.采用拟合法建立了状态变量模型,并将发动机性能蜕化参数作为增广的状态变量,设计了卡尔曼滤波器,从而可以根据可测参数的偏离量估计出发动机部件性能蜕化值,最后将部件性能蜕化值用于对机载模型中不可测性能参数的修正,从而使机载模型能适应发动机的非额定工作状况.通过数字仿真表明,建立的机载自适应模型能真实反映发动机的工作状况,并且在全包线范围内该模型都具有比较好的鲁棒性和实时性.     

最小二乘支持向量回归机在发动机推力估计中的应用

实现直接推力控制的首要问题就是要估计出推力.基于最小二乘支持向量回归机提出了一种Wrapper算法进行特征选择,此算法不仅能降低计算的复杂度,而且能增强模型的泛化能力.另外,在对最小二乘支持向量回归机进行稀疏性建模的时候,用QR分解法代替传统的协方差法,增强了数值的稳定性.最后,推力估计器设计的应用实例,验证了本文提出的特征选择法和QR分解法进行稀疏性建模的可行性和实用性.      

航空发动机三变量鲁棒控制器设计

对发动机三变量控制进行了研究.由于发动机可作为被控量的输出参数很多,用不同的被控量设计的控制器系统性能差别很大,所以选择合适的被控量就显得尤为重要.采用RSCN(鲁棒稳定性和条件数)方法从发动机的14个输出变量中选择三个变量作为发动机的被控量,然后用所选择的发动机输入/输出变量来设计增广LQR(1inenr quadratic requlator)控制器,数字仿真表明通过上述方法设计的发动机控制系统响应速度较快,无稳态误差,鲁棒性好.     

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.      

信赖域滤子算法在航空发动机在线优化中的应用

主要研究了航空发动机在线优化问题.以非线性发动机部件级模型为优化对象,将信赖域滤子算法应用于航空发动机在线优化,相比基本信赖域算法,该算法由于采用非单调的滤子算法和松弛重置,兼顾了算法在目标函数值下降与可行性保持两方面的品质,通过松弛重置避免子问题的不可行性,滤子算法则保证了算法收敛到全局最小解.最后,基于信赖域滤子算法,以涡扇发动机最小油耗寻优控制为仿真算例,验证了该算法的优越性.      

Boosting稀疏最小二乘支持向量回归机及其在推力估计中的应用

为实现航空发动机的直接推力控制代替传统的基于传感器的液压机械式控制,本文使用boosting技术提升最小二乘支持向量回归机的性能设计了推力估计器。在使用boosting的过程中,有两点与传统方法不同：（1）为了在建立稀疏最小二乘支持向量回归机的时候使数值计算更稳定,使用无放回抽取;（2）为了实现最小二乘支持向量回归机的稀疏性和降低计算的复杂度,用训练数据集的一个子集来建立最小二乘支持向量回归机,不再使用全部训练数据。仿真实验表明,基于boosting稀疏最小二乘支持向量回归机的推力估计器能够满足直接推力控制的需要,即估计推力相对误差不大于5‰。     

航空发动机控制器降阶方法

研究了状态空间模型的降阶方法,介绍了平衡截取降阶方法,提出最小二乘降阶方法.根据降阶前后系统应具有相同的输出,采用最小二乘法计算出降阶后系统的模型参数.以状态空间形式的某航空发动机控制器为降阶示例,采用以上两种方法进行了降阶研究,结果表明所提出的最小二乘法具有更优的性能.