基于IFA-ELM的航空发动机自适应PID控制新方法

针对大涵道比涡扇发动机强非线性、变参数的特点,提出了一种基于优化极端学习机(ELM)对发动机参数进行预测的自适应PID控制方法.为提高ELM的预测精度和实时性,采用适用于多峰值寻优的改进萤火虫算法(IFA)优化ELM网络参数,形成优化的ELM训练方法IFA-ELM.该算法在保证预测精度的前提下,有效简化了网络规模,并提高了其泛化能力.利用该算法建立发动机风扇转速预测模型,基于该模型,采用梯度下降法在线调整PID参数,提升发动机动态性能.数字仿真验证表明,与常规PID控制相比,基于IFA-ELM的自适应PID法调节时间减少了0.2~1.4s,超调量降低了0.2%~1.5%,验证了该控制方法的有效性.      

航空发动机解耦控制器设计

提出了一种基于输出拟形的解耦控制器设计方法。设计过程中针对某型涡扇发动机双变量控制系统,首先选取2个理想的一阶环节形成2个独立控制回路,以其在各通路单独阶跃下的无耦合响应为拟形目标。以LQR控制器设计为例,采用遗传算法(GA)来优化LQR控制器的加权矩阵Q和R,使闭环控制系统在各控制回路单独阶跃下的输出与目标相一致,从而达到解耦的目的。通过优化算法,设计出的LQR控制器取得了良好的动、静态解耦效果。     

基于ADMM算法的航空发动机模型预测控制

为了提升航空发动机非线性模型预测控制（MPC）的实时性,将交替方向乘子法（ADMM）应用于模型预测控制的滚动优化中。基于状态空间模型构造预测方程,通过引入辅助变量和对偶变量,将二次型性能指标和发动机约束改写为适合ADMM算法求解的形式。在航空发动机部件级模型上开展的仿真结果表明,基于ADMM算法的单变量模型预测能够实现对指令信号的高性能跟踪和约束的有效管理。相比于内点法（IPM）,ADMM算法在滚动优化过程中,在不同控制指令下,均具有更高的实时性,且在预测时域增加的情况下,计算耗时增加更少,验证了其在模型预测控制中应用的有效性。      

航空发动机大偏差状态变量模型建立方法

提出一种基于各参数物理意义的状态变量模型建立方法,研究了模型参数在包线内的变化情况.建模过程中,首先建立航空发动机的小偏差状态变量模型,再采用线性插值的方法构造航空发动机的大偏差状态变量模型.采用本方法建立的小偏差数学模型完全能保证模型的稳态精度,并取得了较高的动态建模精度,其计算工作量比原拟合法更小、运算速度更快.同时模型各参数物理意义明确,在包线内的变化较有规律,在构造大偏差模型时获得了较高的模型精度.     

基于自校正Broyden拟牛顿法的航空发动机模型数值计算

以Broyden拟牛顿法为基础结合计算发散判断和校正机制,提出自校正Broyden拟牛顿法.该算法结合牛顿法(Newton-Raphson method)平方收敛和Broyden拟牛顿法超线性收敛特性,通过自适应调整计算步长和校正函数,在非线性系统中具有更好的计算性能.以变循环发动机部件级模型为对象,应用自校正Broyden拟牛顿法进行稳态及动态仿真计算,并与牛顿法和Broyden拟牛顿法作对比.结果表明:自校正Broyden拟牛顿法对恶劣的初始计算条件适应性更高,计算速度更快且收敛能力性更强,动态计算中部件模型计算调用次数为牛顿法的15%,模型动态误差低于Broyden拟牛顿法的15%,同时也低于牛顿法的28%,动态计算最大残差量低于其他两种算法的25%.验证结果表明了自校正Broyden拟牛顿法的优越性.      

航空发动机性能退化缓解控制技术

开展了航空发动机性能退化缓解控制技术的相关研究.性能退化缓解控制通过内环控制转速,外环控制推力,实现了对航空发动机的控制.该控制方式既有传统控制方式的优点,又能像直接推力控制那样实现对推力的直接控制,达到提高发动机控制自主性的目的.为了验证性能退化缓解控制的有效性,以某型双轴混排涡扇发动机为对象进行了控制系统设计及仿真验证.仿真结果表明了性能退化缓解控制技术的有效性和可行性.      

基于相似变换的涡扇发动机智能动态推力估计方法

智能推力估计面临飞行包线大、工作状态多变带来的数据采集和处理问题，获得的训练数据难以覆盖整个飞行包线的各种过渡工作状态，为此本文提出一种基于相似变换的推力估计数据处理方法。通过机理分析选择推力估计器输入，以相似变换对推力估计的输入和输出数据进行处理，并设计了基于输入延迟的深层动态神经网络来实现动态推力估计。非训练数据区域的动态仿真结果表明，相似变换后，深层动态神经网络的最大推力估计误差降低了62.20%，平均误差降低了43.50%；未进行相似变换时，相比深层静态神经网络，深层动态神经网络的最大推力估计误差降低了43.42%，平均误差降低了2.35%，仿真结果表明了本文所提出的数据处理方法和动态推力估计结构有效性。     

基于主动切换逻辑的涡扇发动机N-dot控制方法

为提升涡扇发动机的加速性能，对传统的转子加速度N-dot控制结构进行了改进，提出了一种基于跟踪误差的主动切换控制策略，在跟踪误差较大时，执行N-dot控制回路，否则执行稳态控制回路。同时提出了基于等高度线的N-dot控制计划制定方法，采用差分进化算法对加速过程进行优化，最大限度地减小与最大转速之间的误差。以优化出的不同高度下最大高压转子加速度作为N-dot控制计划，并采用紧格式动态线性化无模型自适应控制(CFDL-MFAC)算法设计N-dot控制器。与常规Min-Max选择结构下的PID控制N-dot相比，主动切换MFAC的N-dot控制在某中等推力军用涡扇发动机设计点上加速时间减小了0.7 s，在非设计点上加速减少了约1.2 s。     

STOVL飞机发动机多变量控制方法

短距起飞/垂直降落（STOVL）飞机发动机已采用多变量控制方法。基于鲁棒稳定性和条件数分析、块相对增益矩阵分析，对STOVL飞机发动机不同工作模式下的三变量控制系统输出选择和控制结构设计进行了研究。对常规工作模式，提出了基于多目标优化的三变量分块解耦控制方法，通过定义最优指标实现动态跟踪和分块间的耦合抑制。对常规工作模式和垂直起降工作模式间的切换，提出基于升力风扇功率前馈的复合控制方法，以消除负载变化对系统性能的影响。仿真结果表明:提出的控制方法能够保证常规工作模式下良好的解耦控制效果，能够实现不同工作模式间的平稳过渡，验证了控制方法的可行性。