基于T-S模糊模型的航空发动机模型辨识

提出了一种航空发动机的Takagi-Sugeno(T-S)模糊模型辨识方法,该方法通过最小二乘法辨识模糊模型的后件参数,通过反向传播法辨识模糊模型的前件参数,并实现了模糊模型结构的自适应优化。以航空发动机机载记录数据为依据,通过对输入输出数据的学习建立了航空发动机的T-S模糊辨识模型,通过该模型对机载记录数据的辨识,结果表明该模糊辨识模型具有辨识精度高、鲁棒性强、容错性好等特点。     

基于遗传算法的发动机性能监控与故障诊断

利用综合加权法计算表征发动机整体性能的综合指数时，各参数的权系数难于确定。利用遗传算法确定各参数的权系数，使所得到的综合指数值比采用专家调查法所得综合指数值更能灵敏、准确地反映发动机整体性能的变化情况，提高了发动机性能正常与否的识别率，并以此来发现发动机潜在早期故障，防止故障的扩大。通过对某涡扇发动机进行监控，证明该方法确实有效。     

基于RBF神经网络的压气机特性仿真

为克服传统仿真方法误差较大的问题，提出了一种基于RBF（多变量插值的径向基函数）神经网络的压气机特性仿真方法。利用RBF神经网络能逼近任意非线性系统的特点，对压气机特性进行了拟合。试验结果表明，此方法具有精度高，收敛速度快等优点，可广泛运用于发动机数值仿真及控制模拟等领域。     

基于AR模型对滑油中金属元素含量的预测

利用时间序列分析方法对某型航空发动机滑油监控系统中需重点监控的金属元素含量建立了AR模型。并根据该模型对其含量变化趋势进行了预测分析。某部队通过对不同实测数据的检验证明，可根据该模型的预测结果预报金属含量是否招标。     

某涡扇发动机过渡过程仿真研究

采用部件法建立了某型涡扇发动机加速过程动态模型,并对不同加速供油量下发动机的加速过程进行了数值仿真,分析了其对发动机性能参数的影响;研究了不同喷口面积调节对发动机加速性的影响。计算结果表明,该方法较为符合实际情况,可以作为该型发动机加速过程控制的模型。      

航空发动机性能趋势监控定量化的方法研究

通过对某型飞机飞行参数记录系统记录信息的破译、分析和处理,对得到的与发动机性能相关的数据在航空发动机性能趋势监控中的应用进行了较为深入的研究。提出了如何利用这些数据得到综合参数,并采用综合参数作为评判发动机性能状况的量化指标以及在此基础上建立发动机预警信号系统的实现方法。最后,利用实际的发动机数据进行了验证。      

基于RBF网络的航空发动机单神经元解耦控制

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。     

航空发动机分布式控制系统动态输出反馈鲁棒H∞容错控制

针对存在网络诱导时延、外部干扰的航空发动机分布式控制系统,提出了执行机构发生部分失效故障时的输出反馈容错控制方法。对航空发动机分布式控制系统中网络诱导时延以及执行器部分失效问题进行量化说明,在此基础上,采用动态输出反馈控制器建立增广闭环系统。针对所建立的增广闭环系统,对H∞性能约束下的增广闭环系统稳定性进行分析,并利用线性矩阵不等式理论设计了输出反馈H∞容错控制器。仿真结果表明,当两个执行机构输出值分别为衰减80%和50%时,控制系统在所设计的控制器作用下均方渐进稳定,且具有H∞性能指标为0.63,同样在正向偏差故障条件下也具有很好的容错能力。      

航空发动机T-S分布式系统自适应鲁棒滑模控制

为提高航空发动机非线性不确定分布式控制系统的鲁棒性,考虑参数摄动,外部干扰,随机时延的影响,采用一种基于飞行包线划分的航空发动机T-S模糊模型,进行了鲁棒自适应滑模控制方法的研究。基于鲁棒H∞理论,针对模糊规则的状态空间模型,推导了滑模运动渐进稳定的充分条件,设计具有扰动抑制性能的鲁棒滑模面;基于并行分布补偿技术,采用与T-S模型相同的模糊规则,确定全局模糊滑模控制器设计策略,在此基础上,采用自适应技术估计未知干扰上界,设计了自适应滑模控制器,并证明了系统在控制器作用下的到达性。仿真结果表明该方法能够保证系统渐进稳定,对所考虑的不确定性因素鲁棒性较好,有效削弱了抖振,对不同工作点和干扰条件具有良好的适应性。