基于区域极点配置的航空发动机全包线/LPV控制

根据发动机相似工作原理以及平方和(Sun of squares, SOS)规划，基于发动机全飞行包线的换算线性变参数(Linear parameter varying, LPV)模型，提出了一种基于区域极点配置的航空发动机全包线切换/ LPV控制方法。根据发动机相似换算参数，建立换算状态变量模型。以高压换算转速为调度参数，利用多项式拟合得到全包线慢车以上的换算LPV模型。考虑基于区域极点配置的/LPV控制问题，将LPV闭环系统的极点配置在复平面上一个期望的区域内，并将LPV闭环系统稳定性条件转化为SOS约束，进行控制器求解。基于Lyapunov理论，设计全包线的切换LPV控制器，保证切换闭环系统Lyapunov意义下稳定。仿真结果表明,设计的切换LPV控制器能保证全包线内系统稳定且具有较好的鲁棒性能和动态响应性能。     

涡扇发动机部件特性的滤波自动修正更新方法

针对航空发动机部件制造装配以及性能蜕化引起的平均模型与个体发动机之间的性能不匹配问题,提出一种基于非线性滤波算法的发动机部件特性自动修正方法。根据发动机部件级平均模型输出与个体量测数据的残差,利用数据处理策略结合无迹卡尔曼滤波算法的不可测部件特性变化估计,自动更新发动机部件特性,建立发动机个体物理模型。通过小涵道比涡扇发动机仿真验证,结果表明该方法可自动修正发动机部件特性,相比较平均模型,通过该方法修正的发动机个体模型中各截面温度、压力计算偏差均在0.5%以内,有效提高涡扇发动机个体物理模型稳态、动态精度。     

涡轴发动机自适应混合诊断模型高斯加权聚类方法

针对整个飞行包线内涡轴发动机健康参数估计问题,提出基于高斯加权聚类的机载自适应混合模型建立方法.机载自适应混合模型由卡尔曼滤波器和神经网络组成,由于飞行数据样本庞大,采用高斯加权模型对涡轴发动机飞行数据进行实时聚类,利用聚类数据更新神经网络权重,并实现自适应混合模型工作范围的自动扩展.仿真结果表明了该方法的有效性,采用...     

航空发动机状态变量模型的QPSO寻优混合求解法

针对航空发动机控制和故障诊断中的状态变量模型求解存在的系数矩阵精度不高的问题,结合阶跃响应法和拟合法的基础上,提出了一种基于量子粒子群寻优（QPSO）求取发动机状态变量模型的混合求解法。QPSO优化算法求解A,C矩阵使得状态变量模型和非线性模型在动态过程具有较好的吻合,阶跃响应法求取B,D矩阵保证了模型稳态响应一致。利用混合求解法建立了某型涡轴发动机在某一稳态工作点下的小偏离状态变量模型。仿真结果表明,这种方法不仅增强了状态变量模型的求解精度,相对于单纯的拟合法缩短了求解时间,精确的状态变量模型为进一步的故障诊断和控制系统设计提供了条件。     

基于遗传算法的涡喷发动机身份证模型建立

为建立发动机身份证模型,针对发动机个体差异和寿命期内性能蜕化引起的发动机模型与真实发动机之间的失配问题,提出1种基于遗传算法的发动机部件级模型自动修正方法。在发动机部件级模型中,引入能反映个体发动机部件特性的性能调节因子。根据发动机试车数据与待修正部件级模型输出数据,以发动机关键测量参数残差最小为优化目标,采用遗传算法获得不同换算转速下的特性修正系数,建立发动机身份证模型。以某型涡喷发动机为对象进行试验验证,结果表明该方法能有效提高发动机部件级模型精度,适用于建立发动机身份证模型。     

中国航空学会第六次全国会员代表大会授予 “中国航空学会工作积极分子”名单

华　磊王连俊盛健华江　平陈　光汪耆年亓寿祥孙立田全贵山孙吾川马德良梁国志田国玺陈骊醒蒋培亨李应红曾爱明杨成体向　河李　楠张宏勋王秀兰范满湘盛　飞金　哲耿　琨陈可东秦光复张凤楼祁炳春周理查杨贵铭陈德胜李　林罗仲常丁建国詹安民陶友青罗华杰刘文霞张贤志宗　榆徐春栋刘佩芬黄金泉蒋斯来代　数周焕珍李家良储锡金徐光耀陈世球李肇元姚洪庆周克峻千岱英张华斌王宝文陈鼎华黄太平伍立波郭兰周谭新学张汝李　珊顾诵芬熊　伟诸德超将忠聆高向群杨再荣李永祚张　峥林富甲赵鸿恩陈河梧黄育群冯亚昌唐仁林张士霖刘忠祥杨乃宾张大兴李…     

飞行/推进系统自适应神经网络综合控制仿真研究

 提出一种基于发动机喘振裕度自适应的飞行 /推进系统综合控制。在发动机喘振裕度较大的某些飞行条件或飞行包线内,通过调整喷口面积,使发动机喘振裕度保持在一个较小值,既保证发动机稳定工作,又增加发动机推力,从而改善飞机的性能。采用分散控制方案,综合控制系统由 5个控制子系统组成。各控制子系统的设计采用自适应控制和神经网络相结合的方法,所提出的参数和权重的自适应调整律保证系统的稳定性。全包线范围内飞机平飞加速和爬升数字仿真结果表明,该综合控制方法可缩短飞机的平飞加速时间和爬升时间。     

航空发动机反馈神经网络自适应控制方法

根据反馈神经网络控制方法在发动机控制系统中的应用研究,建立了基于反馈网络的发动机控制系统。采用反馈神经网络辨识发动机模型参数,用动态自适应算法对神经网络权值进行了调整,并在飞行包线内各工作点对整个控制系统进行了仿真。结果表明,使用神经网络建立的发动机控制系统具有良好的控制品质和较强的自适应能力。     

适用于全包线的航空发动机BP网络模型的动态辨识

为克服传统的发动机动态模糊辨识中存在的辨识精度低，辨识模型应用范围窄等不足，把对非线性系统具有高度逼近能力的神经网络应用于航空发动机动态特性的辨识，从而为发动机动态辨识开辟更为广阔的道路，采用均方差归一法的处理方法和BP算法的改进算法－输出端动量BP地，以某型发动机在飞行包线内某一飞行条件下的数据作为学习样本，辨识了发同的神经网络模型，在全包线范围内对该模型进行检验，结果表明，所得的发动机动态模型在全包线内都有很高的逼近精度，而且对噪声有很强的抑制能力。     

基于ε-滤波LMS算法的航空发动机自适应逆控制

针对航空发动机这种复杂的被控对象，设计了基于ε-滤波LMS算法的发动机自适应逆控制系统。该控制结构能利用非线性滤波器实现航空发动机建模和逆建模，以滤波后的误差在线调整控制器权系数。进行了飞行包线内的数字仿真。结果表明：这种方案结构不需要精确的发动机模型，跟踪速度快，具有较高的精度和较强的鲁捧性。