航空发动机分布式控制通讯网络拓扑结构优化

针对航空发动机分布式控制系统通讯网络拓扑结构的构架问题,建立航空涡扇发动机机匣模型,选取具有代表性的10个传感器作为控制节点开展研究。同时考虑发动机表面存在通讯总线不可通过区域,以及控制节点的工作可靠性因其重要程度存在差异的约束条件,利用遗传算法对航空发动机分布式控制系统通讯网络的拓扑结构进行优化设计。结果表明:优化过程简单,并且优化得到的通讯网络拓扑结构在满足约束条件的基础上线束总长度最短。     

航空发动机部件级模型实时性提高方法研究

基于大涵道比涡扇发动机部件级模型,从减少单次流路计算耗时和降低单步流路计算次数两方面研究提高模型实时性的方法。测试并分析了发动机各模块单步计算耗时,通过建立气体热力属性插值表,使模型单次流路计算耗时减少80%,在3.3GHz Intel CPU平台下模型单次流路计算耗时0.02ms,在168MHz STM32F407硬件平台下耗时1.55ms。研究了不同收敛残差对模型流路计算次数及仿真精度的影响。仿真结果表明:相比Newton-Raphson法,Broyden法流路计算次数更少;将迭代求解残差由0.0001调整至0.001或0.005,模型流路计算次数显著减少,低压转速仿真偏差在0.2%以内。     

航空发动机多路模糊切换控制系统设计

针对航空发动机在不同控制通路切换过程中出现的转速等参数发生大幅度跳变以及系统不稳定的问题,提出了一种模糊切换控制方法,设计了基于不同结构控制通路的模糊切换控制器,基于无源性概念对航空发动机多路模糊切换控制系统进行了稳定性分析,得到了多路模糊切换控制系统稳定的充分条件。航空发动机模糊切换系统与直接切换系统仿真结果表明了航空发动机多路模糊切换控制方法的有效性。     

基于遗传算法的航空发动机机载模型支持向量机修正方法

航空发动机的实时模型与发动机的匹配精度直接影响着航空发动机故障诊断的精度.提出了基于自适应遗传算法的最小二乘支持向量回归机(AGA-LSSVR)方法对航空发动机机载实时模型进行修正,有效的提高了模型的匹配精度.分析了最小二乘支持向量机中的参数的选取对模型修正的影响,在参数的选取空间里采用自适应遗传算法搜索最优参数.最后,比较了Back propagation(BP)神经网络、支持向量回归机、AGA-LSSVR等方法在机载模型中的修正效果.结果表明:提出的AGA-LSSVR具有很好的修正精度,验证了修正模型的有效性.      

基于神经网络和模糊逻辑的航空发动机状态监视

设计了基于神经网络和模糊逻辑的航空发动机状态监视系统,它包含数据有效性检查和发动机健康评估.系统利用BP(back propagation)神经网络对发动机进行数据有效性检查,根据发动机的状态确定测量参数的有效边界以检测发动机的测量参数是否超限;利用模糊逻辑对发动机健康状况进行实时的评估,监控发动机因性能蜕化引起的异常.通过对某型涡扇发动机仿真,验证了基于神经网络和模糊逻辑的状态监视系统的有效性.      

某型涡轴发动机数控系统的机械液压备份控制方案研究

综合国内外涡轴发动机控制系统的发展趋势及成熟度的基础上,提出了一种带机械液压备份功能的控制系统方案,该方案的机械液压备份功能模块能跟随数字控制功能模块,并能够在数字控制失效后平稳切换到机械液压备份控制,具有在包线范围内实现发动机的燃油和导叶机械液压备份控制功能,保证涡轴发动机安全工作和直升机的安全返航.该方案通过工程设计、试制,开展了半物理试验和台架试验验证,验证结果表明:该备份控制方案的动力涡轮转速控制精度优于±0.5%,导叶控制精度优于4°,具有良好的工程应用性.      

基于双层LPV模型的涡扇发动机切换控制

航空发动机飞行包线和参数变化范围大,要想保证整个参数区间存在一个单一的LPV控制器,往往需要牺牲一些区域的性能。针对上述问题,提出一种基于双层LPV模型的切换控制方法。首先通过发动机进口条件将飞行包线划分为几个局部重叠的子区域,分别建立各个子区域的双层LPV模型并求取对应的Lyapunov函数,进而根据所得的Lyapunov函数设计各子区域的控制器,并采用滞后切换策略和共同二次Lyapunov函数相结合的方式实现各子区域间的切换,解决控制器在切换时抖振问题的同时保证切换的稳定性,最后以某型涡扇发动机为对象进行仿真,结果表明所设计的控制器在全包线内有良好的控制效果。     

航空发动机健康估计的神经网络修正卡尔曼滤波算法

针对商用航空发动机与气路相关的传感器分布不均、且个数小于气路健康参数的个数、使用卡尔曼滤波算法估计全部气路健康参数时容易出现误判的特点,提出一种神经网络修正的卡尔曼滤波算法。该算法在每个采样周期内利用BP神经网络来修正个体的偏移方向,按粒子滤波算法计算每个个体的权值用以估计总体的均值和协方差,然后利用卡尔曼滤波算法更新所有个体,并将总体的均值作为当前时刻的估计结果。通过对商用航空发动机部件级模型在多个飞行状态点数字仿真模拟9种气路突变故障,由7个可测输出估计全部10个健康参数,该混合算法的估计误差相比BP神经网络与无迹卡尔曼滤波算法分别平均降低了34.6%与47.9%。     

基于在线滚动序列核极限学习机的涡轴发动机非线性模型预测控制

针对涡轴发动机控制系统设计,提出了1种基于在线滚动序列核极限学习机的非线性模型预测控制方法。综合考虑直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速、涡轮级间温度和压气机喘振裕度等信息,设计具有较好实时性、精度和泛化能力的多输出在线滚动序列核极限学习机作为预测模型,引入预测模型输出与发动机输出的误差进行反馈校正,利用序列二次规化算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合平台的仿真环境中进行了直升机大幅度机动飞行仿真验证,结果表明:该模型预测控制器相比于传统串级控制具有更好的控制品质,可显著降低动力涡轮转速超调/下垂量。