一种面向硬件在环的控制系统协同设计综合平台FWORKS

为实现航空发动机控制系统在数字仿真阶段的多用户、多学科协同功能，提高设计研发效率，搭建了全数字综合仿真平 台 — —FWORKS。针对常规数字仿真软件难以实现多用户间并行开发的缺点，采用分布式设计架构，通过以太网络将多个服务端 软件和人机交互软件相互联系，实现并行开发人数不少于30人的功能。该平台集成了EmbeddedCoder、SVN等工具，具备多学科 协同仿真、模型和算法的存储调用等功能。通过集成硬件在环平台所需第三方软件及编译环境等，FWORKS实现了与硬件在环平 台的无缝对接。结果表明：FWORKS仿真结果与传统全数字仿真的误差小于0.4%，与硬件在环平台的误差小于1%，表明该平台 仿真具有较高的准确性以及功能的有效性，为控制系统设计人员提供了开放的综合仿真平台。     

基于复合推进系统动态模型-状态变量模型的航空发动机直接推力预测控制

直接推力控制可以有效改善推力控制的品质,针对航空发动机直接推力控制问题,进行了模型预测控制(Model Predictive Control, MPC)研究。为了提升航空发动机推力控制的精度,提出了基于复合推进系统动态模型-状态变量模型(Compact Propulsion System Dynamic Model-State Variable Model-State Variable Model, CPSDM-SVM)的航空发动机直接推力预测控制方法。CPSDM实时估计出不可测参数（推力、喘振裕度等）的基准值,SVM则根据未来输入实时预测发动机未来响应。由于CPSDM将发动机分为进气道、核心机、喷管、喘振裕度、推力等进行建模,在兼顾精度的同时,提高机载模型的实时性。CPSDM-SVM作为MPC算法中的预测模型,具有较高的精度和实时性。仿真结果表明,在与基于分段线化模型的传统模型预测控制方法实时性基本相同的情况下,所提出方法控制效果有明显的提升,调节时间减小了1.17s。所提出方法稳态控制精度为0.08%,传统方法稳态精度为2.58%。因此,所提出方法在保证实时性的条件下,提升了控制精度和控制效果。     

基于NN-PSM的航空发动机机载自适应稳态模型

为建立一种适用于大包线、变状态的高精度、高实时性航空发动机机载自适应稳态模型，提出一种基于神经网络和推进系统矩阵相融合（NN-PSM）的机载自适应稳态模型建模方法。该方法基于小偏差线性化方法对发动机进行线性化来提取推进系统矩阵，用于表征机载模型与发动机之间的输出偏差量。基于神经网络建立发动机基线模型，用于映射飞行条件与发动机输出量之间的关系，利用神经网络的强拟合能力提高机载模型的稳态精度；设计卡尔曼滤波器实时估计发动机健康参数，提高模型的自适应能力。在大包线、变状态的飞行条件下进行仿真验证，并与传统的复合推进系统模型（CPSM）进行对比，结果表明:NN-PSM模型的平均精度在0.66%以内，而CPSM的平均精度为2.07%以内，运行时间仅为CPSM的1/10，且具有数据存储量少的特点。