航空发动机小波神经网络PID控制

提出了一种基于小波神经网络在线辨识的航空发动机比例-积分-微分(PID)控制算法.网络采用三层前向网络结构,以小波函数作为隐含层的激励函数.采用离线训练的方式训练出网络参数,以网络输出和输入之间的偏导数代替发动机模型输出和输入变量之间的偏导数,用以在线修正PID控制器的参数.阶跃响应测试表明,用小波神经网络整定的PID控制系统动态调节时间小于2s,稳态误差为零,在全飞行包线内均稳定正常工作.      

基于优化拟形的航空发动机控制器降阶方法

提出了一种基于优化输出拟形的航空发动机多变量控制器降阶方法,并以LQG/LTR控制器降阶为例,成功地将原控制器从8阶降为3阶.首先将控制器分为积分环节部分和稳定子系统部分,采用输出拟形的方法用低阶系统去逼近稳定子系统使二者具有相近的阶跃响应,利用遗传算法优化出低阶系统的参数,将低阶系统和分离出来的积分环节合并后即得到降阶后的控制器.与采用平衡截取Schur降阶方法比较,本方法可将系统阶次降得更低并取得更好的动态响应效果.