柔性机器人终端振动抑制准时间最优控制

机器人运行速度的提高受到其高的加、减速度所激励的振动的限制。因为手臂的振动降低了手臂到达终点的定位精度,并延长了定位到终点的时间。本文提出了一个用死拍控制规律来提高柔性机器人的运行速度、抑制终端振动及提高定位精度的设计方法,它可提高如航天飞机舱外遥控机械手的定位精度,以及机器人自动化生产的劳动生产率。     

应用神经网络诊断航空发动机气路故障的前景

介绍了近几年来国内外应用神经网络对航空发动机气路故障进行诊断的基本方法和研究进展。对单一故障进行定性的诊断已经取得了试验验证，结果表明神经网络具有较高的诊断准确率。对反映发动机气路部件健康状况的气流量、效率等参数的多故障、定量的诊断则取得了一些仿真研究成果。相对于基于发动机气动热力学数学模型的方法而言，神经网络方法具有更大的工程应用潜力。     

航空发动机的降低ZP／LTR控制

研究了航空发动机的多变量鲁棒控制，提出了代价设计对象模型的构造方法。该模型是通过对被控对象的发动机执行机构进行特定输出反馈而得到的，它与被控对象模型阶次相同，明显低于目前常用的增广设计方法设计对象模型的阶次。基于低阶设计对象模型，作者以前研究的ZP／LTR设计方法转化为低价ZP／LTR设计方法，应用该方法使设计控制器的阶次明显降低，从而更易实现。通过对某型涡扇发动机的仿真研究验证了低阶ZP／LTR设计方法的有效性。     

非线性系统的动态神经网络自适应辨识

提出了用双层动态神经网络在线辨识非线性动态系统的方法。神经网络的权重在线学习，不需要离线训练。在无逼近误差和扰动的理想情况下，所提出的在线算法能保证辨识误差趋于零，基函数持续激励条件能保证权重趋于零。在非理想情况下，权重调整律采用ｅ修正权重算法，它是ＢＰ算法的推广，不需要基函数的持续激励条件。基于李雅普诺夫稳定性理论保证了自适应辨识系统的稳定性。仿真算例说明了所提出的动态神经网络自适应辨识的有效性     

基于自联想网络的发动机传感器解析余度技术

本文提出了一种基于自联想神经网络的传感器解析余度技术。在这种网络中,冗余传感器的信息被压缩、重组进入网络的第一部分,网络的第二部分将压缩信息恢复出来。基于数据融合原理,若一个传感器发生故障,其它传感器仍可提供足够的信息代替发生故障的传感器。理论分析和用于涡轴发动机的仿真结果表明,这种特殊结构的自联想网络具有良好的过滤噪声和故障信号的作用,特别适合于用作不易建模的复杂对象的传感器信号重构     

数控系统传感器故障检测隔离及适应技术

介绍一种发动机传感器故障的检测、隔离及适应方法,并给出某型涡轴发动机的数字仿真实例,说明该方法的有效性和实用性。     

求解涡扇发动机数学模型的有限域搜索方法

提出一种基于N-R迭代方法的有限域优化搜索法,用于求解涡扇发动机数学模型。该方法不仅具有N-R优化迭代求解特色,还具有将初猜解附近划定域进行泛搜能力,使迭代运算具有强收敛性和平稳性。该方法所定义的迭代因子可通过编程自动调整,进而可以确定最小迭代次数及此意义下的最优迭代因子。      

推进系统优化控制模式研究

在不同的飞行任务段采用不同的优化控制模式,能够充分发挥发动机的性能潜力,提高飞机性能。利用机载自适应模型,使优化控制模式具有自适应能力。优化过程采用线性规划(LP)方法结合发动机的物理响应过程来解决非线性的发动机性能优化问题。文中阐述了优化控制的设计和控制算法,并进行了数字仿真试验,结果表明:在平飞加速工况下,采用最大推力模式,可提高发动机推力约10%;在亚音速巡航时,采用最小油耗模式,可节省单位油耗约2%,验证了推进系统优化控制模式的性能效益。      

一种新的加权最小二乘支持向量回归机及其对性能退化航空发动机推力估计的应用(英文)

要实现航空发动机的性能退化缓解控制,需要设计一个高精度并具有良好实时性的推力估计器。针对这种需要,本文提出了一种新的加权最小二乘支持向量回归机,并在此基础上设计了性能退化推力估计器。和现有的加权策略相比较,基于此新的加权策略的推力估计器不仅能满足性能退化缓解控制对精度的要求也能满足实时性的要求。最后,仿真实验证明此加权最小二乘支持向量回归机以及基于此回归机设计的推力估计器的有效性和可行性。     

进口导叶可调的涡轴发动机性能寻优控制模式

根据变比热容原理建立了进口导叶可调的涡轴发动机部件级全包线数学模型;仿真研究了涡轴发动机的最大功率、最低油耗、最低涡轮前温度控制模式.仿真结果表明:建立的涡轴发动机数学模型具有较高的准确度;采用最大功率控制模式在整个包线范围内显著提高了涡轴发动机的功率;采用最低油耗控制模式保证功率基本不变,而耗油率明显降低;采用最低涡轮前温度控制模式,能够保证功率基本不变,动力涡轮前温度显著降低.