基于松弛约束Hammerstein非线性模型的增程式APU预测控制

针对增程式辅助动力单元（APU）工作点切换过程的转速控制,提出了一种基于Hammerstein非线性模型的预测控制策略。通过稀疏最小二乘支持向量机-自适应混沌粒子群优化（SLSSVM-ACPSO）算法辨识激励响应数据建立了发动机Hammerstein非线性模型,在模型预测控制求解最优控制序列时,采用松弛因子松弛约束边界,并设计了有效集（ASM）-ACPSO组合算法求解,在控制过程中应用了变预测时域策略。建立系统仿真模型,仿真结果显示:在热机点切换至低负荷点及低负荷点切换至中负荷点的过程中稳定时间分别为2.57 s和2.77 s,转速最大超调率分别为2%和1.6%,均优于两种对比策略;在中负荷点向高负荷点切换过程中,转速超调率较大,但控制过程转矩变化更平缓。仿真结果表明模型预测控制策略控制APU系统转速响应快、转速超调率小,发动机转矩超调量小,具有良好的动态控制效果。      

增程式APU混沌退火混合粒子群优化模糊PID动态控制

针对增程式辅助动力单元(APU)工作点切换过程的控制,提出了一种混沌退火混合粒子群(CAHPSO)算法优化模糊比例积分微分(PID)控制的增程式APU动态控制策略。该算法将标准粒子群(PSO)算法与混沌搜索和退火机制融合,强化全局寻优能力,并采用该算法离线优化模糊PID控制参数。为验证该控制策略的有效性,本文建立了APU仿真模型。仿真结果表明:该控制策略可使APU在工作点从热机点逐步切换至高负荷点的过程中稳定时间短,在三个工作点切换控制过程中稳定时间分别为2.92 s,2.88 s,2.79 s;可使APU转速超调率小,在小负荷点向中负荷点切换时超调约0.95%,在其余过程未出现超调;可使APU转矩变化平缓,在中负荷点向高负荷点切换时转矩仅超调0.16 N·m,具有良好的动态控制效果。