基于显式预测控制的涡扇发动机控制器设计

模型预测控制因其能够较好地处理涡扇发动机约束问题且实现多变量控制而具有较大的应用潜力。为了解决传统模型预测控制算法在实际应用中存在运算量大、实时性较差的问题,基于显式模型预测设计了航空发动机多变量控制器。在控制结构上采用多速率双闭环系统,保证了控制精度;在计算上通过多参数规划将在线优化问题转化为线性函数计算问题,大幅度减少了计算量;在发动机从开环切闭环的过程提出一种增量式切换方法,实现无扰切换。数值仿真和硬件在环仿真结果表明,转速和压比稳态误差分别不超过±0.25%和±1%,控制器在25ms控制周期内能完成计算,满足嵌入式系统实时性要求。     

一种改进的Lucas—Kanade光流估计方法

Lucas—Kanade算法是一种重要的光流估计技术,在计算机视觉领域有广泛的应用。但对于图像纹理欠丰富的区域,Lucas—Kanade算法光流估计结果较差。文章提出了一种改进的Lucas—Kanade算法：首先,计算跟踪置信度因子;然后,通过阈值检测剔除不可靠的光流估计结果;最后,进行邻域填充。该方法改善了纹理欠丰富区域的光流估计,对矮人模型图像序列进行了实验,证明了方法的有效性及优于Poelman方法和Chiba方法。     

有效载荷约束边界的试验模态分析

深入研究了火箭有效载荷约束边界模态分析的运动基础试验方法,提出了载体运动基础激励试验模态分析方法,发现基于频响比的传递矩阵估计的多维振动台基础激励试验模态分析有明显优点。典型有效载荷物理试验结果表明六自由度运动基础激励与有效载荷使用状态一致,基础运动矢量加速度的变化明显反映出结构模态频率和阻尼比的非线性特征。     

小型油气支承弹簧单元设计与验证

针对全箭模态试验的自由边界模拟,研究静压支承与支承频率设计原理,设计用于原理验证的小型油气支承系统,并针对单台油气弹簧单元进行测试,结果表明支承频率与原理一致,支承阻尼满足自由边界要求,系统流量与负载质量和油温波动关系密切。     

基于相似变换的涡扇发动机智能动态推力估计方法

智能推力估计面临飞行包线大、工作状态多变带来的数据采集和处理问题，获得的训练数据难以覆盖整个飞行包线的各种过渡工作状态，为此本文提出一种基于相似变换的推力估计数据处理方法。通过机理分析选择推力估计器输入，以相似变换对推力估计的输入和输出数据进行处理，并设计了基于输入延迟的深层动态神经网络来实现动态推力估计。非训练数据区域的动态仿真结果表明，相似变换后，深层动态神经网络的最大推力估计误差降低了62.20%，平均误差降低了43.50%；未进行相似变换时，相比深层静态神经网络，深层动态神经网络的最大推力估计误差降低了43.42%，平均误差降低了2.35%，仿真结果表明了本文所提出的数据处理方法和动态推力估计结构有效性。     

基于主动切换逻辑的涡扇发动机N-dot控制方法

为提升涡扇发动机的加速性能，对传统的转子加速度N-dot控制结构进行了改进，提出了一种基于跟踪误差的主动切换控制策略，在跟踪误差较大时，执行N-dot控制回路，否则执行稳态控制回路。同时提出了基于等高度线的N-dot控制计划制定方法，采用差分进化算法对加速过程进行优化，最大限度地减小与最大转速之间的误差。以优化出的不同高度下最大高压转子加速度作为N-dot控制计划，并采用紧格式动态线性化无模型自适应控制(CFDL-MFAC)算法设计N-dot控制器。与常规Min-Max选择结构下的PID控制N-dot相比，主动切换MFAC的N-dot控制在某中等推力军用涡扇发动机设计点上加速时间减小了0.7 s，在非设计点上加速减少了约1.2 s。