基于改进无模型自适应算法的涡扇发动机限制保护控制方法

针对发动机限制保护控制问题,提出了一种基于数据驱动的改进无模型自适应限制保护控制方法。以主回路闭环系统为设计对象,通过在常规无模型自适应控制律的准则函数中增加误差变化率,使超限保护系统具有更快的响应速度,给出了改进后系统的稳定性条件,并采用临界比例度法进行了控制器参数整定。仿真结果表明:在不同工作点,所设计的改进无模型自适应限制保护控制器相比常规无模型自适应限制保护控制器,最大超限平均减小2.97%,响应时间平均缩短2.30s,实现了发动机超限后的迅速回调,保证了发动机系统的安全运行。     

退化发动机加速性能恢复控制方法

针对退化发动机加速性能下降的现象,提出一种变喘振裕度约束的模型预测控制方法。通过分析退化发动机在加速过程中的工作特点,将加速过程分为三个阶段,在不同阶段采取不同的喘振裕度约束。鉴于模型预测控制能够显式处理约束、采用在线滚动优化来获取最优控制输入,采取模型预测控制方法,并采用具有较高实时性的交替方向乘子法求解优化问题,实现了退化发动机加速性能的恢复。数字仿真结果表明,采用本文所提出的加速性能恢复控制方法后,相比退化发动机,加速过程中所耗费的时间缩短了35%以上。     

基于Broyden算法的航空发动机气路故障诊断

针对基于Kalman的故障诊断算法响应速度慢、多故障诊断及非设计点诊断精度低的问题,提出一种基于改进Broyden算法求解方程组的航空发动机气路故障诊断方法。针对涡轴发动机,以模型输出跟踪发动机输出为准则确定3个方程,结合发动机模型中的2个平衡方程,构建气路故障诊断方程组,通过改进Broyden算法求解方程组以获得部件性能退化因子及模型猜值。数字仿真结果表明,所提出的基于Broyden算法求解方程组的航空发动机气路故障诊断方法,在包线内的单故障和多故障诊断稳态误差均小于0.35%,且诊断过程算法单步运行最大耗时小于2ms,具有良好的实时性,远优于Kalman滤波方法,验证了算法的先进性。     

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.      

短距起飞/垂直降落发动机建模技术研究

参考常规双轴涡扇发动机数学模型,建立了适用于短距起飞/垂直降落(STOVL)飞机的变循环发动机部件级数学模型;通过特性外推,建立了轴驱动升力风扇数学模型;采用神经网络映射涵道总压损失的方法,建立了滚转喷管和外涵模型.根据STOVL发动机结构和部件变化特点,建立了稳态和动态共同工作方程.参照国外文献仿真数据进行设计点计算,并按照Bevilaqua提出方法开展了由常规涡轮风扇模式到悬停涡轮轴模式的过渡态仿真.仿真结果表明:建立的数学模型在悬停状态设计点和高空巡航点与国外文献数据相比误差均小于1.5%,推力达到悬停状态要求,符合STOVL发动机的设计特点,验证了该建模方法的有效性.      

基于遗传算法的航空发动机部件特性修正

研究了航空发动机部件特性修正技术,提出了一种基于变适应度函数的模型优化算法,以达到减小总体建模误差,提高模型精度的目的.在稳态模型的基础上,对引气系数、总压恢复系数和各部件的特性进行了修正,使修正后的模型输出与实验数据相一致.采用改进遗传算法,对交叉率和变异率进行了非线性自适应调整,并根据误差大小调整适应度加权系数,避免算法陷入局部最优,同时减小最大建模误差.仿真结果表明,修正后各实验参数平均误差从2.420 8%减小到0.321 7%,模型满足稳态误差小于2%的要求.      

变循环发动机建模技术研究

在对变循环发动机总体结构进行分析的基础上,参考双轴涡扇发动机部件模型的建立方法,建立了变循环发动机部件级数学模型.建立了区分叶根特性和叶尖特性的风扇部件模型,单外涵和双外涵模式的核心驱动风扇级数学模型.根据变循环发动机的特点,建立了反映变几何部件变化的稳态和动态共同工作方程.数字仿真结果表明:所建的变循环发动机模型能够实现工作模式之间的相互转换,并且在低空低马赫数双外涵模式下表现出了涡扇发动机特性,即高推力与低耗油率,而在高空高马赫数单外涵模式下相比涡扇模式提供的推力更大、耗油率更低,符合变循环发动机特点,验证了建模方法的可行性.      

基于预测扭矩前馈的涡轴发动机内模控制方法

基于内模原理设计了涡轴发动机功率涡轮转速控制器.针对主旋翼扭矩变化对功率涡轮转速的干扰,提出了一种基于极端学习机的扭矩预测方法.极端学习机训练基于动态仿真数据,其输入通过相关分析获得.基于内模原理的功率涡轮转速控制器采用极点配置的设计方法,将输入信号的内模直接加入控制器,实现鲁棒跟踪.扭矩前馈采用比例微分(PD)控制策略,实现对发动机负载变化干扰的有效补偿.数字仿真结果表明:极端学习机扭矩预测精度高,扭矩相对误差小于1.5‰,与不加前馈控制相比,所提出的控制方法减小了机动飞行过程中功率涡轮转速的超调或下垂30%以上.      

变循环发动机建模方法研究及验证

研究了变循环发动机(VCE)关键部件建模技术.采用叶尖叶根分段建模技术建立了两段风扇的数学模型,使之更适用于VCE.基于流场分析,建立了活门开度、外涵道进口总压、动压与外涵道总压恢复系数之间的智能映射,完善了外涵道模型.建立了VCE部件共同工作方程,获得了VCE部件级数学模型.基于欧洲空间与推进系统仿真数据库进行设计点计算,并开展了仿真验证.仿真结果表明:建立的数学模型表现出的工作性能与实际发动机实验结果一致,在低马赫数下双外涵道模式推力更大、耗油率更低;相反在高马赫数下单外涵道模式推力及耗油率优于双外涵模式,验证了所采用建模方法的有效性.      

涡轴发动机LQ/H∞抗扰控制方法

提出了抑制涡轴发动机负载干扰的线性二次型（LQ）/H∞控制算法,以总距为干扰建模,利用线性矩阵不等式求得既满足LQ指标又对干扰具有H∞性能约束的状态反馈控制律.提出修正指令抑制干扰策略.采用比例微分控制将总距变化转换为动力涡轮转速指令的修正,实现增大或减小机动飞行中动力涡轮转速指令,抑制实际转速的下垂或超调.仿真结果表明：该控制方法能有效抑制干扰并具有良好的实时性.