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。     

基于模糊集值统计的输出跟踪控制器设计

提出基于模糊集值统计下修改模糊推理模型的控制规则库方法。对于具有不确定因素的非线性系统,当外界条件和系统内部结构参数变化时,根据系统的输入输出数据对,首先建立控制规则库的估计函数,引入相似度概念,在线修改隶属函数,使实际输出跟踪期望值的变化。通过仿真验证表明,该方法对于非线性、不确定性复杂系统可以获得满意的跟踪控制效果。     

基于扭矩特性的航空发动机起动系统数学模型

简述了起动过程,分析了起动过程中起动扭矩与发动机扭矩及其负载扭矩特性间的关系,给出了起动机的选择原则,从而建立了基于起动机扭矩及发动机扭矩特性的发动机起动系统数学模型,并给出起动时间的计算方法。最后以典型发动机起动系统作为仿真实例验证了此方法的可行性。      

一种不需要迭代的发动机辅助变量建模方法

现代航空发动机建模计算时常用牛顿迭代法求解非线性方程组,但由于发动机模型非线性太强且十分复杂而不易在全包线收敛。本文针对这一不足之处提出了一种不需要迭代就可以求解此非线性方程组的方法:引入航空发动机容积动力学中的变量及方程作为辅助变量及辅助方程,从而使整个非线性方程组闭合而可以直接求解。本文将此方法成功应用于某涡扇发动机,取得了良好的效果,验证了本方法的可行性。      

基于AANN的数字滤波技术

航空发动机在高温、高压、高转速及较大振动等恶劣的条件下工作时,其控制系统中的传感器很容易受到干扰,所以发动机测量参数中常常包含较大的噪声,另一方面,发动机的测量参数多于其独立变量的数量,即在这些测量参数中存在冗余信息。AANN（自联想神经网络）通过对信息的压缩及解压缩过程,能够利用冗余信息抑制其测量噪声。在发动机故障诊断过程中,应用自联想神经网络对测量参数进行预处理,可以大大提高故障诊断的准确率。     

基于遗传算法的航空发动机PI控制器参数优化方法

P ID控制器参数整定与优化一直是自动控制领域研究的问题。采用遗传算法进行的PID参数整定与优化是一种全局最优且与初值无关的优化方法。本文结合某型航空发动机,利用遗传算法对发动机单变量及双变量P I控制器参数进行优化。仿真结果表明:该方法对PI参数整定具有比较好的综合控制性能,不失为一种具有较好实用价值的航空发动机P I控制器参数整定与优化方法。      

基于试车数据的发动机神经网络模型

利用人工神经网络对某型航空发动机在全飞行包线内的稳态、动态特性(非加力状态)进行建模,网络的训练样本来自该发动机在高空试车台的试车数据。模型的输入量包括燃油流量、喷口面积、高度及马赫数,输出量则包括高、低压转子的转速及各截面的温度和压力。计算表明,当具有足够的训练样本时,神经网络模型不仅在整个飞行包线内具有较高的稳态、动态精度,而且具有较好的实时性。