航空发动机的支持向量机自适应PID控制

首先介绍了支持向量机(SVM)的原理, 建立了支持向量机回归(SVMR)模型.将SVMR与基于支持向量机的控制器相结合, 组成自适应PID支持向量机控制(SVMC)系统.最后用于某型航空发动机, 通过在选定的设计点处进行控制系统的设计, 利用支持向量机强大非线性映射能力、网络结构的自动最优化特性, 使控制系统在发动机偏离设计点工作时控制系统仍保持很好的性能.为通用非线性控制提供了一种新的控制思路.      

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。      

基于灰色近似支持向量机的加速度计参数预测

温度、振动等环境载荷使得石英挠性加速度计参数产生漂移,直接影响了惯导系统的测量精度和性能,石英挠性加速度计参数变化趋势为非线性的,很难用常规的建模方法进行趋势预测。基于灰色理论适合进行小样本、贫信息不确定型系统建模以及近似支持向量机不需要求解二次规划就能求得非线性模型参数的优点,提出了基于灰色近似支持向量机进行石英挠性加速度计参数预测的方法。为了验证该方法的有效性,针对自然贮存的加速度计进行了固定周期的参数标定,结果表明灰色近似支持向量机具有很好的预测效果。     

多维传感器标定的支持向量机复合式方法

提出了多维传感器标定的支持向量机复合式标定方法,解决了多维传感器标定中的参数不确定性和耦合非线性因素.对一个多维传感器进行了支持向量机复合标定的仿真研究,将这一方法应用到六维力传感器测量系统的标定试验中.结果表明,与传统标定方法相比,支持向量机复合标定的方法在不增加数据样本的情况下,能够显著提高传感器标定的精度;同时也...     

航空发动机的智能神经网络自适应控制研究

针对结构复杂、模型不确定、强非线性的航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID简单控制各自优点的控制方案.在改进模糊PID控制器的基础上,进行了新型智能型神经网络控制器的设计,并提出离线混沌蚁群优化与在线误差反传调整相结合的优化方法.应用具有良好泛化能力的最小二乘支持向量机进行系统辨识,对某型航空发动机进行了设计点处的线性和非线性模型控制仿真.结果表明:控制系统具有满意的动、静态性能和较好的鲁棒性,验证了该方案的可行性和有效性.      

基于模型预测控制的非线性飞行控制系统研究

应用泰勒级数展开方法设计了飞行器六自由度非线性模型预测控制器.通过对控制向量和输出向量的有限泰勒级数展开,确定闭环形式的控制输入.仿真结果表明:该方法能够适应控制项不完全或缺少控制项的病态情况,适当选择控制器的泰勒展开阶数可得到最优的控制结果,所设计的模型预测控制器具有很好的跟踪效果.     

利用粒子群支持向量机预测轴流压气机机匣壁面压力

建立了基于粒子群优化的轴流压气机机匣压力支持向量机预测模型.利用支持向量机的强大非线性映射能力,实现了对某型轴流压气机机匣压力时间序列的非线性预测,并运用粒子群优化算法对支持向量机的重要参数进行了优化,增强了预测模型对混沌动力学的联想和泛化推理能力,提高了预测的精度和稳定性.而针对发动机台架试验数据的预测结果证明了方法...     

基于支持向量机的航空发动机性能衰退指标预测

针对航空发动机性能衰退状态的趋势预测问题,基于非线性支持向量机回归建立了发动机性能衰退指标的预测模型,给出了反映其性能衰退的综合指标。利用该模型对发动机的性能衰退指标进行了预测分析,并与神经网络模型预测结果进行了比较。结果表明:支持向量机回归预测模型能更准确地对发动机的未来状况进行预测。     

基于支持向量回归机的数控机床 几何误差元素建模研究

针对数控机床几何误差元素建模时面临的误差样本数据少且呈非线性的问题,研究在小样本数据集非线性回归分析中具有独特优势的支持向量回归机,并基于此建立数控机床几何误差元素的预测模型。分析现有几何误差检测中常用的九线法所存在的测量选点难和计算累积误差等问题,提出增加每条测量线垂直方向直线度的测量和修正误差项计算模型的改进方法。以高斯径向基核函数为支持向量回归模型的核函数,运用交叉验证法,选取合适的模型参数,求解凸二次规划问题,进而建立几何误差元素的预测模型。以QLM27100–5X五轴龙门机床X轴为例,基于改进的九线法进行测量辨识得到几何误差样本数据,然后分别基于支持向量回归机和最小二乘法建立几何误差元素预测模型,对比两个模型的预测精度,结果显示,前者的预测均方差值MSE为0.0238,小于后者的0.072,验证了支持向量回归模型在小样本集下具有更高的预测精度。     

基于RVM回归误差补偿的航空发动机分布式控制系统多步预测控制

针对具有随机有界双侧时延的航空发动机分布式控制系统,提出了一种基于多步预测和关联向量机(RVM)回归误差补偿的控制方案.首先建立航空发动机分布式控制系统(DCS)的神经网络非线性自回归滑动平均(NARMA)模型,利用当前的系统输出和控制量对N步之后的系统输出进行预测;其次用改进的RVM回归多步预测算法估计NARMA模型的的预测误差,并对预测结果进行误差补偿;最后利用补偿之后的预测值和设定值对控制参数进行滚动优化,设计系统的神经网络逆控制器实现系统的自适应控制.仿真结果证明该控制策略能够避免随机有界双侧时延对控制系统的影响,实现对设定值的稳定跟踪,且控制器具有较好的实时性和鲁棒性.低压转子转速阶跃响应的稳态绝对误差小于0.04%,响应时间小于0.3s.      

基于SVMα阶逆系统方法的非线性预测控制

针对一类未知非线性大时延系统,利用SVM特有的表达任意非线性映射能力,辨识得到非线性系统的α阶逆模型,然后将其串在原系统前组成SVMα阶伪线性复合系统。以此复合系统为被控对象,用预测控制方法实现对其有效控制。该方法不仅将非线性系统简化成伪线性系统,而且具有良好的控制效果,控制器设计简单。     

基于直升机/涡轴发动机综合仿真平台的发动机非线性模型预测控制

 基于具有可靠置信度的直升机/涡轴发动机综合仿真平台,研究了涡轴发动机带约束优化的非线性模型预测控制(NMPC)技术。首先通过设计多输出迭代约简最小二乘支持向量回归机(RRLSSVR),训练具有较好实时性、精度及泛化能力的内嵌式预测模型,在高度0~5 km、前飞速度0~75 m/s范围内模型精度达5‰。其次,考虑了扭矩、燃油流量、动力涡轮转速、燃气涡轮转速等综合信息及相关约束对控制效果的影响,利用在线序列二次规划(SQP)算法实现滚动优化控制,而后加入目标转速偏差的积分项以消除静差,保证输出恒定。最后,通过对直升机进行机动飞行大扰动仿真验证了该预测控制器对扰动的抑制能力,相比传统串级PID控制,能够显著降低动力涡轮转速下垂/超调量,达到更好的控制品质。     

一种变旋翼转速直升机/涡轴发动机非线性模型预测控制方法研究

为了实现变旋翼转速直升机/涡轴发动机快速响应控制,提出了一种基于神经网络的直升机旋翼预测模型与基于状态变量模型的涡轴发动机预测模型的新型非线性模型预测控制方法。所建目标函数除了包含转速控制指标外,还考虑了经两级变速双离合器传动机构传扭后发动机输出轴的转子动力学特性。不同飞行任务下的数值仿真结果表明:相对于PID控制器而言,非线性模型预测控制器可在满足压气机转速、发动机静强度等限制条件下使动力涡轮转速在变旋翼转速过程中的超调量减小50%,下垂量降至0.2%以内,实现了涡轴发动机的快速响应控制的同时,有利于改善发动机使用寿命。     

基于目标状态方程的SRM非线性预测控制

提出了一种基于目标状态方程的开关磁阻电机非线性预测控制方法,根据建立开关磁阻电机的非线性数学模型,按照非线性控制理论,定义转矩偏差和速度偏差为目标状态方程。以此状态方程为基础,结合预测控制理论对开关磁阻电机控制系统进行非线性预测控制设计,得到了以转速和转矩为反馈变量的非线性预测控制规律。根据所设计的控制器,通过软件仿真进行了验证。仿真结果表明,采用基于目标状态方程的开关磁阻电机非线性预测控制方法设计的SRM控制系统具有良好的动态和静态性能,对抑制开关磁阻电机转矩脉动有很好的效果。     

基于在线滚动序列核极限学习机的涡轴发动机非线性模型预测控制

针对涡轴发动机控制系统设计,提出了1种基于在线滚动序列核极限学习机的非线性模型预测控制方法。综合考虑直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速、涡轮级间温度和压气机喘振裕度等信息,设计具有较好实时性、精度和泛化能力的多输出在线滚动序列核极限学习机作为预测模型,引入预测模型输出与发动机输出的误差进行反馈校正,利用序列二次规化算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合平台的仿真环境中进行了直升机大幅度机动飞行仿真验证,结果表明:该模型预测控制器相比于传统串级控制具有更好的控制品质,可显著降低动力涡轮转速超调/下垂量。     

基于在线滚动LS-SVR的涡轴发动机混合预测控制

提出了一种串级PID+非线性模型预测控制(NMPC)的混合控制方案,用于涡轴发动机控制系统中。其中:主控制回路采用串级PID控制器以消除静差保证系统稳定;带约束优化的预测控制器则用于实时燃油补偿,以增强发动机系统对直升机功率需求的快速跟随能力。该预测控制器是基于在线预测模型实现,首先在VC环境下设计在线滚动最小二乘支持向量回归机(OSLS-SVR),在线训练高精度、实时性好的内嵌式预测模型,其测试精度可达3‰;而后利用该模型与序列二次规划(SQP)算法完成滚动优化,建立预测控制器;最后,在UH-60A直升机/T700涡轴发动机综合模型仿真环境下,通过模拟直升机大幅急速升降操作,验证了该混合预测控制方案对大扰动具有较强的抑制能力及鲁棒性,从而使直升机获得更好的机动性能。     

Neural network-based model predictive control with fuzzy-SQP optimization for direct thrust control of turbofan engine

A nonlinear model predictive control method based on fuzzy-Sequential Quadratic Programming(SQP) for direct thrust control is proposed in this paper for the sake of improving the accuracy of thrust control. The designed control system includes four parts, namely a predictive model, rolling optimization, online correction, and feedback correction. Considering the strong nonlinearity of engine, a predictive model is established by Back Propagation(BP) neural network for the entire flight envelope,...     

增广预测模型的航空发动机多变量约束预测控制

针对模型不匹配导致的模型预测控制性能下降的问题,提出了一种基于增广预测模型的航空发动机多变量约束预测控制器设计方法。在现有发动机状态空间模型基础上,将指令跟踪误差与系统状态的变化量增广为状态向量,设计增广预测模型以消除稳态跟踪误差,以控制量所需能量与模型预测输出误差最小为目标,利用带约束的序列二次规划（SQP）算法在线滚动优化控制变量。通过某型涡扇发动机非线性部件级模型的包线内不同状态下仿真分析,结果表明,控制系统无稳态误差,调节时间<2s,有效提高了发动机控制品质,实现了对输出量的限制管理。     

一种非线性滤波器的误差分析及应用

针对一类具有未建模误差和扰动的非线性系统的状态估计问题,提出一种在线估计并补偿模型误差的非线性滤波算法,该算法利用非线性预测滤波(NPF)基于预测输出残差的方差最小的基本原则估计模型误差,冉利用扩展卡尔曼滤波(EKF)的思想对补偿后的模型进行状态估计;详细推导了状态估计误差及其方差阵的传播模型.以卫星姿态确定系统为例,...