遗传算法在航空发动机非线性数学模型中的应用

收敛性是航空发动机非线性数学模型的重要指标。现有发动机平衡方程迭代解法还不能保证模型大范围收敛。以某涡扇发动机为对象,采用遗传算法求解发动机非线性数学模型,将模型中的发动机平衡方程求解转换为极小值优化问题,建立了遗传算法计算模型,重点分析了采用遗传算法求解的适应度函数设计方法。数值仿真结果表明,与牛顿-拉夫逊解法相比,采用遗传算法方法可实现模型大范围收敛。     

遗传算法在航空发动机控制中的应用

对于航空发动机这样复杂的系统，经典的定常算法难以对其实现良好控制。遗传算法具有良好的寻优特性，操作方便、速度快，不仅适用于单目标寻优，也适用于多目标寻优。遗传算法可以根据不同的控制系统，针对一个或多个目标，均能在规定的范围内寻找到合适参数。文中采用遗传算法实现了对PID参数的最佳整定。最后，通过数字仿真证明了其在航空发动机控制系统中应用的可能性。     

基于小生境遗传算法的航空发动机维修构型控制

为实现航空发动机维修中构型控制,建立了基于Petri网的构型控制描述模型,通过变迁序列的激发求得改型后可能的零件集合,作为后续的约束满足条件,并提出一种基于小生境遗传算法的发动机构型多方案求解方式.     

遗传算法在求解航空发动机非线性模型中的应用

将求解发动机非线性模型转化为一优化问题，提出一种用遗传算法(GA)来求解非线性模型的方法。与传统的N-R法相比，用GA法对初猜值的精度没有要求。对猜值缺少先验知识的非线性方程组的求解，GA法可大大提高求解非线性模型的收敛性。将GA算法与N-R法适当地组合应用，可进一步提高收敛速度。     

基于遗传算法的航空发动机多目标优化PID控制

提出采用多目标遗传算法,对航空发动机PID控制器参数进行优化设计.使用先进多目标遗传算法NSGA-Ⅱ对航空发动机PID控制器进行参数整定.针对某型航空发动机在飞行包线内的飞行状态进行控制器参数的优化选取,仿真结果表明,与传统手动试凑调节PID控制器参数进行比较,转速阶跃响应过程的性能指标得到了很好的优化,获得了令人满意的优化效果.      

基于遗传算法的某型涡扇发动机数字PID控制器设计

在基于DSP平台的某型航空涡扇发动机综合电子调节器的数字化研究中,提出了一种改进遗传算法,并将其应用于数字PID控制器的参数整定过程中.仿真结果表明,该改进遗传算法相比于基本遗传算法及常规PID参数整定方法,控制器动态性能更为优越,可调整性更强.     

基于模糊神经网络的涡扇发动机加速控制

采用模糊神经网络对某型涡扇发动机加速过程进行自适应控制，为了进一步提高系统性能，采用遗传算法和BP算法相结合的方式，对系统分别进行了离线和在线优化。仿真结果表明，设计的模糊神经网络控制器具有良好的性能。     

变几何发动机性能数学模型

将可变几何的压气机、涡轮特性计算程序和发动机稳态性能计算程序综合,评估风扇、高压压气机静子可调叶片角度、高压和低压涡轮导向器面积、混合器进口内外涵面积比、以及喷管喉道面积的调节对加力涡扇发动机性能的影响。计算结果表明,通过优化调节,可以大幅度地改善发动机性能。     

基于RBF网络的航空发动机辨识模型

利用实测到的发动机飞行试验数据作为学习样本, 采用径向基函数 (RBF)神经网络建立了发动机的辨识模型。利用这种方法对不同飞行高度发动机的参数进行了辨识, 并与几种 BP网络进行了比较。研究结果表明: 这种方法具有训练时间短、学习速度快、辨识精度高等优点。      

自适应变搜索域遗传算法及其在发动机模型中的应用

针对发动机数学模型中非线性方程插值解法的不足,提出非线性方程自适应变搜索域遗传算法解法。论文详细分析了方程求解转化为遗传算法优化的数学描述、依据方程解临域特征的自适应变搜索域机理及算法的具体实现技术。实例计算与发动机仿真结果说明:所设计的变搜索域遗传算法可作为通用的非线性方程解法,相比较于简单遗传算法,能成倍提高计算效率;替代插值解法应用于发动机模型,可有效提高模型的收敛性。     

量子遗传算法在航空发动机PID控制中的应用

分析研究了量子遗传算法(Quantum Genetic A lgorithm-QGA)的原理及其优势,将有指导的群体灾变及多宇宙并行演化策略引入量子遗传算法,改善其收敛性。以理想二阶系统为参考模型,实际系统响应曲线与参考模型响应曲线误差积分为目标函数,使用量子遗传算法进行发动机PID控制器参数优化并进行了数字仿真。仿真结果表明,量子遗传算法具有较好的全局收敛能力,应用于PID控制器控制参数优化后,控制器的控制效果良好,其在发动机控制系统中有较高的应用价值。     

基于卡尔曼滤波器和遗传算法的航空发动机性能诊断

以某型涡扇发动机为研究对象,构建了基于卡尔曼滤波器和遗传算法的航空发动机性能诊断方法。卡尔曼滤波器根据发动机可测参数偏离额定特性时的变化量,对发动机性能参数进行了估计。当传感器存在测量偏差时,会使滤波器估计结果偏离真实情况。遗传算法以机载模型输出与发动机测量参数之间的误差最小为目标,通过优化计算,找出存在测量偏差的传感器,确定其偏差,并最终消除测量偏差对性能诊断的影响。     

基于机载自适应模型的航空发动机控制

航空发动机的性能蜕化会导致其性能变差，传统的控制方法使其不能满足飞机的推力需求。机载的发动机自适应模型利用卡尔曼滤波器，能准确估计发动机的性能蜕化，对机载模型进行修正使其输出与真实发动机保持一致。建立了发动机机载自适应模型，并将其加入控制回路，形成推力闭环控制，消除发动机性能蜕化对飞机性能的影响。仿真结果表明，机载模型能准确估计发动机额定特性情况以及性能蜕化情况下的推力，对发动机推力的直接控制克服了性能蜕化带来的影响。     

模型不匹配时的航空发动机预测控制

1引言一般来说,预测控制适应范围宽,即使在模型不匹配的情况下,也可取得较好的控制性能。但对于航空发动机这样的复杂的被控对象,不采取一定的措施,很难保证所有飞行区域都可取得满意的预测控制效果。以某型航空发动机采用预测控制为例,预测模型不变,在阶跃输入作用下,进行全飞     

一种基于LMI的航空发动机输出反馈PI控制

基于LMI(LinearMatrixInequality,线性矩阵不等式),提出一种航空发动机PI输出反馈控制器设计方法。利用被控对象中控制向量2范数上界的限制,提出了一种改进ILMI(IterativeLMI)算法,用于解决控制受约束的航空发动机PI控制器的一种LMI描述求解问题。以某型双转子涡喷发动机为被控对象,基于LMI进行了PI输出反馈控制器的设计,并分区域在飞行包线进行了航空发动机控制系统仿真验证。结果表明,所得控制器满足预期设计要求,同时具有一定鲁棒性。     

基于遗传算法优化的涡扇发动机三维模糊控制

为进一步解决传统二维模糊控制器存在的快速响应与稳定性之间的矛盾,以及提高控制器的响应速度,减小超调,改善稳态性能,设计了一个基本的三维模糊控制系统,在基本控制系统的基础上引入了模糊积分混合控制器,利用改进的遗传算法对模糊规则进行了优化设计,引入了Smith预估补偿器。仿真实验结果表明,所设计的三维模糊控制系统响应速度快、无超调、控制精度高;有效克服了时间延迟的影响;鲁棒性较好,适用于小型涡扇发动机"小偏离"动态模型的控制研究。     

基于新型涡轮冷却算法的航空发动机性能计算模型

针对气膜冷却和对流冷却两种常用的冷却方式,建立了新的涡轮冷却计算模型,并实现了与燃气涡轮发动机总体性能计算模型的耦合,得到了可考虑的不同冷却方式、适用于高涡轮前温度、大冷气量的燃气涡轮发动机总体性能计算模型,并与简化涡轮冷却模型的计算数据及试验数据作比较分析,表明新型涡轮冷却算法的可行性和能够提供更详细的涡轮部件气流参数.     

基于T-S模糊模型的航空发动机模型辨识

提出了一种航空发动机的Takagi-Sugeno(T-S)模糊模型辨识方法,该方法通过最小二乘法辨识模糊模型的后件参数,通过反向传播法辨识模糊模型的前件参数,并实现了模糊模型结构的自适应优化。以航空发动机机载记录数据为依据,通过对输入输出数据的学习建立了航空发动机的T-S模糊辨识模型,通过该模型对机载记录数据的辨识,结果表明该模糊辨识模型具有辨识精度高、鲁棒性强、容错性好等特点。