基于平衡流形模型的航空发动机线性建模方法

研究了利用平衡流形模型建立航空发动机线性模型的方法。详细讨论了平衡流形模型的构造过程,给出从对象的平衡流形模型获取线性模型的理论依据。比较了线性化模型和平衡流形模型的有效范围,分析了两步法建立平衡流形模型允许采用更大的扰动量的原因。通过仿真验证了利用较大的扰动信号辨识平衡流形模型,进而获取线性模型的有效性。     

基于LPV模型的航空发动机控制器Kalman滤波器设计

针对航空发动机LPV模型,设计了1种改进Kalman滤波器设计方法,并应用于某型涡扇发动机控制系统中。涡扇发动机宽工况变化过程的仿真结果表明,该滤波器可实现对系统输出和状态的有效跟踪和滤波,较好地检验了该方法的有效性。     

基于动态系数的涡轴发动机平衡流形模型建模方法

以涡轴发动机线性模型为基础,通过分析状态变量对不同参数的影响,建立简化的传递函数模型。将传递函数转换成状态空间形式,推导出动态系数法模型的平衡流形展开形式,确定了建模要素。然后进行离散化分析,结合平衡流形原理,获取了分别基于加减速试验和阶跃辨识试验求取动态系数的方法,根据试验数据计算出动态系数,并分析了两种方法计算结果的一致性。最后对模型精度进行验证,结果表明所采用的动态系数计算及建模方法是正确的,模型稳态误差小于1%,动态误差小于4%,能够满足工程需要。     

基于平衡流形展开模型的航空发动机健康参数估计

为提高航空发动机健康参数实时估计的精度,结合非线性卡尔曼滤波器从底层模型方面进行改进。以航空发动机部件 级模型为基础,提取运行数据,采用线性拟合法求解系数矩阵,建立传统状态空间模型;采用BP神经网络拟合调度参数,建立设计 点处包含健康因子的平衡流形展开（EME）模型。基于EME模型分别采用扩展卡尔曼滤波器和无迹卡尔曼滤波器进行多种参数 退化模式下的数值仿真估计。仿真结果表明：得益于EME模型对非线性系统的良好近似性,各参数退化模式下的估计结果准确, 稳态误差不超过3%;与采用部件级模型作为底层模型的方案相比,该方案的估计速度提升了1个量级。验证了基于航空发动机 EME模型结合非线性卡尔曼滤波器进行健康参数估计方法的实际可行性。     

航空涡扇发动机全包线平衡流形建模

根据航空发动机相似工作状态原理和非线性系统平衡流形建模原理,提出一种适用于全飞行包线发动机性能仿真的换算平衡流形模型.首先,根据发动机各状态量的换算参数,对航空发动机平衡流形的概念进一步推广,提出换算平衡流形概念.然后,选取高压转子换算转速和飞行马赫数定义二维调度变量,对全包线发动机参量换算平衡流形进行拟合;并在换算参...     

航空发动机线性变参数建模方法研究

针对航空发动机增益调度控制技术使用的线性变参数(Linear Parameter Varying-LPV)模型,研究了两种LPV建模方法—雅克比和基于变化率方法。建立了涡扇发动机准LPV模型,进行了动态仿真验证。结果表明,与非线性模型相比,所建立的准LPV模型具有较好的动态性能,为航空发动机LPV增益控制研究提供了保证。     

基于双层LPV模型的涡扇发动机切换控制

航空发动机飞行包线和参数变化范围大,要想保证整个参数区间存在一个单一的LPV控制器,往往需要牺牲一些区域的性能。针对上述问题,提出一种基于双层LPV模型的切换控制方法。首先通过发动机进口条件将飞行包线划分为几个局部重叠的子区域,分别建立各个子区域的双层LPV模型并求取对应的Lyapunov函数,进而根据所得的Lyapunov函数设计各子区域的控制器,并采用滞后切换策略和共同二次Lyapunov函数相结合的方式实现各子区域间的切换,解决控制器在切换时抖振问题的同时保证切换的稳定性,最后以某型涡扇发动机为对象进行仿真,结果表明所设计的控制器在全包线内有良好的控制效果。     

基于监督流形学习的航空发动机振动故障诊断方法

航空发动机故障诊断中一个有挑战性的难题就是如何处理具有高维数、非线性化特点的故障数据,传统模式识别方法很难发现这类数据集的真实结构,导致故障诊断准确性不高。针对这一问题,将一种新兴的非线性维数约简技术——流形学习引入航空发动机振动故障诊断,提出基于监督流形学习理论的航空发动机特征提取与识别方法。该方法首先采用最近兴起的监督局部线性嵌入流形学习算法对蕴含在高维振动故障数据中不同故障的流形特征进行学习,映射到低维嵌入空间以实现故障的特征提取,在降维后的流形特征空间中构造分类器实现故障识别。利用航空发动机转子故障数据对方法的有效性进行了验证,结果表明,该方法显著提高了故障诊断性能,克服了传统的模式识别方法PCA和LDA的不足,并且在训练样本数为每类100的条件下,该方法的平均故障诊断正确率比PCA和LDA分别高出2.93%和7.20%。     

基于样条函数的涡轮发动机平衡流形模型展开辨识方法

多项式表示的涡轮发动机平衡流形往往存在偏差,会使辨识的动态参数不太准确。应用样条函数来表示平衡流形展开模型的相应参数,解决了区域内的动、静态参数关系和区域间参数的连续条件构造的辨识问题;以涡喷发动机辨识算例证明了该方法的有效性。     

基于非线性系统平衡流形的某型涡扇发动机建模研究

基于非线性系统平衡流形式建模理论,直接利用涡扇发动机试车数据,通过辨识计算,建立了各主要状态参数与燃油流量和高压转子转速的状态方程关系式,由此建立了某型涡扇发动机的实时动态仿真模型.并且仿真结果与试验吻合好,且其单步计算耗时较短,从而为该涡扇发动机开展实时性仿真、进一步完善发动机性能分析和改进其控制系统设计奠定了良好的基础.      

基于对角占优的航空发动机多变量控制

提出了以对角占优为基础,结合线性矩阵不等式进行航空发动机多变量控制系统频域预补偿器的设计。该方法通过使用有界实引理,将多变量频域预补偿器的设计问题与线性矩阵不等式的求解方法相结合,以达到削弱航空发动机多变量控制系统强耦合的目的。仿真验证表明,该方法有效地削弱了通道间的耦合,降低了控制器的阶次。     

基于复合优化的航空发动机模型参数估计

本文提出了一种复合优化方法,用于发动机多变量,状态空间模型的时域辨识。优化中粒子群优化算法和最小二乘优化算法按照“串联”方式运行。粒子群优化从一个初始种群出发,通过进化来搜索最优解。然而有些时候,粒子群算法会陷入次优解。那么最小二乘优化算法就可以从粒子群的次优解出发,通过共轭梯度法获得问题的最优解。本方法适用于待估计参数较多,且参数变化范围大的高阶多变量系统。本文将复合优化算法用于4输入4输出状态变量模型参数的估计。仿真结果表明了所提出方法的有效性。     

自适应PSO网络整定的航空发动机全程滑模控制

针对现代航空发动机是一个具有不确定性的强非线性系统,提出了一种基于自适应PSO网络整定的航空发动机全程滑模控制方法。设计了一类全程滑模面非线性函数,函数中含有变参数指数函数,其参数由一种新的自适应粒子群学习算法(PSO)结合RBF神经网络来整定。全程滑模控制保证了控制系统的全程鲁棒性,同时,由稳态误差收敛速度和滑模抖振幅度建立参数优化指标,用自适应PSO神经网络快速搜索当前的全局最优点。仿真结果表明,所设计的控制器取得了良好的效果,削弱了抖振。     

求解航空发动机数学模型的混合智能方法

针对传统求解方法收敛性不强而遗传算法求解效率较低的问题,利用BP神经网络逼近发动机平衡方程的反函数,将求解结果作为Newton-Raphson法的初值,提出了求解模型的混合智能方法。仿真结果表明,该方法可以保证非线性数学模型在整个飞行包线范围内收敛,与遗传算法相比又提高了求解效率。     

基于DRNN网络的航空发动机多变量解耦控制

通过分析对角递归神经网络（DRNN）及带动量项的梯度学习方法（GDM）,针对某型涡扇发动机的性能控制,研究了基于对角递归神经网络的多变量自学习解耦控制算法及其在航空发动机控制中的应用.阐明了该方法的结构和原理.并在设计点处进行了发动机多变量解耦控制系统设计.在偏离设计点时,大量的仿真结果表明,系统具有较好解耦和自适应能力.     

Direct thrust control for multivariable turbofan engine based on affine linear parameter-varying approach

A novel turbofan Direct Thrust Control(DTC) architecture based on Linear ParameterVarying(LPV) approach for a two-spool turbofan engine thrust control is proposed in this paper.Instead of transforming thrust command to shaft speed command and pressure ratio command, the thrust will be directly controlled by an optimal controller with two control variables. LPV model of the engine is established for the designing of thrust estimator and controller. A robust LPV H∞filter is introduced to estimate ...     

基于RBF网络的航空发动机单神经元解耦控制

针对航空发动机多变量控制系统中各回路之间存在的耦合现象,提出了一种基于RBF网络辨识的航空发动机多变量单神经元网络解耦控制方法。对发动机的多个控制回路,采用多个RBF网络实时辨识各个回路发动机的数学模型,并将系统的灵敏度信息实时反馈给各回路的控制器,保证了单神经元网络控制器对各回路的准确控制,最终实现对发动机多回路的解耦控制。通过在飞行包线内的仿真,结果表明,该方法不依赖被控对象的精确模型,有效地实现了对发动机的解耦控制,而且具有良好的动静态性能,将其应用于航空发动机多变量解耦控制是行之有效的。     

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。     

一类非线性系统的自适应控制及其在发动机中的应用

讨论了一类不确定性严格反馈非线性系统的鲁棒控制问题。结合H∞控制和自适应控制,提出基于一种反演(Backstepping)技术的鲁棒控制器。将广义不确定项参数化,提出了状态反馈控制器的算法,反演迭代设计不仅避免了求解HJI不等式设计控制器的困难,而且保证了闭环系统取得H∞的性能指标。基于航空发动机模型的仿真结果证明了理论推导的有效性。