航空发动机性能退化缓解控制技术

开展了航空发动机性能退化缓解控制技术的相关研究.性能退化缓解控制通过内环控制转速,外环控制推力,实现了对航空发动机的控制.该控制方式既有传统控制方式的优点,又能像直接推力控制那样实现对推力的直接控制,达到提高发动机控制自主性的目的.为了验证性能退化缓解控制的有效性,以某型双轴混排涡扇发动机为对象进行了控制系统设计及仿真验证.仿真结果表明了性能退化缓解控制技术的有效性和可行性.      

基于优化智能网络的发动机推力指令模型

针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法.其中子模型Ⅰ采用BP网络映射与推力密切相关的气路参数,其输出作为子模型Ⅱ的输入;子模型Ⅱ采用优化极端学习机(ELM)算法,输出为额定发动机推力,并以此推力为性能蜕化缓解控制指令.为了减小ELM网络规模,提高推力指令模型实时性,采用微分进化算法(DE)优化ELM初始网络参数.数字仿真验证表明:各飞行包线内推力指令模型预测值最大相对误差小于4‰,远优于单一神经网络最大8.17％和单一极端学习机最大14.5％的误差,模型推力指令计算时间仅需0.64ms,实时性好,验证了该推力指令模型的有效性.     

基于性能退化缓解的双发推力匹配控制

为了解决退化程度不同而导致的双发推力不匹配问题,首先介绍基于发动机性能退化缓解控制的双发推力匹配控制系统(在发动机基准控制系统的基础上添加外围控制回路实现对推力的间接控制,并通过设定双发共同遵循的期望推力减少由于发动机退化程度不同造成的双发推力差异),之后对该系统所涉及的推力设定、参数估计、转速指令修正等关键技术进行研究,最后在MATLAB/Simulink环境下进行仿真验证,结果表明:该系统可以在发动机参数限制范围内合理地设定双发共同遵循的期望推力,减少推力差异,满足自动协调双发推力匹配的设计要求。     

航空发动机性能恢复控制方法

针对航空发动机部件蜕化导致性能变差问题,设计了航空发动机性能恢复控制系统,系统根据发动机的工作状态以及健康状态在常规转速控制模式、稳态性能恢复控制模式和加速性能恢复控制模式之间切换.稳态性能恢复控制模式在常规转速控制模式的基础上设计了一个外环控制回路,通过自适应修正稳定状态下压气机转速指令达到蜕化发动机性能恢复的目的;加速性能恢复控制模式通过综合常规转速控制方法和喘振裕度控制方法,在保证发动机气动稳定的同时,充分挖掘发动机潜力,从而达到恢复蜕化发动机加速性能的目的.通过不同状态不同部件蜕化下的仿真结果表明恢复蜕化发动机性能的有效性.      

发动机性能退化恢复技术研究

针对发动机使用过程中的性能退化问题,设计了发动机性能退化恢复控制系统。通过内部小循环控制转速,外部大循环控制推力,实现了发动机性能的控制。以卡尔曼滤波器的输出作为输入,结合聚类以及支持向量回归模型,设计了推力估计器。以发动机为对象,对性能退化恢复控制系统进行仿真验证。对于性能参数缓慢衰退的情况,推力不退化;对于性能参数突变的情况,推力最多在3.5s后得到恢复。仿真结果表明该恢复控制技术是有效和可行的。     

基于未知输入观测器的涡扇发动机直接推力控制

针对某型涡扇发动机,进行直接推力控制回路设计方法研究.基于未知输入观测器(UIO)原理建立了涡扇发动机机载模型和推力估计器,UIO通过解耦外界干扰实现了全飞行包线推力的准确估计;提出了直接推力闭环反馈控制的双回路结构设计方案,内环转速控制,外环推力控制,有利于实现各回路控制参数的独立设计.仿真验证结果表明:基于UIO的模型基涡扇发动机直接推力控制具有良好的控制稳定性和抗干扰性能,对于发动机不同工作点直接推力控制,推力控制误差不超过0.1%,转速控制偏差不超过0.2%.      

涡扇发动机性能退化缓解控制与推力设定

为了补偿性能退化发动机的推力损失,减轻飞行员工作负担,提高推进系统的自动化程度,开展了涡扇发动机性能退化缓解控制(EPDMC)研究。针对某型涡扇发动机部件级模型设计了具备稳态控制、加/减速过渡态控制和极限保护等功能的基准控制器;在此基础上设计了外环推力控制回路,给出1种在多参数约束下的推力设定方法,并设计了合理的切换逻辑确保内外环控制器能协调工作。MATLAB/Simulink下的仿真结果表明:该智能改进控制系统架构可以在保证发动机安全工作的前提下,通过合理地设定期望推力,最大程度地补偿推力损失,维持油门杆角度和推力的对应关系近似不变。     

基于神经网络逆控制的发动机直接推力控制

首次将动态神经网络逆控制用于航空发动机直接推力控制。为了有效消除由于神经网络逆模型构造误差(即神经网络逆模型不可能完全逼近航空发动机的逆模型)而产生的稳态误差和解决航空发动机推力不易测量的困难,分别设计了积分补偿器和推力估计器,从而实现航空发动机直接推力控制。飞行包线内数字仿真结果表明,此控制方案具有良好的动静态性能、精度高、跟踪快。     

航空发动机性能寻优控制混合优化算法

根据性能寻优控制(Perform ance Seek ing Con trol)优化模式的特点,针对某型涡扇发动机,研究了把发动机性能优化问题描述为线性规划问题。同时针对线性规划方法可能会收敛于局部极小值和非线性方法计算量大的问题,提出了基于LP(L inear P rogramm ing)和MAPS(M odel-A ssisted Pattern Search)混合优化方法,并研究了LP和MAPS混合优化方法在航空发动机性能寻优控制中的应用,同时在最大推力控制模式和最小油耗控制模式下进行了仿真。大量仿真结果表明,采用混合优化方法可进一步提高发动机的性能,并且大大减少了计算量。      

超燃冲压发动机推力控制系统仿真研究

超燃冲压发动机是最具发展潜力的高超声速飞行器动力装置,具备性能优良的推力控制系统才能保证飞行器的安全自主飞行。为了实现在不同马赫数下的推力特性数值分析,根据飞行坡面建立由前体、进气道、隔离段、燃烧室和尾喷管组成的发动机模型,并通过发动机进、出口的气流动量变化来推算发动机推力。同时为保证推力系统的稳定,根据经典控制算法设计了燃油内环PD控制回路和推力外环PI控制回路。闭环仿真结果表明:该推力控制系统的控制效果良好,能较好地模拟真实控制回路。     

四旋翼无人机非奇异终端滑模位置控制器设计

针对四旋翼无人机存在模型不确定性、在野外飞行时易受外界环境干扰问题,首先采用牛顿-欧拉法进行系统建模;然后按照内外环控制结构,外环位置控制器输出姿态指令作为内环姿态控制器的输入,内环采用串级PID控制器,重点针对外环设计了一种非奇异终端滑模控制器,并基于Lyapunov理论证明了位置子系统的稳定性,得出系统误差能够在有限时间收敛到0的结论;最后,通过定点控制和轨迹跟踪仿真,表明控制器具有较快的响应速度和良好的抗干扰性能,能够快速精确地进行轨迹跟踪。     

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。     

基于小波神经网络PID的永磁同步电机转速控制

提出了基于小波神经网络PID的永磁同步电机(PMSM)转速控制策略。根据系统运行参数的变化,采用三层前馈式人工神经网络,基于梯度下降纠正误差法在线训练实时更新PID参数值。采用小波神经网络和增量式PID共同构成转速环控制器。建立PMSM数学模型,设计PMSM速度环控制器,构建S函数,对控制算法进行仿真试验,验证了该控制算法的先进性。试验结果表明,所提控制策略比传统PID转速控制具有更好的动态性能和抗干扰能力。     

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,...     

基于RBF网络辨识的涡扇发动机双变量神经网络PID解耦控制

根据神经网络与PID算法相结合的思想, 针对涡扇发动机双变量控制中变量之间的耦合问题, 提出基于径向基函数神经网络(RBF)辨识的发动机双变量神经网络PID解耦控制, 并给出控制系统的控制结构及原理.仿真结果表明, 该方法控制精度高、跟踪性能强、鲁棒性良好, 能够有效地减小各回路之间的耦合影响, 并保证控制系统具有良好的稳态和动态性能, 适合航空发动机控制.