基于T-S模糊模型的航空发动机非线性分布式控制系统故障诊断

针对航空发动机非线性分布式控制系统的故障诊断问题,首先提出了一种基于飞行包线划分的航空发动机非线性Takagi-Sugeno(T-S)建模方法,建立了具有网络诱导时延的航空发动机非线性分布式控制系统模型,然后将该系统视为离散切换系统,为其建立了具有时延补偿功能的故障观测器,给出了使得观测器误差系统渐近稳定的充分条件.故障检测仿真时间为20s,当第12s时,设定系统发生幅值为0.0025的阶跃型突变故障,仿真结果表明:12s之前,故障观测器保持渐近稳定,当第12s时,残差迅速增大并超过所设定阈值,从而检测到故障的发生.      

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。     

航空发动机全飞行包线稳态划分方法研究

航空发动机在鲁棒控制器设计过程中存在飞行包线区域难以系统划分的问题,为此,提出基于推力耗油率特性和基于动压耗油率特性的航空发动机飞行包线划分法。根据某型涡扇发动机在全包线范围内稳态工作时的推力、耗油率及动压特性,结合大气条件的客观规律,通过两种划分方法将飞行包线划分为65 个区域,用每个区域对应标称点的参数代替其周围小偏差区域和边界点参数。通过对该发动机全包线内各区域标称点与边界点参数的对比,证明两种方法均对全飞行包线划分有效,可为后续航空发动机控制器设计提供理论基础。     

控制问题中航空发动机飞行包线区域最优划分

结合最优化理论和线性系统理论,对控制问题中航空发动机飞行包线区域划分方法展开了研究。分析了发动机线性状态空间模型与进气道出口气流总温总压参数有关特性。在此基础上定义了飞行包线内任意两飞行点间的广义距离,提出将飞行包线区域划分与标称点设计问题转化为一个基于该广义距离的最大覆盖优化问题,即选择尽量少的标称点实现对飞行包线区域的覆盖。以涡扇发动机及其进气道为例,采用文中方法对其包线区域进行了划分计算,并对标称点与其覆盖区域内最远点处发动机线性化模型进行了比较。结果表明,该区域划分和标称点选择的优化方法的有效性。     

航空发动机控制问题研究中飞行包线区域的划分方法

根据矩阵扰动分析理论,分析了发动机进口参数的扰动对发动机模型状态系数矩阵特征值的影响,并在此基础上进行了飞行包线区域划分,在应用这一方法得到的飞行区域内,发动机模型的结构参数摄动量可以在指定范围内变化,计算结果也表明该分区方法是正确的。      

飞行试验数据驱动的涡扇发动机模型辨识

为实现航空发动机飞行试验实时监控,分析整理了涡扇发动机实际飞行试验数据,并以三层前向人工神经网络为基础,通过引入输出层反馈至输入层,形成该涡扇发动机的NNARX模型。对包括高压转子转速在内的11个发动机关键参数变化模型进行研究,并在额外架次全程飞行试验数据上验证和讨论辨识模型的推广能力。结果表明,辨识模型样本点上最大相对误差在5%以内,辨识模型可以应用到该型发动机的试飞实时监控中,同时也可为后续建立涡扇发动机的全包线自适应实时监控模型提供参考。     

用于控制器分区设计的发动机飞行包线区域最优划分

结合最优化理论和线性系统理论,对控制问题中航空发动机飞行包线区域划分方法展开了研究.首先基于小偏离线性动态模型,根据线性系统理论,将发动机动态特性的摄动归为线性模型的状态矩阵特征值和稳态增益的摄动来表征.然后在此基础上,定义了一种广义距离以表征发动机动态特性的摄动程度,并以定义了区域的划分原则.继而提出将飞行包线区域划分问题转化为一个基于该广义距离的最优化问题.最后就某型涡扇发动机情形,对其飞行包线区域进行了划分计算,并对划分区域内发动机线性模型摄动进行了比较,结果表明该区域划分和标称点选择方法的有效性.      

基于飞行试验数据的双转子航空发动机 加减速瞬态模型辨识

为辨识航空发动机飞行过程中加减速瞬态模型,通过对某型航空发动机慢车至中间以及中间至慢车过程的飞行试验数据进行分析整理,将发动机上述加、减速过程简化为静态参数预测过程,利用3层前向人工神经网络,建立了某型发动机加、减速瞬态过程中的发动机关键参数预测模型,对发动机参数预测模型预测结果与飞行试验记录数据进行了对比分析,同时利用额外的飞行试验数据验证了辨识模型的泛化能力.结果表明:辨识得到的发动机模型在油门杆稳定时参数预测相对误差不超过3％,在油门杆动作期间参数预测相对误差不超过5％;验证点上辨识模型参数预测误差不超过3％.证明该型发动机参数预测模型可以很好地预测发动机瞬态过程中的参数变化情况.该方法为建立发动机其他状态的加、减速过程参数变化模型奠定了基础,也能为建立全包线范围内发动机瞬态参数预测模型提供参考.     

单轴航空涡扇发动机数学模型辨识

依据某型单轴航空涡扇发动机试车数据辨识建立了发动机的全包线、全工况实时动态数学模型。由于试车数据所含噪声较大,辨识方法采用了先建立稳态模型,进而建立实时动、静态数学模型的方法,这种方法可以通过辨识稳态点来消除噪声。验模表明,所建模型精确度很高,且能准确反映发动机性能,并满足实时性需求。     

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。      

基于T-S模型的飞控系统跟踪控制器设计

提出了用PDC跟踪控制器设计飞控系统的方法,给出了稳定性和极点配置定理,将控制器的参数求取问题转化为求解线性矩阵不等式族的问题,所设计的控制器不仅具有全局渐近稳定性,还具有较好的鲁棒性。对用该方法设计的俯仰角跟踪控制器进行了仿真和鲁棒性验证。仿真结果表明,所设计的控制器能够满足性能品质和鲁棒性要求。     

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...     

基于模糊积分的航空发动机MTBF动态评估方法

针对传统评估方法无法解决航空发动机可靠性评估的滞后问题,采用模糊积分方法建立航空发动机动态可靠性评估模型.引入故障强度因子,建立降半正态型分布的故障强度因子函数表示故障纠正过程.通过故障强度因子得到模糊密度,采用Choquet模糊积分方法融合发动机各阶段可靠性指标,解决了航空发动机可靠性指标的动态评估问题.对在研的某小型涡扇发动机进行了应用研究,结果表明采用Choquet模糊积分数据融合方法进行动态评估能考虑到不同阶段故障数据的重要性,对发动机当前的可靠性水平能给予更加科学的评价.      

航空发动机参数不确定模型辨识方法

针对航空发动机线性模型在工况点附近使用范围较小的问题,提出一种航空发动机不确定性模型辨识方法。该方法使用非线性规划处理航空发动机模型辨识问题,求解过程考虑线性模型中矩阵参数不确定性的影响,以期获得一个具有适用范围大、形式简单的航空发动机模型。使用该方法对DGEN380发动机在某一稳态点进行辨识,定义实际工况偏差参数和模型最大偏差参数分析DGEN380发动机参数不确定模型的误差范围。使用实验数据与参数不确定模型仿真结果进行比较,结果表明油门杆角度变化小于22%时,参数不确定模型与实际发动机状态的偏差量较小,能够在1%误差范围内模拟实际发动机状态。     

基于神经网络和模糊逻辑的航空发动机状态监视

设计了基于神经网络和模糊逻辑的航空发动机状态监视系统,它包含数据有效性检查和发动机健康评估.系统利用BP(back propagation)神经网络对发动机进行数据有效性检查,根据发动机的状态确定测量参数的有效边界以检测发动机的测量参数是否超限;利用模糊逻辑对发动机健康状况进行实时的评估,监控发动机因性能蜕化引起的异常.通过对某型涡扇发动机仿真,验证了基于神经网络和模糊逻辑的状态监视系统的有效性.      

机动飞行下的涡轮叶尖间隙动态变化规律

在对涡轮叶尖间隙的变化机理进行初步分析的基础上,建立机匣、叶片和转子的简化模型,并重点研究了转子在飞行器机动飞行情况下的振动幅值对叶尖间隙的影响.结果表明:高压涡轮叶尖间隙动态变化范围约为0.44mm到1.45mm,同时飞行器均加速导致的转子振动会引起间隙局部增大或减小,俯仰机动和水平盘旋机动飞行都会使得间隙动态变化的非线性明显增强.      

基于Kalman滤波的变体飞行器T-S模糊控制

针对变体飞行器的跟踪控制问题,提出了一种基于Kalman滤波的T-S模糊控制方法。考虑飞行器系统状态不可测,引入惯导数据作为辅助信息,利用Kalman滤波算法融合飞控信息与惯导信息实现状态估计。由于变体飞行器在不同变形结构下气动特性变化较大,为便于控制器设计,采用小扰动线性化方法得到飞行器在不同平衡点处的局部线性模型,并通过状态反馈方法设计局部控制器,局部线性模型和局部控制器通过模糊集和模糊规则聚合成一个连续光滑的全局T-S模糊模型和T-S模糊控制器。通过综合Kalman滤波器与T-S模糊控制器得到一个基于Kalman滤波的T-S模糊控制器。仿真结果表明,该控制器在变形过程中能够实现状态估计,保证飞机的跟踪性能。