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.      

前向神经网络快速学习算法在发动机模型辨识中的应用

介绍一种采用前向神经网络辨识发动机非线性模型的快速学习方法,与现有同类方法相比,该方法采用矩阵的QR分解求解线性方程组,解决了维数过高的矩阵直接求逆带来的解失真问题,并把这种方法应用于航空发动机的非线性模型辨识。算例仿真验证了算法的可行性。      

基于动态RBF网络的发动机起动过程模型辨识

针对航空发动机在起动过程中各截面气流处于亚临界状态 ,难以利用传统的气动热力学方法进行建模的问题 ,本文利用发动机地面试验数据作为学习样本 ,采用动态径向基 (RBF)神经网络的方法 ,建立了航空发动机起动过程动态模型。仿真结果表明 ,利用该方法建立的发动机模型具有动态性好 ,精度高的优点 ,开辟了发动机中小转速建模的新途径     

带矢量喷管的涡扇发动机动态过程研究

建立带矢量喷管的涡扇发动机动态数学模型。研究了矢量喷管偏转角和偏转角速度对涡扇发动机工作的影响。研究结果表明 ,不同的矢量喷管偏转角速度对发动机涡轮前燃气温度会产生不同温度峰值 ,而且温度峰值随矢量偏转角速度增大而增大。而在一定的不同矢量角作用下 ,发动机的阶跃响应过程调节参数无明显变化      

基于流量法的齿轮传动涡扇发动机动态建模

从热力学、气体动力学和发动机基本原理出发,对基于流量法的齿轮传动涡扇发动机动态性能建模技术展开了研究,并推导出了基于流量法的齿轮传动涡扇发动机动态数学模型的求解方程组.基于该模型方程组,利用C++面向对象编程语言,建立起了某齿轮传动涡扇发动机的动态模型.该发动机动态模型与著名的商业化发动机性能计算软件Gasturb 10进行的比对显示:该模型的运算结果与Gasturb 10的运算结果具有良好的一致性,最大误差不大于1.5%.证明了基于流量法的齿轮传动涡扇发动机动态数学模型求解方程组的正确性和适用性.      

涡扇发动机加力过程非线性最优控制研究

1引言航空发动机加力过程控制通常分为接通加力和断开加力两个不同的过程,是目前的研究热点[1,2]。然而,航空发动机的加力过程参数变化剧烈,将对发动机控制系统产生很大的扰动,严重时会造成发动机喘振、超温以及超转。另一方面,发动机的加力过程是一个大偏离且具有较强非线性的     

基于相似变换的涡扇发动机智能动态推力估计方法

智能推力估计面临飞行包线大、工作状态多变带来的数据采集和处理问题,获得的训练数据难以覆盖整个飞行包线的各种过渡工作状态,为此本文提出一种基于相似变换的推力估计数据处理方法。通过机理分析选择推力估计器输入,以相似变换对推力估计的输入和输出数据进行处理,并设计了基于输入延迟的深层动态神经网络来实现动态推力估计。非训练数据区域的动态仿真结果表明,相似变换后,深层动态神经网络的最大推力估计误差降低了62.20%,平均误差降低了43.50%;未进行相似变换时,相比深层静态神经网络,深层动态神经网络的最大推力估计误差降低了43.42%,平均误差降低了2.35%,仿真结果表明了本文所提出的数据处理方法和动态推力估计结构有效性。     

基于粒子群核极限学习机的涡扇发动机加速过程模型辨识

针对解析法建立涡扇发动机加速过程模型精度和实时性不高的问题,提出了一种基于粒子群核极值学习机(PSO-KELM)的涡扇发动机加速过程模型数据驱动辨识方法,构建涡扇发动机加速过程模型,结合加速过程试车数据,利用PSO-KELM方法对该加速模型进行辨识。试验结果表明:低压转子转速、高压转子转速和低压涡轮出口燃气总温都较好地逼近了试车数据,最大相对误差均值分别为1.013%,0.355%和1.055%,平均计算时间为0.04ms。精度和实时性均优于反向传播神经网络和粒子群支持向量回归方法,可用于发动机状态监控和性能优化控制。     

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.      

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。     

涡轮风扇发动机接通加力过程的数值模拟

发展了一种低涵道比混合排气加力涡轮风扇发动机接通加力时的数值模拟方法。该方法考虑混合室加力燃烧室、主燃烧室和外涵道的容积效应,风扇、压气机、高压和低压涡轮等部件的特性,加力燃烧室供油管的充油时间。以混合室加力燃烧室、主燃烧室和外涵道3个容积室的动态方程为基础,用很小的时间步长逐渐逼近,计算不需要迭代,速度快,精度满足工程要求。      

涡扇发动机消喘系统设计与试验研究

在某型涡扇发动机气动失稳特征的基础上,建立了航空发动机失速/喘振特征工程数学模型,研制出发动机消喘系统数字仿真平台,完成了消喘系统的方案优化设计,并在地面台架和飞行台试验中得到了验证。其气动失稳工程数学模型、数字仿真优化设计技术和试验验证方法可广泛应用于航空发动机、地面和舰船燃气轮机、以及其它民用叶轮机械气动失稳测控设计领域,同时也为制定航空发动机消喘系统设计规范奠定了坚实的技术基础。     

LQG／LTR方法在涡扇发动机控制中的应用

采用LQG／LTR多变量鲁棒控制器设计方法设计了某型航空涡扇发动机控制器；利用神经网络拟合发动机飞行条件、状态与控制器参数之间的关系,验证了控制器在全飞行包线内的性能。仿真结果表明,发动机控制系统的指令跟踪、噪声抑制、抗干扰和鲁棒性等性能良好,能满足发动机稳态控制的要求。     

涡扇发动机寿命管理研究

对“大部件(单元体)寿命控制”下涡扇发动机的寿命管理进行了深入研究,构建了某型涡扇发动机项目化管理体系和方法。建立了发动机寿命管理的信息网络,明确了用户、制造厂商和翻修部门在寿命管理信息中所应承担的责任;建立了发动机/大部件／零件寿命评定程序、寿命增长原则和程序以及附加检验项目和程序;建立了喷管和附件寿命控制及管理的基本方法。工程实践表明．建立的管理方法及程序科学合理、工程适用。     

涡扇发动机空中减速过程转速预测

以某型涡扇发动机为研究对象,对其空中减速的试验数据进行深度挖掘,分析了减速过程中低压和高压转速的变化规律,得到该型发动机空中减速过程中转速的预测关系式,并对预测结果进行验证。结果表明,通过预测关系式计算所得结果与飞行试验数据吻合良好,可用作该型发动机空中减速过程的转速预测。     

基于鲁棒偏最小二乘法的涡扇发动机成本预测

采用的偏最小二乘法目的是解决数据量较小的问题,特别针对小样本数据缺失和多重共线性的问题。作者提出适用标准PLS算法,以鲁棒的协方差矩阵,用于涡扇发动机成本预测中的应用。结果表明,误差较小,能够满足实际涡扇发动机成本费用的估算。     

某涡扇发动机综合电子调节器动态模型试验研究

通过对综合电子调节器半实物仿真系统的测试，得到了控制器各通道的静态、动态特性数据。采用反向工程试验法，应用控制理论分析辨识，得到了其动态特性的数学模型。特性分析的结果与理论研究相一致，该研究对发动机外场维护及控制器的设计改进有指导意义。     

改善涡扇发动机多任务适应性的途径探讨

基于改善涡扇发动机多任务适应性的目的,提出了两种解决方案。利用加力燃油的热容,改善涡扇发动机的性能。在预冷换热效果能实现设定数值的假设前提下,计算了预冷换热对发动机性能的影响,对两种途径的可行性进行了分析。结果证明所提出的两种途径对于涡扇发动机的性能和多任务适应性有很大改善。