强瞬变空气系统的模块化仿真建模

提出一种针对强瞬变空气系统的模块化建模方法,该方法将空气系统模型分解为由规范接口互联的4类基本元件,并考虑了空气系统强瞬变过程中容腔效应和气体惯性力的耦合影响.基于面向对象的技术开发了仿真程序,并使用公开的数据对模型进行验证.结果表明:该仿真模型能够正确模拟空气系统强瞬变过程中的局部逆流、压力波传导、多容腔耦合振荡等毫秒时间量级物理现象,不仅如此,其模块化的设计特征也为进一步耦合精细的空气系统元件和建立复杂空气系统网络奠定了基础,该模块化仿真方法在航空发动机空气系统的复杂动态响应特性和机理的研究中具有切实应用前景.      

高超声速航空发动机强预冷技术研究

高超声速飞行器动力是水平起降重复使用高超声速飞行器和单级入轨航天器能否成功的决定性因素,但目前仍面临许多问题,而强预冷是解决高超声速飞行器动力面临的问题的重要手段。本文对比分析了国外已有预冷发动机方案,并对其中优势最为明显的高超声速强预冷航空发动机的研究进展进行了总结。针对高超声速强预冷航空发动机中最为核心的紧凑快速强换热器,详细介绍了国内在其所涉及的微尺度流热耦合换热机理、流热耦合数值模拟、紧凑强换热器设计制造等方面的进展。国内外已有研究表明,强预冷高超声速航空发动机技术是一项具有非常巨大的潜在技术优势和前瞻性的共性技术,有望成为未来最适用的高超声速飞行器动力技术,值得引起关注并开展进一步的深入研究。     

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。     

直升机桨叶刚柔耦合特性及计算方法分析

为了研究桨叶刚柔耦合特性,采用中等变形梁模型处理桨叶弹性变形,分别采用小转角和有限转角两种方法处理桨叶绕铰的刚性运动。以桨叶扬起下坠碰撞问题为研究对象。计算分析表明:(1)弹性桨叶存在较明显的刚性运动和弹性变形耦合;(2)挥舞角较小时,两种处理方法计算结果一致,均与试验数据吻合较好;(3)挥舞角较大时,刚柔耦合增强,两种处理方法的计算值差别较为明显;(4)桨叶弯曲刚度对桨叶刚柔耦合特性有较明显影响,刚度越小,耦合越强;(5)桨叶如果比较柔软,小转角处理方法计算值相对有限转角处理方法,相位滞后、幅值增加均较为明显,计算桨叶动响应时需引起注意。      

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.      

高低压转子间耦合影响的分析和计算

研究了转子耦合对高、低压转子稳定性的影响。采用一种新的快速收敛方法,利用畸变传递修正系数,通过调整压比来满足各子压气机出口静压相等的对耦合的影响进行了定量计算。结果表明,在估算发动机喘振部件时,高、低压转子间耦合的影响也是应该考虑的重要因素。     

安装节刚度对发动机整机耦合振动的影响分析

以带机匣的航空发动机转子试验器为研究对象,建立了模拟实际发动机安装条件下试验器的整机有限元模型。对试验器进行了整机模态试验,并利用试验器的模态试验结果对有限元模型进行了修改和验证。在此基础上,仿真计算了自由安装边界、固定安装边界和不同安装节刚度的弹性安装边界的试验器前3阶固有频率和模态振型,通过定义转静耦合因子,研究了安装节刚度对试验器转子、静子耦合程度的影响。结果表明:模态振型的转子、静子耦合程度越高,安装条件对该阶模态影响越大,并且安装节刚度对转子、静子耦合程度影响是非线性的。由于实际大型涡扇发动机的在很多模态下均存在转子、静子耦合现象,因此安装节的刚度对转子、静子耦合作用的影响不容忽视,在有限元建模和仿真计算中需要仔细考虑。      

航空发动机空气系统和热分析的耦合计算与试验验证

针对航空发动机空气系统设计和热分析计算分开进行且不考虑发动机部件对空气系统换热影响的特点,结合热分析计算实际,通过计算空气与热端部件之间的热量交换,建立了空气系统和热分析的耦合计算方法,并通过试验予以了验证。计算结果和试验结果的对比表明,耦合与非耦合计算的腔室压力基本相同,但耦合计算的腔室温度更接近试验结果,耦合计算相比于非耦合计算与试验的温度误差减小9.7K,耦合计算方法有利于减小空气系统温度计算误差。     

用强耦合RANS方法模拟旋翼悬停流场

在旋转坐标系下,将Spalart-Allmaras(S-A)一方程湍流模型和Reynolds-averaged NavierStokes(RANS)方程耦合成一个新的RANS方程,并发展了基于多块重叠网格的强耦合RANS求解方法,用于直升机旋翼悬停流场的数值模拟.为了提高计算效率,针对多重网格方法在多块重叠网格上实施的困难,提出了一种基于重叠网格的多重网格实施方法.通过对Caradonna-Tung(C-T)和ONERA 7A旋翼悬停算例验证了发展的强耦合RANS方法和基于重叠网格的多重网格实施方法的有效性.研究结果表明:发展的基于重叠网格的多重网格方法有较高的计算效率,3层网格的加速比约为7.7;强耦合RANS法的计算精度明显高于传统的松耦合RANS方法,特别是在与阻力相关性能参数的预测中,强耦合RANS方法的预测结果更加精确.     

一种强耦合Spalart-Allmaras湍流模型的RANS方程的高效数值计算方法

在工程实际中,一方程湍流模型或两方程湍流模型的求解通常和雷诺平均Navier-Stockes (RANS)方程的求解是解耦的,也称之为松耦合求解.在松耦合求解过程中,RANS方程和湍流模型方程通常采用不同的数值方法异步求解.这种求解方式很容易产生因两者计算精度不一致而引起的额外数值耗散.为了消除这种耗散,将RANS方程与Spalart-Allmaras模型方程耦合成一个系统方程——强耦合RANS方程,并发展了一种用于求解该系统方程的高效强耦合算法,其中对流项离散采用了Roe格式,时间项的离散采用了隐式LU-SGS(Lower-Upper Symmetric Gauss-Seidel)格式,为了提高计算效率,采用了三层V循环多重网格方法.通过翼型/机翼和振荡翼型/机翼等算例验证了本文发展的强耦合算法不仅具有较好的收敛性,而且计算精度明显优于松耦合算法,特别对于阻力的预测,强耦合算法更加准确.     

无轴承异步电机的自抗扰控制策略

针对无轴承异步电机(BLIM)的逆系统解耦控制性能受负载和参数变化影响的问题,在转子磁链定向逆系统解耦控制的基础上,采用自抗扰控制器(ADRC)替换经典的PID控制器,将BLIM模型中的交叉耦合项、本体参数变化和负载视为“扰动”,统一用ADRC的扩张状态观测器(ESO)估测,非线性状态误差反馈控制器(NLSEF)进行补偿。仿真结果表明:采用了ADRC,系统具有较好的动态解耦控制性能;同时,对电机参数和负载变化具有更好的鲁棒性。     

轮地力学模型参数灵敏度分析与主参数估计

在星球探测过程中,星球车需要估计地面力学参数以及时调整控制策略,快速适应地形变化。针对形式复杂,参数耦合的轮地相互作用模型,采用Sobol灵敏度分析方法,分别对模型中的地面承压特性参数和剪切特性参数的灵敏度进行定量分析,筛选出沉陷指数与内摩擦角作为模型的主导参数,用于反映地面承压特性和剪切特性的变化。基于轮地相互作用力学平衡方程,通过简化应力分布公式,进一步推导出主导参数的解析表达式。通过以典型值固定非主导参数,利用系统状态参数和滤波处理完成地面力学特性主导参数的估计。结果表明,所提出的地面力学主导参数解析式及相应的估计方法能够快速反映地形的变化,沉陷指数估计的平均相对误差为2.8%,内摩擦角估计的平均相对误差小于3%。估计结果可准确预测车轮牵引力,为实现实时控制提供必要信息。     

考虑系统扰动的永磁同步电机复合控制策略

提出一种结合滑模速度控制和扩展滑模扰动观测器的永磁同步电机复合控制策略。滑模速度控制采用新型趋近律设计,扩展滑模扰动观测器对系统内部参数摄动以及外部负载干扰进行准确估计。所设计的复合控制器通过系统扰动估计环节对控制系统中的综合扰动项进行实时估计,用以对速度控制环节进行前馈补偿,实现控制系统自抗扰控制。试验结果验证了所提出控制策略的有效性和可行性。     

电动汽车用永磁同步电机模型预测MRAS无速度传感器控制

针对电动汽车机械式传感器在复杂工作环境下易失效的问题,将基于模型参考自适应(MRAS)的无速度传感器技术应用于电动汽车中。针对传统MRAS无速度传感器控制存在的转子位置估计相位延迟较大、转速估计误差较大等问题,将模型预测控制算法应用到MRAS中。参考模型选用永磁同步电机(PMSM)电流磁链方程,可调模型选取电压磁链方程,代价函数是磁链的差值,待估计参数选择转子位置。与传统MRAS无速度传感器控制算法相比,转速、转子位置估计结果更加精确,估计误差较小,动态性能和稳态性能优良。通过仿真和试验验证了算法的可行性和有效性。     

基于Backstepping的 多输入极值搜索系统控制器设计

针对一类含未知参数的多输入极值搜索系统的控制器设计问题,设计出极值搜索系统的状态量极值参考轨迹,利用Backstepping方法进行控制器设计,给出未知参数估计律,以实现对目标函数的极值搜索过程。数字仿真验证了所提出的基于Backstepping的控制器设计方法的有效性。     

A practical filter error method for aerodynamic parameter estimation of aircraft in turbulence

It is common for aircraft to encounter atmospheric turbulence in flight tests. Turbulence is usually modeled as stochastic process noise in the flight dynamics equations. In this paper, parameter estimation of nonlinear dynamic system with both process and measurement noise was studied, and a practical filter error method was proposed. The linearized Kalman filter of first-order approximation was used for state estimation, in which the filter gain, along with the system parameters and the initial states, constituted the parameter vector to be estimated. The unknown parameters and measurement noise covariance were estimated alternately by a relaxation iteration method, and the sensitivities of observations to unknown parameters were calculated by finite difference approximation. Some practical aspects of the method application were discussed. The proposed filter error method was validated by the flight simulation data of a research aircraft. Then, the method was applied to the flight tests of a subscale aircraft, and the aerodynamic stability and control derivatives were estimated. All the estimation results were compared with the results of the output error method to demonstrate the effectiveness of the approach. It is shown that the filter error method is superior to the output error method for flight tests in atmospheric turbulence.     

一种基于在线辨识和专家系统的飞行器智能姿态控制方法

针对未来战场形势对攻击型飞行器提出的大包线飞行、大不确定、主动容错控制问题,提出了一种基于在线辨识和专家系统的智能姿态控制方法。该方法通过在线估计飞行器的时域、频域关键参数,驱动专家系统实时计算并调整控制器参数;结合时域、频域辨识结果诊断、定位故障,实现故障隔离、控制策略调整。该方法综合了飞行器结构、气动试验数据和专家知识,通过在线辨识和估计丰富了专家系统推理计算所需信息,促进了专家系统的在线应用,是一种近期可实现的智能控制方法。仿真结果表明,采用该方法,姿态发散概率由无容错控制时的45%降低到容错控制时的0%,姿态控制任务完成率100%。     

推力矢量空空导弹的变结构自适应控制

提出了一种适用于带推力矢量空空导弹的变结构自适应控制器设计方法 ,推力矢量的采用是为了使导弹获得超机动能力以对付强机动目标。所设计的变结构控制律包括两部分,即线性控制部分和非线性切换控制部分,其作用力由气动舵面和非线性反作用喷气装置提供。在设计控制律时引入了对系统参数变化的自适应算法,简化了控制器的设计。数字仿真表明其有效。     

Non-affine parameter dependent LPV model and LMI based adaptive control for turbofan engines

The precise control of turbofan engines thrust is an important guarantee for an aircraft to obtain good flight performance and a challenge due to complex nonlinear dynamics of engines and time-varying parameters. The main difficulties lie in the following two aspects. Firstly, it is hard to obtain an accurate kinetic model for the turbofan engine. Secondly, some model parameters often change in different flight conditions and states and even fluctuate sharply in some cases. These variable parameters bring huge challenge for the turbofan engine control. To solve the turbofan engine control problem, this paper presents a non-affine parameter-dependent Linear Parameter Varying(LPV) model-based adaptive control approach. In this approach, polynomial-based LPV modeling method is firstly employed to obtain the basis matrices, and then the Radial Basis Function Neural Networks(RBFNN) is introduced for the online estimation of the non-affine model parameters to improve the simulation performance. LPV model-based Linear Matrix Inequality(LMI) control method is applied to derive the control law. A robust control term is introduced to fix the estimation error of the nonlinear time-varying model parameters for better control performance. Finally, the Lyapunov stability analysis is performed to ensure the asymptotical convergence of the closed loop system. The simulation results show that the states of the engine can change smoothly and the thrust of the engine can accurately follow the desired trajectory, indicating that the proposed control approach is effective. The contribution of this work lies in the combination of linear system control and nonlinear system control methods to design an effective controller for the turbofan engine and to provide a new way for turbofan engine control research.     

发电机的浸入与不变自适应反步鲁棒励磁控制器

针对含有不确定参数的发电机励磁控制系统,设计了一种新型的自适应反步鲁棒励磁控制器。在设计过程中,基于反步法逐步进行控制器的设计,并引入非线性阻尼算法来减小反步法的“计算膨胀”问题,有效地增强了控制器的鲁棒性。接着介绍了应用浸入与不变自适应控制设计阻尼系数的自适应估计律。通过MATLAB软件进行仿真研究,验证了该算法的有效性和优越性。