航空发动机小波神经网络PID控制

提出了一种基于小波神经网络在线辨识的航空发动机比例-积分-微分(PID)控制算法.网络采用三层前向网络结构,以小波函数作为隐含层的激励函数.采用离线训练的方式训练出网络参数,以网络输出和输入之间的偏导数代替发动机模型输出和输入变量之间的偏导数,用以在线修正PID控制器的参数.阶跃响应测试表明,用小波神经网络整定的PID控制系统动态调节时间小于2s,稳态误差为零,在全飞行包线内均稳定正常工作.      

变循环发动机建模技术研究

在对变循环发动机总体结构进行分析的基础上,参考双轴涡扇发动机部件模型的建立方法,建立了变循环发动机部件级数学模型.建立了区分叶根特性和叶尖特性的风扇部件模型,单外涵和双外涵模式的核心驱动风扇级数学模型.根据变循环发动机的特点,建立了反映变几何部件变化的稳态和动态共同工作方程.数字仿真结果表明:所建的变循环发动机模型能够实现工作模式之间的相互转换,并且在低空低马赫数双外涵模式下表现出了涡扇发动机特性,即高推力与低耗油率,而在高空高马赫数单外涵模式下相比涡扇模式提供的推力更大、耗油率更低,符合变循环发动机特点,验证了建模方法的可行性.      

变循环发动机建模方法研究及验证

研究了变循环发动机(VCE)关键部件建模技术.采用叶尖叶根分段建模技术建立了两段风扇的数学模型,使之更适用于VCE.基于流场分析,建立了活门开度、外涵道进口总压、动压与外涵道总压恢复系数之间的智能映射,完善了外涵道模型.建立了VCE部件共同工作方程,获得了VCE部件级数学模型.基于欧洲空间与推进系统仿真数据库进行设计点计算,并开展了仿真验证.仿真结果表明:建立的数学模型表现出的工作性能与实际发动机实验结果一致,在低马赫数下双外涵道模式推力更大、耗油率更低;相反在高马赫数下单外涵道模式推力及耗油率优于双外涵模式,验证了所采用建模方法的有效性.      

退化发动机加速性能恢复控制方法

针对退化发动机加速性能下降的现象,提出一种变喘振裕度约束的模型预测控制方法。通过分析退化发动机在加速过程中的工作特点,将加速过程分为三个阶段,在不同阶段采取不同的喘振裕度约束。鉴于模型预测控制能够显式处理约束、采用在线滚动优化来获取最优控制输入,采取模型预测控制方法,并采用具有较高实时性的交替方向乘子法求解优化问题,实现了退化发动机加速性能的恢复。数字仿真结果表明,采用本文所提出的加速性能恢复控制方法后,相比退化发动机,加速过程中所耗费的时间缩短了35%以上。     

基于改进无模型自适应算法的涡扇发动机限制保护控制方法

针对发动机限制保护控制问题,提出了一种基于数据驱动的改进无模型自适应限制保护控制方法。以主回路闭环系统为设计对象,通过在常规无模型自适应控制律的准则函数中增加误差变化率,使超限保护系统具有更快的响应速度,给出了改进后系统的稳定性条件,并采用临界比例度法进行了控制器参数整定。仿真结果表明:在不同工作点,所设计的改进无模型自适应限制保护控制器相比常规无模型自适应限制保护控制器,最大超限平均减小2.97%,响应时间平均缩短2.30s,实现了发动机超限后的迅速回调,保证了发动机系统的安全运行。     

基于Broyden算法的航空发动机气路故障诊断

针对基于Kalman的故障诊断算法响应速度慢、多故障诊断及非设计点诊断精度低的问题,提出一种基于改进Broyden算法求解方程组的航空发动机气路故障诊断方法。针对涡轴发动机,以模型输出跟踪发动机输出为准则确定3个方程,结合发动机模型中的2个平衡方程,构建气路故障诊断方程组,通过改进Broyden算法求解方程组以获得部件性能退化因子及模型猜值。数字仿真结果表明,所提出的基于Broyden算法求解方程组的航空发动机气路故障诊断方法,在包线内的单故障和多故障诊断稳态误差均小于0.35%,且诊断过程算法单步运行最大耗时小于2ms,具有良好的实时性,远优于Kalman滤波方法,验证了算法的先进性。     

基于改进NS-SOMA 的变循环发动机解耦控制方法

针对XTE76变循环发动机的控制结构问题,研究了2分块之间进行解耦的控制方法。基于内模原理,设计状态反馈控制器结构,以无超调快速跟踪和耦合抑制为目标,提出了改进的非支配序自组织迁移(NS-SOMA)多目标优化算法,在每代中按照与领导者的欧式距离均匀选择粒子进行迁移,提高了算法的收敛速度和精度,以此优化控制器参数,有效抑制了分块之间的耦合。同时研究了变循环发动机不分块的3变量控制方法,直接通过多目标优化抑制回路之间的耦合效应。在某型变循环发动机部件级模型上进行仿真验证,结果表明:不分块结构优于其他2种结构,相比分块控制结构,引起的最大耦合降低了30%,说明多变量综合控制更能充分利用现代控制理论解决回路之间的耦合问题。     

短距起飞/垂直降落发动机建模技术研究

参考常规双轴涡扇发动机数学模型,建立了适用于短距起飞/垂直降落(STOVL)飞机的变循环发动机部件级数学模型;通过特性外推,建立了轴驱动升力风扇数学模型;采用神经网络映射涵道总压损失的方法,建立了滚转喷管和外涵模型.根据STOVL发动机结构和部件变化特点,建立了稳态和动态共同工作方程.参照国外文献仿真数据进行设计点计算,并按照Bevilaqua提出方法开展了由常规涡轮风扇模式到悬停涡轮轴模式的过渡态仿真.仿真结果表明:建立的数学模型在悬停状态设计点和高空巡航点与国外文献数据相比误差均小于1.5%,推力达到悬停状态要求,符合STOVL发动机的设计特点,验证了该建模方法的有效性.      

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.     

高职高专大学英语口语教学模式探索与实践

探索适应高职高专大学英语口语教学的模式不仅是《高职高专大学英语大纲》的要求,也是推动高职高专英语口语教学改革的关键。论文以培养学生的职业能力、实现学生的可持续就业能力为目标,提出了大学英语口语教学模式及在教学中的具体实施策略。