排序方式: 共有50条查询结果,搜索用时 656 毫秒
1.
2.
基于遗传算法的航空发动机部件特性修正 总被引:5,自引:0,他引:5
研究了航空发动机部件特性修正技术,提出了一种基于变适应度函数的模型优化算法,以达到减小总体建模误差,提高模型精度的目的.在稳态模型的基础上,对引气系数、总压恢复系数和各部件的特性进行了修正,使修正后的模型输出与实验数据相一致.采用改进遗传算法,对交叉率和变异率进行了非线性自适应调整,并根据误差大小调整适应度加权系数,避免算法陷入局部最优,同时减小最大建模误差.仿真结果表明,修正后各实验参数平均误差从2.420 8%减小到0.321 7%,模型满足稳态误差小于2%的要求. 相似文献
3.
基于内模原理设计了涡轴发动机功率涡轮转速控制器.针对主旋翼扭矩变化对功率涡轮转速的干扰,提出了一种基于极端学习机的扭矩预测方法.极端学习机训练基于动态仿真数据,其输入通过相关分析获得.基于内模原理的功率涡轮转速控制器采用极点配置的设计方法,将输入信号的内模直接加入控制器,实现鲁棒跟踪.扭矩前馈采用比例微分(PD)控制策略,实现对发动机负载变化干扰的有效补偿.数字仿真结果表明:极端学习机扭矩预测精度高,扭矩相对误差小于1.5‰,与不加前馈控制相比,所提出的控制方法减小了机动飞行过程中功率涡轮转速的超调或下垂30%以上. 相似文献
4.
5.
6.
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. 相似文献
7.
短距起飞/垂直降落发动机建模技术研究 总被引:1,自引:1,他引:1
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. 相似文献
8.
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。 相似文献
9.
高职高专大学英语口语教学模式探索与实践 总被引:3,自引:0,他引:3
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。 相似文献
10.
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。 相似文献