基于遗传算法的航空发动机状态变量模型建立方法

提出了一种采用遗传算法建立用于航空发动机控制系统设计的小偏差状态变量模型的方法,即根据发动机稳态工作点处的线性化数学模型的动态响应应该与该稳态工作点处的非线性数学模型动态响应一致的原则来构造遗传算法的适应度函数,通过优化算法,得出系统的状态变量模型。该方法不受系统模态及模型阶次的限制。应用该方法建立某型涡扇发动机的小偏差状态变量模型,具有较高的建模精度,根据该状态变量模型设计鲁棒控制器取得了良好的控制效果,从而验证了该方法的有效性。      

航空发动机多目标优化解耦控制设计方法

首先提出了全新的、用P范数表示的控制系统耦合程度量化指标———耦合度的概念,然后提出了可以反映航空发动机多个控制目标的多目标优化目标函数,并根据耦合度与该目标函数给出了解耦控制设计方法。该方法可以设计出真正意义上的具有解耦功能的多变量控制器,设计过程一步完成;应用于某型航空涡扇发动机控制系统设计,仿真结果表明了其可行性。     

航空燃油柱塞泵滑靴静压润滑油膜计算分析

滑靴与斜盘是一对重要的摩擦副,滑靴与斜盘之间的油膜润滑性能对燃油柱塞泵的使用寿命有很大影响.通过数值计算,得到了排油区滑靴油膜厚度与转子转角、斜盘倾角、油池压力、柱塞压紧力之间的变化规律,建立油膜厚度变化的微分方程,给出在吸、排油一个周期内,滑靴油膜厚度的动态变化规律.利用油膜计算方法,可以分析滑靴运动一周,滑靴与斜盘间的油膜润滑状态,从而为合理设计航空燃油柱塞泵滑靴与斜盘摩擦副提供理论依据.      

涡轴发动机导叶控制系统建模仿真及其PID控制器改进

通过对航空涡轴发动机数字式导叶控制系统各个环节分析计算,建立了系统的数学模型,在系统仿真分析的基础上,对PID(proportion integral derivative)控制器进行了改进设计,提出了不完全微分先行二阶PID控制方法.试验结果表明,使用不完全微分先行二阶PID控制方法,导叶控制系统性能明显改善:响应迅速,无振荡,仅有很小超调,满足了系统研制性能要求.      

涡扇发动机机载自适应建模技术研究

本文研究用涡扇发动机可测输出参数偏离变化来表征发动机的非额定工作特性,将它们做为增广的状态量,设计卡尔曼滤波器进行最优估计,将这些估计值用于修正对发动机不可测参数和性能量的计算,以形成机载自适应模型。仿真研究表明,采用该方法建立的机载模型对性能蜕化所致的发动机非额定工作具有很好的适应能力。      

神经网络在发动机自适应建模中的应用研究

提出了一种新的基于神经网络的发动机自适应实时模型的建模方法。建模的思想是认为发动机的任何非额定工作都将导致其输出参数的变化,因而可以把这些参数偏离正常工作参数值的变化量,也就是输出偏离量,用来表征发动机的非额定工作情况。把它们作为增广的状态变量,设计卡尔曼滤波器对其进行最优估计,然后用这些输出偏离量的估计值,通过由BP神经网络训练出来的可测输出偏离量与未测输出偏离量的映射关系来校正机载发动机模型的计算输出,使之与真实发动机的输出一致,从而使实时机载模型获得对任何发动机非额定工况的自适应能力。      

基于概率神经网络的发动机故障诊断

 用反向传播神经网络 (BPNN)和概率神经网络 (PNN)对航空发动机若干原型故障进行定性的诊断,并将仿真结果进行了比较。仿真结果表明,当测量参数不包含噪声或噪声较小时,两种网络都具有很高的诊断准确率;当测量参数的噪声较大时,则概率神经网络的诊断准确率远大于反向传播神经网络,显示了概率神经网络较强的诊断鲁棒性。此外,概率神经网络能够充分利用故障先验知识,并考虑代价因子的作用,从而把误诊断可能带来的损失减小到最低程度。     

航空发动机小偏差状态变量模型的建立方法

采用最小二乘拟合法建立用于航空发动机鲁棒控制系统设计的小偏差状态变量模型，即根据发动机非线性模型的小偏差动态响应数据直接拟合出其小偏差状态变量模型。由于建模误差在最小二乘意义下最小，因而应用该方法可以保证所建模型具有较高精度。此外该方法亦不受模型阶次的限制。应用该方法建立某型涡记扇发动机的小偏差状态变量模型，具有较高的精度，从而验证了该方法的有效性。     

航空发动机多变量三层神经网络控制

提出了一种发动机多变量神经网络控制方法。采用三层前向神经网络对非线性项进行补偿,神经网络权重自适应律采用在线学习算法。控制系统的设计不需要知道精确模型,适应于全飞行包线。仿真研究表明发动机多变量神经网络控制具有良好的动、静态性能。      

航空发动机控制系统中的增广LQR方法

采用一种增广LQR方法,将原系统状态的导数和指令跟踪的误差作为增广的状态向量,使设计出来的多变量系统不仅具有LQR的好的鲁棒性,而且在用于指令跟踪时能消除稳态误差。当状态量不是全部可测时,本文采用降维观测器得到一种准最优的增广LQR方法,其性能比LQG方法有显著改善,能满足航空发动机多变量控制系统的设计要求。最后,数字仿真验证了本文提出的方法。