某型涡扇发动机半实物仿真控制系统

运用最小二乘法建立了某型涡寓发动机的动态数学模型，并利用相似原理把它推广到全飞行包线范围。动态数学模型在仿真计算机上运行，通过输人输出接口与控制器、执行机构实物进行连接，组成基于VXI总线技术的涡扇发动机控制系统半实物仿真系统。对涡扇发动机实际工作过程的半实物仿真结果表明，系统能实时地反映在控制系统作用下发动机的运行情况．为发动机全权限数字电子控制（FADEC）系统研究提供了良好的试验手段。     

航空发动机的模糊故障诊断方法研究

提出了一种基于T-S模糊模型的故障诊断方法, 该方法从样本空间提取模糊规则, 在模糊系统参数最优化的同时实现了对模糊系统结构的自适应优化, 并给出了故障判定的阈值确定方法.以某涡扇发动机定检稳态的机载记录数据为依据, 将基于T-S模糊模型的故障诊断方法应用于航空发动机, 研究结果表明, 该方法能准确地判定某涡扇发动机的健康状况, 将其应用于航空发动机故障诊断是可行、有效的.      

航空发动机多模型预测滑模控制

针对航空发动机是一个不确定性的强非线性系统,借鉴多模型方法和预测控制思想,提出了航空发动机多模型预测滑模控制。对航空发动机飞行包线进行划分,建立了航空发动机状态空间多模型;对每个模型分别设计了预测滑模控制器,以滑模轨迹为预测模型,进行滚动优化、反馈校正求取控制量,并根据前几时刻与发动机的匹配程度选择当前时刻的控制器;推导出了其稳定性的条件。仿真结果表明,所设计的控制器控制效果令人满意,能有效抑制参数摄动和干扰的影响。     

航空发动机自适应全局快速非奇异Terminal滑模控制

针对航空发动机控制系统须具有强鲁棒性和快速响应等特点及Terminal滑模控制存在奇异性等缺点,提出了一种航空发动机自适应全局快速非奇异Terminal滑模控制器设计方法.设计了一种快速非奇异Terminal滑模面,同时解决了传统Terminal滑模控制的奇异性和远离平衡点收敛速度慢两个缺点.采用自适应方法估计等效干扰,无需已知航空发动机的干扰上界,利用Lyapunov理论分析了其稳定性.仿真结果表明:设计的Terminal滑模控制器具有良好的动态性能,状态输出响应快速,调节时间在2s左右,无稳态误差,无超调,未发生奇异现象.      

基于SVR-PSO改进算法的航空发动机稳定性控制

在多变量发动机寻优控制中,用支持向量回归算法(SVR)对粒子群优化算法(PSO)进行改进可以有效避免局部最优解的出现.将改进算法应用于航空发动机实时稳定性控制,根据发动机仿真计算程序计算出发动机在各工作点处的稳定裕度,根据控制参数的变化域进行全局寻优,寻找满足压缩系统稳定裕度最小的工作点.仿真和分析表明:该算法实时性高,收敛速度快,具有较强的全局寻优能力,能在保证发动机稳定裕度最小的同时有效降低涡轮前温度和耗油率.      

双目标约束下的航空发动机分布式控制系统最优保成本容错控制

针对带参数摄动、Markov时延、数据丢包和外部干扰的航空发动机分布式控制系统,研究了当执行机构发生部分失效故障时的被动容错控制问题,在H∞性能指标和成本性能指标双重约束下设计了最优保成本容错控制器.首先对系统模型中的各不确定参数进行量化描述,并在此基础上建立整个闭环系统的增广模型;其次证明了双目标约束下闭环系统渐进稳定的充分条件,并给出保成本容错控制器的设计方法;基于双目标相容性理论,得到最优保成本容错控制律的求解方法.仿真结果表明最优保成本容错控制器能够在执行机构发生区间内的任一随机故障时保证闭环系统渐进稳定,并具备一定的H∞性能.且当发动机低压转子转速发生1%阶跃变化时,最优保成本容错控制器的主燃油流量和尾喷管临界截面积峰值仅为最优鲁棒H∞容错控制器的16.03%和16.93%.     

自适应PSO网络整定的航空发动机全程滑模控制

针对现代航空发动机是一个具有不确定性的强非线性系统,提出了一种基于自适应PSO网络整定的航空发动机全程滑模控制方法。设计了一类全程滑模面非线性函数,函数中含有变参数指数函数,其参数由一种新的自适应粒子群学习算法(PSO)结合RBF神经网络来整定。全程滑模控制保证了控制系统的全程鲁棒性,同时,由稳态误差收敛速度和滑模抖振幅度建立参数优化指标,用自适应PSO神经网络快速搜索当前的全局最优点。仿真结果表明,所设计的控制器取得了良好的效果,削弱了抖振。     

基于云自适应粒子群算法的高压转子复杂接触有限元模型参数修正

为建立更加准确的航空发动机高压转子的有限元模型,提出一种修正有限元模型描述航空发动机复杂接触的方法.将修正问题转化为求解定义在时域的误差函数的极小值,运用云自适应方法动态调整粒子群算法的惯性权重,使得算法在接近较优解时,惯性因子分布在云低端,有利于收敛得到更优解;当问题解较差时,其惯性因子分布在云顶端,有利于跳出局部极小点,扩大搜索范围.以仿真算例和实际航空发动机高压转子模型为例,通过与相关算法的修正结果比较,证明该算法是可行且有效的.      

基于Volterra-Laguerre扩展模型的发动机加速过程辨识

提出了航空发动机的动态非线性Voherra-Laguerre扩展模型的辨识建模方法.应用Laguerre序列简化线性系统的原理,将Volterra级数模型拓展为Volterra-Laguerre扩展模型,该模型较传统Volterra级数模型减少了辨识量,提高了辨识速度.采用航空发动机地面试车数据辨识建立了其加速过程非线性Volt-erra-Laguerre扩展模型,通过递推最小二乘法辨识了模型参数.仿真结果表明,模型精度高,高低压转子相对转速误差均小于1%,涡轮后燃气温度误差小于3℃,满足发动机控制仿真的需要.