航空发动机神经网络内模控制

基于神经网络内模控制理论研究了神经网络内模控制方法在航空发动机控制系统中的应用,建立了基于Elman网络的航空发动机多变量内模控制系统。采用Elman网络建立发动机内模型和内模控制器,详细介绍了建模、控制的算法及其实现过程。取部分飞行条件下的数据作为学习样本,采用动态BP算法对神经网络权值进行调整,并在飞行包线内其它工作点对整个控制系统进行了仿真。结果表明,使用神经网络建立的航空发动机内模控制系统具有良好的控制品质和较强的自适应能力。      

基于智能特征提取的模糊建模及鲁棒控制

针对航空发动机全包线线性模型难以在线建立问题,提出一种基于智能特征提取的模糊建模方法。设计航空发动机特性表征参数,采用近邻传播算法提取航空发动机特性,将特性提取区域中心稳态工作点作为Takagi-Sugeno （T-S）模糊模型标称点建立全包线T-S模糊状态空间模型。基于该T-S模糊模型结合H_∞控制理论,设计参考模型H_∞控制器并开展仿真验证,仿真结果表明：T-S模糊状态空间模型稳态误差处于10^-3量级,满足模型精度要求且H_∞控制器响应时间小于1s,无稳态误差,具有较好的控制效果。     

基于QPSO粒子滤波的航空发动机突变故障诊断

针对标准粒子滤波算法对突变故障诊断迟缓的问题,提出了量子行为粒子群优化(Quantum-behaved particle swarm optimization,QPSO)的粒子滤波算法。该算法引入权值偏差系数的概念,当权值偏差系数超出设置的阈值时,认为系统发生故障,并结合最新的观测值,将量子行为粒子群优化算法融入到粒子的采样过程中,驱使粒子向高似然区域移动,提高粒子群对突变故障的估计性能。仿真结果表明,与标准粒子滤波算法相比,量子行为粒子群优化的粒子滤波算法显著提高了对突变故障的反应速度。     

改进参考模型的涡扇发动机多变量模型参考自适应控制

针对涡扇发动机难以获得精确数学模型和普通模型参考自适应控制不保证动态性能的问题,提出了一种具有改进参考模型的涡扇发动机多变量模型参考自适应控制方法。采用状态反馈形式设计了状态跟踪的多变量自适应控制器,其中对参考模型作了引入跟踪误差反馈的改进,使得高自适应增益下跟踪曲线的超调得到明显的抑制,动态响应得到改善。应用该方法对涡扇发动机非线性部件级模型进行仿真分析,结果表明,控制系统调节时间小于2s,无稳态误差,具有良好的控制品质。     

基于双重卡尔曼滤波器的发动机故障诊断

提出了一种基于双重卡尔曼滤波器的航空发动机健康参数估计方法,实现了传感器发生故障情况下发动机故障的准确诊断.采用发动机动态工作点的测量数据,解决了可测量参数偏少导致故障诊断困难的问题;球面采样平方根UKF(UnscentedKalmanfilter)故障诊断滤波器具有更好的滤波稳定性与更低的计算量的要求,提高了故障诊断算法的效率与精度.某型双轴涡扇发动机故障诊断仿真结果表明,该方法可以准确的同步实现气路部件与传感器的故障诊断,是一种有效的航空发动机故障诊断方法.      

基于观测器的分段仿射离散系统H∞控制

针对分段仿射离散系统,提出一种基于观测器的H∞控制器设计方法。采用分段二次Lyapunov函数构造耗散不等式,以保证闭环系统的稳定性和H∞性能。通过椭球体近似逼近凸多面体形式的作用域,并借用奇异值分解技术处理矩阵等式约束,从而把H∞性能指标最小化问题转化为线性矩阵不等式(Linear matrix inequality,LMI)描述的凸优化问题,并运用LMI工具箱求解。最后通过仿真实例说明所提方法的可行性。     

涡扇发动机高空起动模型研究

基于慢车以上的部件级模型, 通过外推部件特性, 建立了双转子涡扇发动机部件级高空起动模型, 可执行高空风车起动或起动机起动仿真.模型考虑了起动过程中油气比对燃烧效率的影响, 燃烧室、高低压涡轮的热惯性及起动过程中总压恢复系数的变化, 采用容积动力学方法避免了迭代运算, 仿真结果表明该模型具有实时性, 仿真转速误差小于5%, 能够满足发动机高空起动性能仿真的需求.      

面向对象的航空发动机控制系统仿真

在面向对象的发动机性能仿真平台基础上,建立了1个通用的航空发动机控制系统仿真平台;利用此仿真平台,构建了某涡扇发动机的高压转速阶跃控制系统,整定了全包线内PID控制器参数,并模拟发动机超温、超压、超转状态进行了仿真。仿真结果表明:高压转子阶跃响应能在保证不超温、不超压、不超转的前提下,达到了调节时间小于1 s,超调量小于5%的性能指标。     

面向对象的涡扇发动机及控制系统仿真平台

研究了面向对象的航空发动机数值仿真平台实现机理, 构建了涡扇发动机及其控制系统模型库, 采用面向对象方法完成了模型库及辅助类库的代码实现;研究了交互式仿真界面及模块化构建仿真系统的关键技术, 在此基础上结合模型库、辅助类库构建了涡扇发动机及其控制系统通用仿真平台, 仿真结果表明, 该平台可计算发动机从零加速到最大状态的全程实时动态仿真, 动态误差小于8%, 控制系统响应快, 超调小, 能够满足发动机控制仿真的需求.