航空发动机多变量模糊PID控制

普通PID控制器以其简单、实用、易于实现,在经典控制中倍受青睐。但是,对于像航空发动机这样复杂的非线性系统,这种控制器的控制效果就不够理想了。模糊控制理论的建立为这种问题的解决奠定了基础。本文针对航空发动机难于建立精确数学模型的特点,提出了发动机模糊PID参数自适应控制方案,并且对某型航空发动机进行了全包线内的数字仿真。仿真结果表明发动机模糊PID控制不仅不依赖于精确的对象模型,而且具有满意的动、静态性能。      

智能航迹推算系统的研究

提出了一种新模糊滤波法用于补偿磁罗盘测量值中的低频干扰。在此基础上 ,进一步提出了一种新的滤波方法 :模糊 -补偿滤波法 ,以消除磁罗盘测量值中各种干扰的影响。仿真表明 :在较长的时间内 ,采用模糊 -补偿滤波法的航迹推算系统的航向估值误差和位置误差均较小。     

超机动飞行非线性动态逆 - 模糊自适应控制

对带推力矢量飞机的飞控设计问题进行了研究。根据奇异摄动理论将受控状态变量分为快变量和慢变量，然后根据非线性动态逆理论分别对内环和外环进行设计。针对非线笥动态逆要求准确的数学模型的特点，引入模糊自适应控制以考虑模型的不确定性,最后对所设计的飞控规律进行过失速机动仿真。结果表明，在存在较大模型误差的情况下，所设计的飞控规律安全能在过失速机动条件下控制飞机跟踪指令飞行。     

自组织模糊解耦控制在飞机着陆中的应用

为了更好地控制飞机的着陆飞行，采用模糊推理的方法，实现飞行高度和飞行速度的解耦控制。所设计的自组织模糊控制器，其模糊控制规则用解析形式进行描述，并通过修正因子的在线调整而改变，适应了系统响应的过程。同时，通过削弱量化误差以及在点附近引入PI补偿控制器，提高了系统的动态、静态性能指标。     

基于小波神经网络辨识的PID神经MRAC研究

提出了一种基于小波神经网络辨识的PID神经网络模型参考自适应控制方法。该方法采用小波神经网络作为辨识器,PID神经网络作为控制器在线调节。由于小波变换具有良好的时频局部特性,神经网络具有强大的非线性映射能力,自学习、自适应等优势,采用规范正交的小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数的紧支性、波动性以及神经网络的非线性映射能力,自学习、自适应能力等优点,仿真结果表明用该方法构成的控制系统收敛速度快,逼近精度高,鲁棒性好,优于一般的BP网络控制。     

双分层损伤层合板屈曲的有限元分析

采用参考面单元技术,建立双分层损伤层合板的有限元模型,研究了不同边界条件下,分层尺寸和位置对层合板压屈载荷的影响。大量计算表明,双分层损伤层合板的压屈载荷完全由其最弱的子层确定。在一定的分层位置范围内,双分层和相应单分层的压屈载荷有极好的一致性。给出的压屈载荷的等值线图可以清晰地描述压屈载荷随分层位置的变化规律。     

基于模糊评判方法的涡轮叶片蠕变疲劳寿命预测

根据蠕变产生的机理 ,将工程模糊综合评判方法应用于发动机涡轮叶片蠕变寿命预测 ,并通过实例验证了该方法的可行性和有效性     

非线性系统的建模技术及其在智能化数控加工中的应用

基于人工神经网络与模糊控制理论 ,对非线性系统提出了一种自组织模糊神经网络模型 ,并推导出一类新型学习算法。针对智能化数控加工中测力平台并不实用的问题 ,应用该模型和交流伺服电机电流进行切削力的间接测量。加工现场表明本文所建模型是有效的     

模糊自组织神经网络在航空发动机故障诊断中的应用

介绍了模糊自组织神经网络在航空发动机故障诊断中的应用方法,并通过实例验证了该方法在发动机故障分类中的实用性。该方法具有结构算法简单、无监督自学习和侧向联想等功能。它有很好的应用前景,可以广泛应用于发动机的故障诊断。      

模糊控制理论在航空涡轮喷气发动机控制系统中的应用

对模糊控制进行了介绍。采用相平面法设计了模糊控制器,将其编成微机程序,使其完成模糊控制功能。对微机完成的其他操作,亦进行了介绍,给出了微机的主流程图。进行了多次发动机台架试车,当对发动机控制系统加入小偏离的控制和干扰信号,以及大偏离信号时,发动机的稳态和加速过程都获得了良好的控制品质。表明模糊控制具有满意的控制性能。