基于遗传算法的某型涡扇发动机数字PID控制器设计

在基于DSP平台的某型航空涡扇发动机综合电子调节器的数字化研究中,提出了一种改进遗传算法,并将其应用于数字PID控制器的参数整定过程中.仿真结果表明,该改进遗传算法相比于基本遗传算法及常规PID参数整定方法,控制器动态性能更为优越,可调整性更强.     

改进BA优化的MKSVDD航空发动机工作状态识别

为了提高航空发动机工作状态识别准确率和效率,避免人工识别中存在的误判和耗时耗力问题,提出了基于混沌脉冲蝙蝠算法（CRBA）优化的多核支持向量数据描述（CRBA-MKSVDD）智能识别方法。研究了多核支持向量数据描述（MKSVDD）改进策略,引入混沌脉冲发射率提高了蝙蝠算法（BA）的收敛速度和收敛精度,得到了CRBA;通过CRBA优化MKSVDD的惩罚因子和核参数,同时对飞参数据进行了特征提取;基于特征飞参数据训练了CRBA-MKSVDD分类器,并对某型发动机一个飞行架次的工作状态进行了识别。结果表明,该方法识别准确率达到97.547 9%,可用于与发动机工作状态的相关研究和应用。      

基于遗传算法的发动机控制通道数学模型辨识

由于控制器结构的变化,某型发动机电子调节器主要控制通道的动态响应过程为分段线性数学模型。为了获得精确的数学模型,对基本遗传算法进行了改进,提出了一种基于改进遗传算法的辨识算法,能有效辨识出系统的结构跳变时刻及其分段数学模型参数,仿真结果表明,该算法辨识的模型与实际系统接近,较之其它辨识算法具有计算稳定、辨识精度高和适应性强等优点。     

不确定航空发动机分布式控制系统自适应滑模控制

针对存在参数摄动、外部干扰的航空发动机不确定性分布式控制系统,在系统具有时变输入时延和干扰上界未知的情况下,设计了具有鲁棒性能的自适应滑模控制器。基于预测控制和矩阵奇异值理论,对初始的发动机离散分布式模型进行等效线性变换,得到不显含时延项的规范形系统模型,便于进行滑模面参数的求解;在给定的H∞指标下,推导了滑模运动在非匹配不确定性作用下渐进稳定的充分条件,给出了线性矩阵不等式(LMI)形式的滑模面参数设计方法;最后,设计对干扰具有估计功能的自适应率,在此基础上提出自适应滑模控制器。仿真结果表明:所设计的控制器能够有效降低外部干扰对系统动态性能的影响,在所考虑的不确定性因素作用下,系统的滑模运动具有理想的H∞性能。当外部干扰强度变化时,控制器的鲁棒性较好,状态收敛时间小于0.8s,且不存在抖振。      

基于T-S模糊模型的航空发动机非线性分布式控制系统故障诊断

针对航空发动机非线性分布式控制系统的故障诊断问题,首先提出了一种基于飞行包线划分的航空发动机非线性Takagi-Sugeno(T-S)建模方法,建立了具有网络诱导时延的航空发动机非线性分布式控制系统模型,然后将该系统视为离散切换系统,为其建立了具有时延补偿功能的故障观测器,给出了使得观测器误差系统渐近稳定的充分条件.故障检测仿真时间为20s,当第12s时,设定系统发生幅值为0.0025的阶跃型突变故障,仿真结果表明:12s之前,故障观测器保持渐近稳定,当第12s时,残差迅速增大并超过所设定阈值,从而检测到故障的发生.      

航空发动机分布式控制系统不确定性鲁棒H∞容错控制

为减小不确定性对航空发动机分布式控制系统性能的影响,针对具有参数摄动、不确定时延、执行机构动态故障、外部噪声干扰四种不确定性的航空发动机分布式控制系统,提出了一种基于鲁棒H∞理论的容错控制方法.首先对系统不确定性进行数学描述,将不确定时延视为服从齐次Markov链分布的随机变量,将执行机构故障等效为存在均值和方差约束的随机变量,并在此基础上建立整个闭环系统的增广模型;其次证明了该增广模型保持均方渐进稳定且具备H∞性能的充分条件;最后利用线性矩阵不等式(LMI)理论给出闭环系统鲁棒H∞容错控制器的设计方法.仿真结果表明该方法能够保证控制系统均方渐进稳定,并对以上四种不确定因素具有鲁棒性,同时对于飞行包线其他各点具有较好的动态响应.     

航空发动机全包线自适应解耦控制器设计

为实现航空发动机在全包线的解耦控制, 在飞行包线内选择了若干点, 使用遗传算法对单神经元自适应解耦控制器的比例系数进行了离线优化。以优化得到的若干组参数为训练样本, 离线训练径向基函数(RBF)神经网络, 训练后的网络可映射高度、马赫数与比例系数之间的非线性关系, 飞行包线内任意点的解耦控制器比例系数即可由该网络得到。仿真表明:在设计点和非设计点, 系统均具有良好的动态特性和解耦特性。该方法结构简单、易于实现, 具有实用价值。      

基于飞参数据的航空发动机三循环谱编制

根据转速谱压缩原理,可以将航空发动机众多的转速循环类型归类到三个典型循环,即0-最大-0、慢车-最大-慢车和巡航-最大-巡航当中。本文给出了三循环谱编制的原理、程序统计方法与步骤。该方法已在某型发动机载荷谱监控系统中得到成功应用。     

一种基于相邻模块化加权D-S的融合诊断方法

常规D-S (Dempster-Shafter)决策融合方法由于其自身理论不足,不能很好直接处理决策结果偏差大、冲突大的传感器融合问题,因而对于信息高冲突情况下的转子微弱故障融合诊断存在着失效问题。针对该类问题与不足,借鉴复杂网络的舆论传播、社会学习理论及多智能体一致性决策的相关概念与思路,从避免决策结果冲突大的传感器直接进行融合的角度进行改进,提出相邻模块化加权D-S融合方法。该方法首先根据初步结果进行相邻节点与模块划分,只有决策距离在相邻界限值范围内的相邻模块节点才能进行决策融合;对于同一模块内相邻节点,根据各节点决策权重及初步决策结果采用加权D-S融合方法进行决策融合;针对融合结果再进行相邻节点模块划分与融合,依此步骤进行循环划分与融合,直到所有模块与节点均不相邻;最后采用专家权威决策方法确定权重和最大的模块融合结果作为最终的传感器网络一致性决策结果。通过多传感器网络的转子故障模拟实验对所提方法进行验证,应用结果表明:所提方法可以较好解决少数传感器诊断正确、而多数诊断错误的信息高冲突条件下的局部微弱故障融合诊断问题。