涡轴发动机全状态实时气动热力学数值模拟

应用“外推”法得到了某型涡轴发动机起动状态的部件特性,采用容积法建立了表达发动机热力过程特性的非线性方程组,从而,解决了通常的部件法建模所带来的需要迭代的问题,建立了涡轴发动机全状态的气动热力学实时模型,给出了某发动机工作全过程的数值模拟结果。     

航空发动机增益调度控制的多项式平方和规划方法

针对现有的线性变参数(linear parameter varying,LPV)控制器设计方法都是关于仿射参数依赖系统而没有专门针对多项式描述的LPV系统这一现状,提出了一种基于多项式平方和(sum of squares,SOS)规划的增益调度控制设计方法,并将其用于转速大范围变化时的航空发动机高压转子转速及压比控制.根据发动机非线性模型获取不同转速下的状态空间模型,并利用多项式拟合的方法建立发动机线性变参数模型.给出能够保证无静差的增益调度控制结构,利用有界实定理和多项式平方和理论推导出能够保证闭环系统鲁棒稳定的SOS约束条件,并形成控制器求解的SOS规划问题,通过求解获得多项式描述的增益调度控制器.分别以LPV模型和发动机非线性模型为对象做阶跃仿真,结果表明:高压转子转速/发动机压比控制系统的调节时间在2s以内,稳态误差不超过0.1%.      

基于多项式平方和规划的航空发动机鲁棒LPV/PI控制

针对航空发动机常规(proportion integration,PI)控制器设计过程中难以保证鲁棒性及参数适应性差等问题,提出了一种基于线性变参数(linear parameter varying,LPV)模型及多项式平方和(sum of squares,SOS)规划的控制器设计方法.结合传递函数模型下的鲁棒稳定条件及弱对偶定理给出了多项式描述的LPV模型鲁棒稳定条件,并转化为便于求解的SOS规划问题.根据发动机非线性模型获取不同转速下的传递函数模型,并利用多项式拟合的方法建立发动机LPV模型.根据所提出的定理构造出SOS规划问题,并求解得出LPV/PI控制器.最终以某型双轴涡扇发动机为被控对象,在包线内不同点进行了阶跃仿真,结果表明:高压转子转速控制系统的稳态误差为0,调节时间小于3s.      

航空发动机分布式控制通讯网络拓扑结构优化

针对航空发动机分布式控制系统通讯网络拓扑结构的构架问题,建立航空涡扇发动机机匣模型,选取具有代表性的10个传感器作为控制节点开展研究。同时考虑发动机表面存在通讯总线不可通过区域,以及控制节点的工作可靠性因其重要程度存在差异的约束条件,利用遗传算法对航空发动机分布式控制系统通讯网络的拓扑结构进行优化设计。结果表明:优化过程简单,并且优化得到的通讯网络拓扑结构在满足约束条件的基础上线束总长度最短。     

非线性系统的动态神经网络自适应辨识

提出了用双层动态神经网络在线辨识非线性动态系统的方法。神经网络的权重在线学习,不需要离线训练。在无逼近误差和扰动的理想情况下,所提出的在线算法能保证辨识误差趋于零,基函数持续激励条件能保证权重趋于零。在非理想情况下,权重调整律采用ｅ修正权重算法,它是ＢＰ算法的推广,不需要基函数的持续激励条件。基于李雅普诺夫稳定性理论保证了自适应辨识系统的稳定性。仿真算例说明了所提出的动态神经网络自适应辨识的有效性     

基于双层LPV模型的涡扇发动机切换控制

航空发动机飞行包线和参数变化范围大,要想保证整个参数区间存在一个单一的LPV控制器,往往需要牺牲一些区域的性能。针对上述问题,提出一种基于双层LPV模型的切换控制方法。首先通过发动机进口条件将飞行包线划分为几个局部重叠的子区域,分别建立各个子区域的双层LPV模型并求取对应的Lyapunov函数,进而根据所得的Lyapunov函数设计各子区域的控制器,并采用滞后切换策略和共同二次Lyapunov函数相结合的方式实现各子区域间的切换,解决控制器在切换时抖振问题的同时保证切换的稳定性,最后以某型涡扇发动机为对象进行仿真,结果表明所设计的控制器在全包线内有良好的控制效果。     

航空发动机健康估计的神经网络修正卡尔曼滤波算法

针对商用航空发动机与气路相关的传感器分布不均、且个数小于气路健康参数的个数、使用卡尔曼滤波算法估计全部气路健康参数时容易出现误判的特点,提出一种神经网络修正的卡尔曼滤波算法。该算法在每个采样周期内利用BP神经网络来修正个体的偏移方向,按粒子滤波算法计算每个个体的权值用以估计总体的均值和协方差,然后利用卡尔曼滤波算法更新所有个体,并将总体的均值作为当前时刻的估计结果。通过对商用航空发动机部件级模型在多个飞行状态点数字仿真模拟9种气路突变故障,由7个可测输出估计全部10个健康参数,该混合算法的估计误差相比BP神经网络与无迹卡尔曼滤波算法分别平均降低了34.6%与47.9%。     

基于在线滚动序列核极限学习机的涡轴发动机非线性模型预测控制

针对涡轴发动机控制系统设计,提出了1种基于在线滚动序列核极限学习机的非线性模型预测控制方法。综合考虑直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速、涡轮级间温度和压气机喘振裕度等信息,设计具有较好实时性、精度和泛化能力的多输出在线滚动序列核极限学习机作为预测模型,引入预测模型输出与发动机输出的误差进行反馈校正,利用序列二次规化算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合平台的仿真环境中进行了直升机大幅度机动飞行仿真验证,结果表明:该模型预测控制器相比于传统串级控制具有更好的控制品质,可显著降低动力涡轮转速超调/下垂量。     

航空发动机性能恢复控制方法

针对航空发动机部件蜕化导致性能变差问题,设计了航空发动机性能恢复控制系统,系统根据发动机的工作状态以及健康状态在常规转速控制模式、稳态性能恢复控制模式和加速性能恢复控制模式之间切换.稳态性能恢复控制模式在常规转速控制模式的基础上设计了一个外环控制回路,通过自适应修正稳定状态下压气机转速指令达到蜕化发动机性能恢复的目的;加速性能恢复控制模式通过综合常规转速控制方法和喘振裕度控制方法,在保证发动机气动稳定的同时,充分挖掘发动机潜力,从而达到恢复蜕化发动机加速性能的目的.通过不同状态不同部件蜕化下的仿真结果表明恢复蜕化发动机性能的有效性.      

变循环发动机部件级建模技术

以双外涵变循环发动机为研究对象,建立了其整机部件级稳态及动态数学模型,建模过程中考虑了导叶角和导向器面积变化对压气机和涡轮部件特性的影响,考虑了模式选择活门面积变化对副外涵进口空气流量的影响,所建立的模型能够执行变循环发动机2种典型工作模式:稳态及模式切换过渡态仿真.仿真结果表明:随着模式选择活门逐渐关闭,前段风扇喘振裕度显著减小;双涵工作模式下发动机耗油率低,适用于亚声速巡航飞行;单涵工作模式下发动机单位推力高,适用于超声速巡航飞行.