基于一种改进的云神经网络涡扇发动机故障诊断

在基于数据驱动的涡扇发动机地面定检系统中,为了提高航空发动机的故障诊断性能,提出一种改进的基于云神经网络的航空发动机故障诊断方法;首先,把云模型和BP神经网络相结合,得到进行故障诊断与检测的模型结构,然后用余弦式改进自适应遗传算法并对网络模型进行优化,得到改进后的云神经网络模型;通过对实际数据的实例仿真表明,该方法对于航空发动机地面稳态的故障诊断是可行的,并且提高了故障诊断系统的诊断精度。

基于单神经元和前馈补偿的电动加载复合控制

针对飞机舵机电动加载系统的力矩跟踪和干扰抑制的优化问题,提出一种基于单神经元和扰动前馈抑制的电动加载复合控制方法。首先利用改进的粒子群算法调整单神经元PID控制器的参数和系数K,然后对舵机角位移进行前馈补偿来抑制多余力矩,以减小舵机位置干扰对系统的影响;最后对电动加载复合控制系统进行仿真。仿真结果表明,系统的抗干扰能力及加载精度得到进一步提高,证明了该复合控制方法在理论上的可行性。

基于干扰观测和前馈补偿的电动加载复合控制

对于含有舵机位置扰动、模型参数摄动和传感器噪声等多余力的电动加载系统,仅采用传统的速度前馈补偿很难对系统多余力矩进行完全抑制。在传统速度前馈补偿的基础上针对系统扰动问题引入了扰动观测器,并利用改进的干扰观测器对高频噪声进行抑制。再通过微分负反馈阻尼补偿增强控制回路稳定性,利用重复PID控制器进行负反馈控制来改善系统的动态性能。仿真结果表明,该复合控制策略能够在很大程度上提高系统对多余力矩的抑制能力,并改善系统的加载精度。