一种考虑非线性余项的机载发动机自适应模型建立及其在寻优控制中的应用

为了解决传统的机载发动机分段稳态线化模型精度不足的问题,在发动机稳态线化模型中引入了模型各输出参数泰勒展开中的非线性余项,建立了考虑非线性余项的机载发动机稳态模型。为了估计真实发动机部件蜕化情况,建立了基于Kalman滤波的发动机部件性能蜕化估计模块。以考虑非线性余项的发动机稳态模型为核心,结合性能蜕化估计模块构建了机载发动机自适应模型。针对所建立的机载发动机自适应模型,进行了单部件及多部件蜕化参数估计以及最小油耗性能寻优控制模式的仿真。仿真结果表明,考虑非线性余项的机载发动机自适应模型误差在1%以内,且具有优化耗时少,建立模型样本数据需求量小的特点。

航空发动机故障诊断的机载自适应模型

提出了复合拟合法建立状态变量模型,该方法应用于建立高维状态变量模型时,具有较高的精度.将健康参数作为增广的状态变量,设计了卡尔曼滤波器,从而可以根据可测参数的偏离量估计得到健康参数.为了减少自适应模型与真实发动机之间的建模误差,在自适应模型中加入神经网络对稳态基点模型进行修正,从而提高了故障诊断系统的置信度.

涡扇发动机机载自适应模型及性能蜕化估计

为了构建航空发动机实时自适应模型以完成航空发动机在线故障检测任务,保证飞行安全,提出一种改进的卡尔曼滤波方法,从工程应用的角度,利用发动机可测输出偏离量估计得到发动机性能蜕化值,并将其用于修正发动机不可测输出参数,从而建立某型民用航空发动机有效的机载实时自适应模型。仿真结果显示模型能够快速准确的完成性能蜕化的估计,能够用于航空发动机在线健康诊断。

基于稀疏自动编码器的发动机机载模型建模方法研究

为解决分段线性化机载模型精度不足的问题,提出并设计了基于稀疏自动编码器的大包线、具有10输入11输出的发动机机载自适应模型,该模型由稳态、动态两部分组合而成。首先基于一种新的相似准则进行建模所需样本数据的压缩,在保留主要信息的同时,大大降低了数据量及采样时间。用BP算法对简化后的样本数据进行了机载模型稳态部分的建模。针对机载模型动态部分所需样本数据量巨大、BP算法难以训练的问题,建立了基于稀疏自动编码器的动态机载模型。引入准稳态判断逻辑,在动态过程使用稀疏自动编码器的动态机载模型,在稳态过程使用基于BP算法的稳态机载模型。仿真结果表明,所建立的发动机机载模型具有优良的动稳态精度,且实时性好、存储量小,其中动态精度小于1%,稳态精度小于0.6%,一次模型计算时间不大于1ms,模型存储量不大于100kB。

基于机载自适应模型的航空发动机控制

航空发动机的性能蜕化会导致其性能变差,传统的控制方法使其不能满足飞机的推力需求。机载的发动机自适应模型利用卡尔曼滤波器,能准确估计发动机的性能蜕化,对机载模型进行修正使其输出与真实发动机保持一致。建立了发动机机载自适应模型,并将其加入控制回路,形成推力闭环控制,消除发动机性能蜕化对飞机性能的影响。仿真结果表明,机载模型能准确估计发动机额定特性情况以及性能蜕化情况下的推力,对发动机推力的直接控制克服了性能蜕化带来的影响。

航空发动机增强型机载自适应模型气路故障诊断方法

针对航空发动机在工程应用中气路健康状态的评估问题,提出一种基于增强型机载自适应模型的气路故障诊断方法。该方法在机载模型中加入神经网络补偿算法,在线修正机载模型的输出误差,提高了卡尔曼滤波器估计精度,以此为基础建立了发动机增强型自适应模型和性能基线模型。增强型自适应模型可实时评估健康参数状态,并指导性能基线模型跟踪发动机正常性能降级趋势,确保剪裁精准的故障信息用于检测和诊断。基于发动机性能仿真模型模拟故障特征数据库,采用RBF神经网络训练样本,完成了故障模式判定和故障隔离。通过构建某型涡轴发动机气路故障诊断平台进行仿真验证,结果表明:该方法能够有效监视发动机在全包线、全寿命周期的气路健康状况,在实际工作流程中具备可行性。

传感器故障下的航空发动机机载自适应模型重构

利用航空发动机测量参数偏离正常工作情况下的变化量,可以估计发动机的非额定工作状况,并以此对机载模型进行校正,使其与真实发动机工作状况保持一致。建立了包含发动机性能蜕化因素的状态变量模型并对其进行了增广,设计了卡尔曼滤波器,根据可测输出偏离量对发动机性能蜕化值进行了估计,并将性能蜕化值用于修正发动机不可测输出参数。考虑了当某一传感器发生故障后,利用一簇卡尔曼滤波器对发生故障的传感器进行诊断并隔离,并依据剩余非故障传感器的信息对自适应模型进行重构。仿真结果表明,重构的自适应模型能够满足精度及实时性要求。

涡轮发动机部件特性自适应模型的确定方法

针对现有航空涡轮发动机部件特性自适应模型中存在的不足,提出了合理的解决方法:根据测量参数合理选择部件特性修正因子;使用部件特性删除法求解部件特性修正因子;部件特性修正因子的数值拟合方法。采取这些改进措施后,使得现有航空涡轮发动机部件特性自适应模型得到改善。计算结果与两种型号的涡喷发动机的试验数据对比表明本文的改进方法合理。

一种新的航空发动机自适应模型设计与仿真

提出了一种基于机载非线性发动机模型,且具有输入端积分补偿的卡尔曼滤波器估计器的发动机自适应模型设计方法。其主旨是经过相似变换,在非线性相对弱化的另一坐标区域内设计常规卡尔曼滤波估计器,利用所得卡尔曼估计器对各估计回路的初步解耦,进一步在各观测回路中引入输入误差积分激励,对滤波器的输入进行实时积分修正,充分实现各估计参数回路的静态解耦。同时,将该卡尔曼滤波器与机载非线性实时模型综合,从而使发动机自适应模型具有大范围无静差参数跟踪能力。最后,对所提出建立的自适应模型的参数估计能力和鲁棒性进行了数字仿真验证。

新的参考模型自适应控制方法在航空发动机中的应用

本文针对航空发动机模型的结构和参数不能明确已知,提出一种阶次低、鲁棒性较好的参考模型自适应控制法,即只需知道系统的相对阶次,且控制器结构简单,易于实现,适应性强。从仿真结果可见控制器能使系统比较好地跟踪参考模型的输出,对发动机模型参数和结构的变化有一定的适应能力。

涡扇发动机机载自适应建模技术研究

本文研究用涡扇发动机可测输出参数偏离变化来表征发动机的非额定工作特性，将它们做为增广的状态量，设计卡尔曼滤波器进行最优估计，将这些估计值用于修正对发动机不可测参数和性能量的计算，以形成机载自适应模型。仿真研究表明，采用该方法建立的机载模型对性能蜕化所致的发动机非额定工作具有很好的适应能力。

燃料电池发动机自适应控制模型集的确定

多模型自适应控制是解决燃料电池发动机电压-电流间的非线性特性导致控制器设计困难的较好方案。本文中提出了一种包含多个线性局域模型的多模型集,其参数通过最小二乘法辨识得到。最后通过仿真数据与实验数据的比较确定模型集包含6个2阶局域模型。验证结果表明模型集有较高的准确性。

航空发动机模型参考自适应控制综述

综述了模型参考自适应控制不同发展时期的各种控制方法以及实际应用成果。重点总结了以航空发动机为被控对象目前在模型参考自适应控制方面所进行的研究和已取得的成果。最后展望了各种控制方法在航空发动机控制中的进一步发展和应用。

航空发动机模型参考自适应控制

针对航空发动机数学模型的复杂、多变,建立了以Elman反馈神经网络为基础的模型参考自适应控制系统。为提高控制系统的响应性能,神经网络控制器和辨识器同时采用动态Elman网络,利用动态反向传播(DBP)算法实现参数的在线调整和辨识,并利用李雅普诺夫函数对算法的收敛性进行了证明。采用某涡喷发动机的地面模型和高空模型作为控制对象进行了大量的仿真研究;结果表明:此控制系统具有自适应能力强、响应速度快、稳态误差小等优点;理论分析与仿真结果一致,证明算法和结果是正确有效的,对复杂动态系统控制具有参考价值。

1种发动机自适应模型的修正方法

为解决由于工艺落后和性能衰退所导致的发动机模型与实际发动机失配的问题,从而达到视情维修的目的,建立了1种基于遗传算法的自适应模型修正方法。利用遗传算法高效率的全局搜索能力,以发动机性能参数为目标,优化部件参数,实现了模型的修正,并通过分析发动机性能参数对部件参数的敏感性,研究了选取不同组合的待修正部件参数对模型修正精度的影响。结果表明:采用该修正方法所建立的发动机模型准确性高、鲁棒性强,且具有良好的通用性,为发动机的健康管理和故障诊断提供了重要依据,具有很好的军事和工程应用价值。

基于RBF模型和AMGA算法的低红外涡扇发动机优化设计

引气冷却等红外抑制措施对发动机总体性能影响较大,而目前在发动机总体设计阶段并没有兼顾红外隐身措施的影响。为了发展低红外涡扇发动机的总体设计方法,建立了带中心锥气膜冷却的小涵道比涡扇发动机径向基函数(RBF)模型,并采用自适应变异遗传(AMGA)算法进行了优化设计。根据设计经验,确定低红外涡扇发动机的优化设计方案。在低红外涡扇发动机部件级模型中获得建立代理模型的数据,采用高斯函数作为RBF算法建立代理模型。结果表明:对比传统Kriging算法建立的模型,RBF模型的精度更高;在RBF模型的基础上,采用AMGA算法进行优化设计,与基准发动机相比,最优解对应的发动机单位推力减小1.03%、单位耗油率降低0.86%、正尾向红外辐射降低47.75%,达到较好红外抑制的效果。

旋翼/涡轴发动机的自适应模型

基于卡尔曼滤波器研究旋翼/涡轴发动机的机载自适应模型.采用拟合法建立了状态变量模型,并将发动机性能蜕化参数作为增广的状态变量,设计了卡尔曼滤波器,从而可以根据可测参数的偏离量估计出发动机部件性能蜕化值,最后将部件性能蜕化值用于对机载模型中不可测性能参数的修正,从而使机载模型能适应发动机的非额定工作状况.通过数字仿真表明,建立的机载自适应模型能真实反映发动机的工作状况,并且在全包线范围内该模型都具有比较好的鲁棒性和实时性.

变循环发动机模型参考自适应滑模控制方法研究

针对变循环航空发动机存在系统不确定性及外部干扰条件下的多变量输出量跟踪控制器设计问题,给出了一种基于LQR方法的增广模型参考自适应滑模控制方法。首先,将模型进行增广,并通过采用最优LQR方法设计参考模型,向控制器提供参考状态。然后,在状态跟踪滑模控制方法的基础上基于李亚普诺夫函数严格稳定条件推导了系统摄动矩阵上界估计和外部干扰上界估计的自适应律。最后,控制器在不确定性和外部干扰条件下,实现系统跟踪误差渐近为零的目标。以一种带CDFS的双外涵变循环发动机为对象进行控制器仿真验证,结果表明:基于LQR方法的增广模型参考自适应滑模控制方法可解决传统滑模控制方法中需要预先指定参考状态的问题,同时改善了变循环发动机系统不确定性和外部干扰条件下的控制效果,有效实现了对控制指令的跟踪,达到了以下控制效果:不同工况下的稳态控制误差均小于0.1%,系统超调量小于0.5%,调节时间小于1 s,均符合发动机控制系统技术要求。

基于自适应差分进化算法的变循环发动机模型求解方法研究

为了降低传统迭代算法在求解变循环发动机非线性模型时对初值的依赖性,将模型的求解问题转换为求最小值的优化问题,引入差分进化算法进行模型的求解,并提出一种自适应差分进化算法。自适应差分进化算法借助轮盘赌选择法,利用种群的进化经验可以自适应地选择最适合当前种群的差分策略与算法控制参数。针对变循环发动机四个典型工作点的模型求解问题,研究了标准差分进化算法的控制参数对其性能的影响,获取了标准差分进化算法在求解四个典型工作点时的最优控制参数组合,对比分析了自适应差分进化算法与标准差分进化算法的性能差异,最后研究了种群规模对自适应差分进化算法性能的影响。结果表明:标准差分进化算法在求解发动机模型时具有较好的鲁棒性,在求解不同工作点时算法的最优控制参数并不完全相同;相比于使用最优控制参数的标准差分进化算法,自适应差分进化算法可以在不影响算法鲁棒性的情况下提升效率50%以上;减少自适应差分进化算法的种群规模会在提升算法效率的同时破坏鲁棒性。

基于参数摄动模型的航空发动机鲁棒弹性自适应控制

航空发动机特性随飞行条件和工作状态变化,在复杂工作环境中同时存在模型不确定性和控制器自身参数变化问题,很大程度上影响整个飞行包线的控制性能。为此,文章提出一种基于参数摄动模型的航空发动机鲁棒弹性自适应控制方法。其首先建立了航空发动机参数摄动结构化模型;然后针对被控对象模型的不确定性和控制器增益的摄动,利用李雅普诺夫稳定性(Lyapunov stability)理论和线性矩阵不等式约束,设计了增益摄动有界但上界未知时的鲁棒弹性自适应控制律,将控制器的设计问题转化为线性矩阵不等式的可行解问题,使控制器的设计仅依赖线性矩阵不等式解矩阵的存在性,并证明了算法的稳定性。在此基础上,文章对飞行包线内发动机不同工作状态进行控制仿真验证。结果显示,调节时间小于1.8 s,超调量小于5%,这表明所设计控制器具有良好的稳定性和控制性能。