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。

基于改进混合卡尔曼滤波器的航空发动机机载自适应模型

提出了基于改进混合卡尔曼滤波器的航空发动机机载自适应模型方法,即以机载非线性模型的输出作为分段线性卡尔曼滤波器的稳态基准值,将性能蜕化因子作为该滤波器的增广状态量进行在线估计,并反馈给机载非线性模型使其完成在线更新.同时,根据工作模式切换机制使该模型获得有效输出.通过将该方法应用于某型涡扇发动机进行一系列仿真表明,在全飞行包线内、不同工作状态以及性能蜕化严重的情况下,该模型能够始终与实际发动机相匹配,满足实际应用需求.

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.

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。

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。

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。

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。

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。

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。

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。

航空发动机模型参考自适应控制(MRAC)初探

航空发动机是一个非常复杂的多变量控制对象,参数变化范围非常大,因此选择合适的控制方法保证高性能的控制品质最优至关重要。目前的控制理论研究中,自适应技术的发展为发动机控制系统的设计提供了新的思路。采用基于李亚普诺夫稳定性理论设计模型参考自适应控制(Model Reference Adaptive Control),参照F100发动机设计数据设计参考模型,并根据发动机转速变化情况进行了数字仿真。

航空发动机电液伺服系统机载模型监控设计

为了监控航空发动机电液伺服系统中不易通过机内测试电路诊断的异常或故障,提出一种机载模型监控方法,采用AMESim工具进行系统的建模,之后对模型进行校准、实时化和线性化处理。在对监控算法进行了设计与仿真之后,用C代码编程实现了模型监控算法,并运行于发动机电子控制器中。对某发动机燃油计量装置的试验表明:机载模型监控可以有效监测系统中因元部件性能衰减、卡滞、零偏漂移等引起的异常或故障,并能补偿电液伺服阀的零偏漂移和容错运行,避免控制功能失效或过快降级。可为航空发动机及相关领域的电液伺服系统机载模型监控设计提供参考。

航空发动机机载模型迭代计算优化方法研究

航空发动机是一个复杂、时变的多变量热力物理系统,其部件级模型的收敛精度与收敛速度对基于模型的发动机健康管理和容错控制等领域研究具有重要意义。现有的发动机部件级模型一般基于传统拟牛顿法进行各平衡方程的联立求解,较于传统牛顿-拉夫逊法(N-R法)收敛速度得到优化,但难以满足全包线范围内动态模型机载化应用的精度兼实时性要求。提出了一种自适应变步长因子拟牛顿法,可在保证模型计算精度的同时,最大程度地减少模型迭代次数,从而大幅提升模型计算速度,为模型的机载化应用创造条件。基于现役发动机计算平台MPC5554微控制器的仿真实验结果表明:相比于传统算法,所提算法具有更好的收敛性与实时性。

基于自适应Kalman滤波算法的航空发动机可测参数及其偏离量估计

针对采用估计可测参数偏离量建立航空发动机机载自适应模型的方案中,可测参数偏离量估计的问题,引入了CA(Constant Acceleration)模型,建立了简化的可测参数状态方程和测量方程,采用自适应Kalman滤波算法直接估计可测参数,由估计出的可测参数与发动机非线性模型计算的额定值之差,获得可测参数偏离量。为解决因简化的状态模型系统误差较大,采用标准Kalman滤波会出现估计严重偏离真值的问题,分析了标准Kalman滤波准则和状态模型误差对滤波结果的影响,采用动态调整状态预报在滤波估计结果中权重的策略,给出了单因子自适应Kalman滤波算法准则及递推公式,使滤波估计准确。对不同的可测参数分别采取序列滤波的方法,减少了运算量。以仿真产生的发动机测量数据为例,对系统模型和所设计的算法进行验证,计算结果表明,所设计的滤波算法具有很快的收敛速度和计算速度,结果优于标准Kalman滤波算法,具有更好的估计精度和一定的工程应用价值。

航空发动机自适应建模技术研究

本文介绍了航空发动机自适应建模方法，并根据某型发动机高空试验实测数据对该型发动机数学模型及其部件特性进行了自适应修正，修正后的发动机模型计算结果与实测结果十分吻合。

航空发动机无模型自适应生物智能控制方法研究

针对航空发动机动态过程特性复杂、现有控制策略保守性较强的问题,在无模型自适应控制研究的基础上,结合生物内分泌智能控制原理,提出了一种新型无模型自适应生物智能控制(model free adaptive intelligent control,MFAIC)方法;首先根据航空发动机强非线性的特点,根据被控对象I/O数据建立了无模型自适应控制(model free adaptive control,MFAC)系统;然后创新地应用生物内分泌调节原理构建自适应控制模块(biological endocrine intelligent control,BEIC),目的是依据跟踪误差快速、准确地调整控制参数,从而自动优化控制效果;控制器设计完成后对MFAIC与PID这两种控制方法在动态过程中的控制效果及抗扰动能力进行对比分析;仿真结果表明,该无模型自适应生物智能控制方法具有全包线稳定和动态响应性能好、鲁棒性强的优点;且提出的生物内分泌调节新颖算法计算量合理,自适应调节能力强,具有较高的工程实践意义。

模糊自适应整定PID在航空发动机中的应用研究

模糊控制对于解决模型不确定性问题具有较好的优势。对于航空发动机这样复杂的系统,其数学模型具有较大的不确定性,经典的PID算法难以对其实现良好控制。因此,运用模糊控制理论就具有较好的实践意义。该文将模糊控制与自适应控制理论相结合,运用模糊推理方法,实现了对PID参数的在线最佳调整。最后,通过数字仿真,对比了经典PID控制和运用模糊自适应控制的PID,证明了其在航空发动机控制中应用的可能性。

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T-S逆模型的航空发动机解耦控制

为了解决发动机控制系统中存在的耦合现象,以自适应逆控制原理为基础,提出了一种基于T-S逆模型的解耦控制器;该方法利用模糊T-S模型来辨识发动机的逆模型,从而得到实现解耦效果的伪线性化模型,再运用神经网络PID控制器的在线整定功能提高系统的动态性能和鲁棒性,使系统综合性能最优;仿真结果表明,该控制器具有理想的解耦效果,在发动机工作包线范围内具有良好的自适应能力。