论文部分内容阅读
随着发动机性能需求的进一步提升，发动机控制方式已经从传统控制逐渐向着智能控制的方向发展。本文以某型涡扇发动机为研究对象，开展了基于模型的航空发动机智能学习控制方法研究。
针对进口畸变的问题，讨论了进口畸变对进气道、风扇的影响，引入畸变指数以描述进口畸变的程度，并根据畸变指数对进口总压恢复系数以及风扇部件特性进行修正，建立了进口畸变影响下的发动机部件级模型。并对模型进行了仿真测试。
针对航空发动机的强非线性，设计了GS-NARMA-L2和IL-NARMA-L2两种智能转速控制方法以提高控制品质。前者通过实时调整神经网络拓扑参数在线校正 NARMA-L2 模型。而后者通过将迭代学习控制策略与NARMA-L2控制系统相结合，用于发动机转速控制。此外，在原转速控制回路的基础上加入了压比控制回路以实现多变量控制，并采用基于 NARMA-L2 模型的线性补偿策略，设计了智能多变量分散控制器。仿真结果表明，所设计的NARMA-L2控制方法在包线内具有快速的响应以及较小的超调量。
提出一种基于神经网络和变增量 LP 优化相结合的航空发动机多变量控制方法用于发动机推力衰退缓解控制。该方法通过内环控制转速和发动机压比，外环修正发动机指令信号以缓解发动机推力衰退。其中内环 NARMA-L2 转速控制器由神经网络训练得到；外环指令修正回路利用变增量 LP 优化方法调整发动机指令信号。仿真结果表明，在部件蜕化和进口畸变的条件下，该方法具有良好的控制品质。
针对进口畸变的问题，讨论了进口畸变对进气道、风扇的影响，引入畸变指数以描述进口畸变的程度，并根据畸变指数对进口总压恢复系数以及风扇部件特性进行修正，建立了进口畸变影响下的发动机部件级模型。并对模型进行了仿真测试。
针对航空发动机的强非线性，设计了GS-NARMA-L2和IL-NARMA-L2两种智能转速控制方法以提高控制品质。前者通过实时调整神经网络拓扑参数在线校正 NARMA-L2 模型。而后者通过将迭代学习控制策略与NARMA-L2控制系统相结合，用于发动机转速控制。此外，在原转速控制回路的基础上加入了压比控制回路以实现多变量控制，并采用基于 NARMA-L2 模型的线性补偿策略，设计了智能多变量分散控制器。仿真结果表明，所设计的NARMA-L2控制方法在包线内具有快速的响应以及较小的超调量。
提出一种基于神经网络和变增量 LP 优化相结合的航空发动机多变量控制方法用于发动机推力衰退缓解控制。该方法通过内环控制转速和发动机压比，外环修正发动机指令信号以缓解发动机推力衰退。其中内环 NARMA-L2 转速控制器由神经网络训练得到；外环指令修正回路利用变增量 LP 优化方法调整发动机指令信号。仿真结果表明，在部件蜕化和进口畸变的条件下，该方法具有良好的控制品质。