张如飞[1]2006年在《基于模糊控制的航空发动机控制方法研究》文中研究指明本文以某型航空发动机为对象,研究了航空发动机的建模以及基本模糊控制和各种改进的模糊控制方法。设计了航空发动机基本模糊控制系统、自组织模糊控制系统、模糊PID双模控制系统、变论域模糊控制系统和解藕模糊控制系统,并利用MATLAB对控制系统进行了仿真。 航空发动机基本模糊控制系统设计简单,但是系统的控制精度低,难以满足航空发动机的高控制精度要求;自组织模糊控制系统进一步简化了基本模糊控制器的设计,并且通过在误差及其变化率之间引入自适应修正的加权因子,提高了控制精度;通过把基本模糊控制器和PID控制器的复合,形成了模糊PID双模控制器,利用积分环节的消除稳态误差能力,提高了航空发动机的控制精度,并满足了其他性能要求;变论域模糊控制是一种自适应模糊控制方法,以其论域随着误差的变化而变化的特点,有效地消除了系统的稳态误差,也能够较好的满足航空发动机的控制要求。 在文章的最后,探讨性的研究了航空发动机的解藕模糊控制系统,并对航空发动机模糊控制系统设计的改进方向和有待解决的问题进行了描述。 基于基本模糊控制存在的问题,通过引入改进的模糊控制方法,基本满足了航空发动机控制系统的性能要求。研究结果表明,自组织模糊控制器、模糊PID双模控制器以及变论域模糊控制器能够应用于航空发动机控制。
孙晖[2]2015年在《航空发动机的多变量滑模控制方法研究》文中研究说明航空发动机系统是一个复杂的非线性、强耦合多变量系统,要让其合理有效地工作,需要采用现代的先进控制理论和方法。滑模变结构控制是一种特殊的非线性控制方法,其最大的优点是在滑模面上对系统参数和外界干扰等不确定因素具有较强的鲁棒性,因而非常适用于航空发动机控制系统。论文以NASA的民用涡扇发动机模型CMAPSS-1和CMAPSS-40k为研究对象,对航空发动机多变量滑模控制方法进行了较全面的研究,在Matlab/Simulink环境下对各种滑模控制方法进行了设计点附近的线性仿真,并应用LPV建模方法对非线性动态过程进行了相应的仿真验证。论文首先研究了带有等速、指数和幂次趋近律的常规滑模控制方法中控制参数大小对系统性能的影响,比较了采用不同趋近律对滑模控制的影响,并用趋近律对全程快速非奇异Terminal滑模控制进行优化。论文随后分析了用模糊滑模方法、自适应滑模方法以及结合自适应模糊的滑模智能方法设计滑模控制器的过程,通过理论推导对其稳定性进行了证明,并通过仿真对比不同滑模智能控制方法的优缺点和适用性,得到系统综合控制效果最优化的自适应模糊控制方法。最后,论文研究了更具有工程实际意义的航空发动机滑模限制控制方法,采用基于混合2H/H?设计方法的滑模限制控制,不仅保证了系统的关键变量在过渡态期间始终维持在限制值以下,同时也确保了系统具有最优的响应效果和鲁棒性。通过与基于线性调节器的限制控制对比,进一步验证了滑模限制控制的优点;将滑模智能控制方法与限制控制结合,通过在线性和非线性模型上仿真,得到了控制效果最优的自适应模糊滑模限制控制方法。
董劲[3]2003年在《航空发动机智能控制》文中研究指明航空发动机是一个结构复杂、非线性强的多变量控制对象，随着航空发动机全权限数字式电子控制器的研制和应用，控制变量也随着发动机性能要求的不断提高而越来越多，发动机全包线范围内智能控制技术的应用是必然趋势。 本文将智能控制理论和方法引入到航空发动机多变量控制中。由于PID控制具有结构简单、物理概念清晰的特点，将PID控制和模糊控制相结合，设计出航空发动机模糊PID控制器；将模糊控制和神经网络相结合，设计出航空发动机模糊神经网络控制器。以某型涡扇发动机为被控对象，进行了全包线内的数字仿真研究。研究表明，两个控制器都具有良好的动静态性能。 将神经网络自适应控制应用到航空发动机控制中，对某型涡扇发动机飞行包线内不同状态点进行了含实物实时仿真试验，检验了该算法的实时性。
刘熊[4]2006年在《航空发动机模糊控制系统多目标优化设计研究》文中研究说明模糊控制由于不依赖被控对象的精确数学模型,因此当它应用于航空发动机控制时取得了较好的效果。模糊控制的蓬勃发展使其已经渗透到各个领域,研究模糊控制对航空发动机上的应用对提高整个推进系统的性能具有重大的意义。而多目标遗传算法是一种能够同时高效、并行地优化多个目标函数的优化算法。本文对模糊控制、模糊PID控制和多目标遗传算法的基本理论以及在航空发动机控制系统中的应用进行了较为全面的研究。本文首先阐述了模糊控制的基本理论,研究了航空发动机模糊控制系统的设计过程。本文的第叁章研究了模糊PID控制及其在航空发动机上的应用。本文的第四章对遗传算法及多目标遗传算法进行了全面的研究和分析,阐述了遗传算法和多目标遗传算法的主要思想,分析了一种典型的多目标遗传算法NSGA-II。然后,使用先进多目标遗传算法NSGA-II对航空发动机模糊控制系统的参数进行了两个飞行状态下所有可行工作点的优化选取,各个工作点的优化结果表明模型的控制系统响应速度快、超调量小、稳定效果佳。仿真结果表明,控制系统表现出良好的性能,最终的优化结果比较令人满意。研究结果表明,模糊控制以及多目标遗传算法在航空发动机控制中具有广阔的应用前景。
孙晓东[5]2009年在《航空发动机智能控制算法研究》文中认为航空发动机智能控制代表着发动机控制的发展方向,该方面的研究在理论和实践上均具有较大的意义。本文以某型混合排气涡扇发动机为研究对象,建立了其非线性模型和状态空间模型,研究了3种智能控制算法:基于BP神经网络整定的PID控制、多变量神经网络自适应控制和Smith预估补偿模糊PID控制,并分别进行了计算机仿真。首先,作为控制算法研究的基础,本文采用“部件法”建立了某涡扇发动机的气动热力学模型,采用基于BP神经网络的智能方法对非线性模型的共同工作方程进行求解,结果证明该方法具有良好的求解精度、效率和收敛性。在发动机非线性模型的基础上,采用“顺数算法”建立了发动机的状态空间模型,并对其进行了相对化处理,为以后控制算法的研究奠定了基础。其次,研究了两种基于BP神经网络的发动机控制算法:基于BP神经网络整定的PID控制和多变量神经网络自适应控制。前者利用神经网络所具有的任意非线性表达能力,实现参数k p、k i和k d自学习的PID控制。而多变量神经网络自适应控制系统,由BP网络辨识器为神经网络控制器的参数调节提供Jacobin信息,神经网络控制器NNC在线修正参数值,实现对航空发动机多变量的自适应控制。仿真结果表明,这两种控制方法响应快,超调小,拥有较好的控制效果,系统具有良好的动静态性能。最后,结合Smith预估补偿控制和模糊PID控制的优点,提出一种基于BP网络辨识的Smith预估补偿模糊PID控制。该方法利用Smith预估补偿控制原理,由神经网络为Smith预估提供实时修正,由模糊PID控制器实现对发动机的控制。计算机仿真表明,由于预估补偿器的预估输出能够较准确地预测系统输出,从而使具有大时延的发动机控制系统具有良好的控制效果。
李勇, 樊丁[6]2013年在《基于RBF神经网络的航空发动机模糊滑模控制研究》文中研究说明针对航空发动机这个具有时变不确定性的非线性系统,提出了一种基于RBF神经网络的模糊滑动模态控制(Fuzzy Sliding Mode Control)的航空发动机控制方法;通过对利用FSMC理论设计航空发动机模糊滑动模态控制器的方法进行了深入研究,设计了航空发动机模糊神经网络滑动模态控制器;仿真结果表明,所设计的控制器的控制效果良好,能有效地减少参数不确定性的影响,并且对外界干扰有很强的抑制能力,使被控系统在整个控制阶段都具有较强的鲁棒性,削弱了抖振。
史纪晓[7]2003年在《航空发动机模糊控制方法研究》文中指出本文以某型发动机为研究对象，研究了航空发动机的模糊控制。设计了叁种航空发动机模糊控制系统，并进行了仿真研究。首先设计了一种简单的模糊反馈控制系统，初步验证模糊控制在航空发动机控制中应用的可能性；然后研究了模型逆模糊控制系统在航空发动机控制中的应用；最后研究了的当量模糊控制器，并研究了这种控制系统的鲁棒性能。 仿真分析表明，设计的几种控制器都能取得良好的控制效果。特别是后面的两种方法，可以很好的跟踪参考模型，并具有较好的稳定性和鲁棒性。
刘文弢[8]2017年在《多动力源固定翼无人飞行器的动力匹配与控制策略研究》文中指出随着世界交通工具大量普及,人们对更加方便快捷、节能高效的运载工具的需求不断增加。很多问题变的迫在眉睫,例如:全球气候变暖且日益严峻,化石能源日益匮乏、运载工具排放污染物日益增加等。中国伴随着通用航空飞行器数量的增加,以上问题变的日益突出。所以发展节能、环保的新能源通用飞行器意义重大。随着《关于深化我国低空空域管理改革的意见》等相关文件的提出,无人机作为新型产业逐渐走进我们的视线,故多动力源无人飞行器应运而生。本文选题紧跟国内外多动力源无人机的发展现状,借鉴目前混合动力汽车能量管理的成功经验,并以捷克生产的“凤凰”动力滑翔机为原型机,将其改进为油光电多动力源无人飞行器,并对该飞行器总体结构设计、参数匹配及控制策略做了如下研究:(1)对比分析多动力源固定翼飞行器驱动系统的不同结构型式和耦合器的优缺点,选用浮动定子电机为并联式多动力源驱动系统的耦合器;对各飞行剖面的功率需求进行计算,结合计算参数对驱动系统各主要部件进行参数匹配和选型。(2)对多动力源驱动系统的主要部件:航空发动机、电机、超级电容、光伏电池、锂电池等重要部件在SIMULINK搭建仿真模型;对光伏电池发电系统采用MPPT控制策略不断的寻优计算太阳能最大功率点,并通过控制DC-DC电路近似实现太阳能电池板的最大发电功率为锂电池组的最大充电功率。(3)多动力源驱动系统采用了基于逻辑门限值的航空发动机瞬时优化控制策略,通过matlab程序在航空发动机MAP中的逐个插值寻优计算,得到该转矩下最小的燃油消耗率对应的转速作为航空发动机转速。针对油门推杆突然过低和航速过高出现负拉力的现象,运用转速模糊补偿的方法对电机转速进行智能优化控制,使得飞行器输出的拉力波动平缓、系统响应加快、节油性能进一步提高。相较于传统动力滑翔机,该机改进后总油耗下降了10%左右。基于以上理论分析搭建试验台,根据试验结论不断改进控制策略。(4)仿真和试验研究均表明:基于逻辑门限的航空发动机瞬时优化控制策略及电机转速模糊补偿控制策略有效提高了多动力源驱动系统的工作效率,降低了飞行剖面内同等任务要求的等效燃油消耗量。
陈谋[9]2004年在《不确定非线性综合火力/飞行/推进系统鲁棒控制方法研究》文中研究表明为了争夺21世纪的制空权，西方发达国家和俄罗斯竞相发展最先进的新一代歼击机及其综合火力／飞行／推进系统。而新一代歼击机的综合火力／飞行／推进系统是其能够安全、有效地完成复杂战术／战略使命的基本前提，同时新一代歼击机的综合火力／飞行／推进系统是一个复杂的、具有不确定性的、多变量非线性大系统，因此它的设计与控制问题是现代控制领域所面临的一大挑战。 本文主要研究多输入多输出不确定非线性系统的鲁棒控制方法并应用于解决新一代歼击机的综合火力／飞行／推进系统的关键控制问题。以研究新一代歼击机的鲁棒飞行控制系统为前提，进一步研究其综合火力／飞行控制系统、综合飞行／推进控制系统以及综合火力／飞行／推进控制系统的鲁棒控制问题。 首先，对新一代歼击机超机动飞行的非线性模型的开环特性、分叉特性及机动能力进行分析，并以此模型为基础，采用基于时标分离原则的动态逆控制方法设计了新一代歼击机的飞行控制系统。为了消除由于模型不精确和飞行故障等所引起的求逆误差，设计自适应在线神经网络用于补偿非线性动态逆误差，根据神经网络权值的在线调整来提高系统的动态性能。考虑到作动器动态特性对动态逆飞行控制系统的不利影响，采用伪控制补偿方法改善存在作动器饱和时系统的跟随性能，并证明了整个闭环系统的稳定性。同时为了克服神经网络的硬件实现困难以及其自适应算法的复杂性，提出并设计了基于干扰观测器的鲁棒飞行控制系统。将飞行控制系统的不确定性和所受的外部干扰采用干扰观测器来进行逼近，然后用干扰观测器的输出来补偿动态逆控制方法中的求逆误差，以提高动态逆飞行控制系统的鲁棒性能。 其次，本文提出了基于小波神经网络的一类多输入多输出不确定非线性系统鲁棒自适应H_∞控制方法并用于解决歼击机模型不完全已知时的鲁棒自适应H_∞飞行控制系统的设计。但此方法需要大量的神经网络训练数据，运算速度受到限制。为了克服这些缺点，将飞行控制系统的不确定性看作系统所受的干扰，应用小波神经网络干扰观测器进行逼近，并基于干扰观测器的输出提出了一类多输入多输出不确定非线性系统的鲁棒自适应H_∞控制方法并应用于鲁棒自适应H_∞飞行控制系统设计以提高飞行控制系统的性能鲁棒；为了进一步提高系统的性能鲁棒，针对一类多输入多输出不确定非线性系统基于小波神经网络干扰观测器设计一种模型预测控制律并应用于鲁棒自适应H_∞飞行控制系统设计。相对于动态逆来说，所提出的叁种鲁棒飞行控制方案不仅使飞行控制系统具有稳定鲁棒性而且还具有性能鲁棒性，同时系统的性能更加容易分析。不确定非线性综合火力/飞行/推进系统鲁棒控制方法研究 随后，在所设计的鲁棒飞行控制系统基础上，研究了综合火力/飞行控制系统的原理与结构设计。基于遗传算法和变隶属度模糊控制方法设计了智能火力/飞行祸合器来提高综合火力/飞行控制系统的动态性能。同时基于不确定非线性系统的几增益理论和H:/Hao混合控制理论研究了空一空导弹的H’鲁棒制导律的设计，以减小空一空导弹制导律对目标机动的敏感性。与传统的比例制导律相比，所设计的H’鲁棒制导律效果更好，鲁棒性更强。 接着，对新一代歼击机的综合飞行/推进控制系统进行研究。为了避免发动机非线J性部件级模型的复杂性和发动机自身的不确定性、强非线性等带来的建模困难，提出了基于模糊神经网络的发动机辨识技术，并基于辨识模型和神经网络设计了发动机鲁棒滑模自适应控制系统。基于神经网络设计了新一代歼击机的智能飞行/推进祸合器，并按大系统分散控制思想设计了新一代歼击机的综合飞行/推进控制系统，同时在该综合控制系统作用下进行了眼镜蛇机动和赫布斯特机动仿真研究。 最后，提出并研究了基于神经网络的一类不确定非线性大系统的分散滑模自适应控制方法，并应用于新一代歼击机的鲁棒飞行控制系统设计。同时基于大系统分散控制理论对新一代歼击机的综合火力/飞行/推进控制系统进行了设计和仿真。基于Direet3D编程技术设计了空战叁维动画仿真平台，在VC环境下实现了新一代歼击机的眼镜蛇机动、赫布斯特机动与钟型机动的叁维动画显示。通过逼真的视觉效果生动地验证了所设计的综合火力/飞行/推进控制系统能使新一代歼击机快速响应火力/飞行藕合器的指令，使瞄准偏差很快衰减到允许范围内，对目标实施攻击。
傅强[10]2005年在《智能PID控制器在航空发动机控制中的应用研究》文中研究说明对于航空发动机这种工作机理复杂,特性随工作状态和外界条件变化很大的控制对象,常规的反馈控制理论或者最优控制理论很难或无法保证系统性能最优。本文以某型航空发动机为研究对象,研究了模糊自适应整定PID控制、基于遗传算法的PID整定、灰色PID控制叁种新型控制理论和方法,并将其应用于航空发动机的稳态控制中,在一些典型的工作状态进行了仿真。 通过仿真可以看出,利用以上方法,对PID的控制参数进行在线寻优,可以在发动机特性参数变化幅度较大的情况下,获得理想的控制品质。也即,设计的控制器具有良好的自适应能力,且有较好的稳定性和鲁棒性。
参考文献：
[1]. 基于模糊控制的航空发动机控制方法研究[D]. 张如飞. 西北工业大学. 2006
[2]. 航空发动机的多变量滑模控制方法研究[D]. 孙晖. 清华大学. 2015
[3]. 航空发动机智能控制[D]. 董劲. 南京航空航天大学. 2003
[4]. 航空发动机模糊控制系统多目标优化设计研究[D]. 刘熊. 南京航空航天大学. 2006
[5]. 航空发动机智能控制算法研究[D]. 孙晓东. 南京航空航天大学. 2009
[6]. 基于RBF神经网络的航空发动机模糊滑模控制研究[J]. 李勇, 樊丁. 计算机测量与控制. 2013
[7]. 航空发动机模糊控制方法研究[D]. 史纪晓. 西北工业大学. 2003
[8]. 多动力源固定翼无人飞行器的动力匹配与控制策略研究[D]. 刘文弢. 吉林大学. 2017
[9]. 不确定非线性综合火力/飞行/推进系统鲁棒控制方法研究[D]. 陈谋. 南京航空航天大学. 2004
[10]. 智能PID控制器在航空发动机控制中的应用研究[D]. 傅强. 西北工业大学. 2005
标签：航空航天科学与工程论文; 自动化技术论文; 模糊控制论文; 自适应论文; 遗传算法论文; 航空发动机论文; 模糊神经网络论文; 模糊算法论文; 模糊理论论文; 线性系统论文; 滑模控制论文; 系统仿真论文; 发动机论文; 非线性论文; 武器装备论文;