用改进子空间辨识法建立航空发动机模型

研究一种采用改进子空间辨识法建立用于航空发动机故障诊断与控制系统设计的小偏差状态变量模型方法.首先,利用发动机非线性模型的输入输出数据序列,在离散域下基于子空间辨识法建立指定阶数、无噪声干扰的状态变量模型,然后将其转化到连续域下进行相似变换,从而获得具有明确物理意义的发动机状态变量模型.这样,不仅避免了那些基于最优化思想方法所带来的一系列问题,即非线性迭代优化、对初始值敏感、计算时间长、系统矩阵参数规律性差等,而且不受模型阶次影响,并具有实现简单等特点.应用于建立某型涡扇发动机的小偏差状态变量模型,并与改进拟合法在拟合精度、计算时间、参数变化三个方面进行比较,从而验证了改进子空间辨识方法的优点与有效性.     

某型涡扇发动机分段线性化模型的建立

基于某型涡轮风扇发动机非线性动态模型,建立并实现了该发动机的分段线性化模型.介绍了拟合法建立涡轮风扇发动机线性状态空间模型的建模方法,并以发动机高压转子转速为参考参数选取发动机的稳态工作点,分别求取了这些工作点处的线性状态空间模型.以这些线性状态空间模型为基础,在Simulink仿真平台下,采用S-function模块建立了分段线性化发动机模型,并实时地对模型进行求解,得到所需要的高低压转子转速、涡轮落压比以及燃烧室温度等发动机参数.分段线性化模型与非线性模型的仿真结果比较表明此种建模方法输出精度高,能够很好的反映该型发动机的特性.     

用于航空发动机动态辨识的MSMEA-ELM算法

针对传统思维进化算法搜索半径缺乏目的性,临时子群体补充缺乏方向性以及神经网络训练速度慢、泛化能力不足,传统极端学习机隐含层神经元个数多的缺点,提出一种多群体自适应思维进化算法优化的极端学习机(MSMEA-ELM)算法,通过传感器数据训练该算法用于对航空发动机大范围动态过程进行辨识.以训练均方误差与权值2范数的加权和最小为优化目标,采用多群体自适应思维进化算法优化极端学习机.以某型涡扇发动机为研究对象,采用MSMEA-ELM算法进行航空发动机动态过程辨识,验证了该算法的有效性.     

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.     

航空发动机气路故障诊断

介绍了航空发动机气路故障诊断基准参数的选取和监测参数偏差的产生方法,探讨了采用故障相似系数进行气路故障隔离和辨识的方法,并用某型涡扇发动机实测数据验证了该方法的有效性.相似系数不仅具有明确的物理意义,而且使得故障诊断系统构造简便,故障模式扩展容易.采用相似系数进行故障模式隔离不必要求监测参数的个数大于故障模式个数.在隔离故障模式的基础上,进一步辨识发动机部件性能衰退程度,对气路故障的诊断更为深入.     

基于子空间辨识的模型预测控制器经济性能评估方法

目前模型预测控制器(MPC)的经济性能评估(EPA)方法多依赖于过程解析的稳态模型,为了更方便有效的对MPC经济性能进行评估,本文提出一种基于子空间辨识的模型预测控制器经济性能评估方法,仅利用过程操作数据即可实现对控制器的经济性能评估,避免了对过程解析稳态模型的依赖性.利用已知过程操作数据,通过子空间辨识求取子空间矩阵...     

基于NARX神经网络航空发动机参数动态辨识模型

针对航空发动机参数非线性动态特性,提出一种基于外部输入非线性自回归（NARX）神经网络的发动机参数动态辨识模型。主要思路是根据NARX网络的非线性时序预测特性,结合发动机参数的稳态和动态参数,提出一种基于偏稳态差值预测的NARX参数动态模型结构。设计了SP-P辨识结构,整定了模型内部结构参数并建立N1（低压转子转速）、N2（高压转子转速）、EGT（涡轮后排气温度）参数非线性差分预测模型。最后依据某发动机试车样本,对推杆加减速时N1、N2、EGT动态辨模型进行仿真。仿真结果表明,N2相对误差小于0.2%,N1相对误差小于0.3%,EGT相对误差小于[1℃],满足发动机试车仿真需要。最后,将所建模型应用于某A320机务维修训练器的发动机仿真系统。     

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.     

大工业系统中-类Hammerstein模型辨识法

针对大工业系统中Hammerstein模型,提出一种稳态与动态辨识相结合的子空间模型-分散辨识两步法.此方法是将设定点的阶跃信号作为输入辨识信号,对静态非线性增益部分和线性动态部分进行辨识.很好地解决了传统两步法中非线性求解难和两步之间缺乏有机沟通的问题.仿真结果表明该方法的有效性和实用性.     

基于LPV模型的鲁棒故障检测滤波器设计

针对航空发动机动态过程中由于模型误差造成故障检测误报的问题,采用雅克比方法建立航空发动机动态线性变参数(LPV)数学模型反映发动机动态特性,利用特征结构配置法设计故障检测滤波器,较好地消除了模型偏差对故障检测准确率的影响.通过某型涡扇发动机控制系统传感器典型软、硬故障检测仿真实验表明,该方法提高了残差信号对模型误差和未知输入信号的鲁棒性,对发动机加减速过渡过程中故障检测准确度高,实时性好.     

基于人机工程学的消防车器材布局优化设计研究

消防车的器材布局设计直接影响着消防员的战斗效率和安全健康。在对消 防车器材布局空间人机工程学分析的基础上,结合器材的布置原则、“人”的因素及消防车的 器材类别,提出了消防车空间设计和器材布局的设计建议。以某型消防车的器材布局设计改 进为实例,应用Jack 软件对布局进行了视域和可达域分析,验证了改进方案的合理性。     

在线参数辨识和扩展卡尔曼算法的锂离子电池SOC估算研究

荷电状态(SOC)的准确估计对锂离子电池的在线实时监测和安全控制具有重要意义。以中航锂电池为研究对象,选择二阶阻容(RC)模型对电池工作特性进行表征,并结合多种工况情形对锂离子电池进行研究分析。考虑到参数辨识的初值对在线辨识修正效果的影响,搭建仿真模型与电池脉冲工况特性比较验证,仿真误差在0.05 V以内。在此基础上,构建含有遗忘因子的递推最小二乘法(FFRLS)的在线参数辨识系统,对电池动态应力测试工况(DST)进行仿真预测,相对误差在1.50%以内。针对离线参数辨识的不足,采用在线参数辨识结合扩展卡尔曼(EKF)算法对工况下电池SOC进行估计。试验结果表明,在线参数辨识下,EKF算法能够有效表征系统SOC估算,相对误差精度在0.3%以内。     

一种基于高斯过程的行动者评论家算法

强化学习领域的一个研究难点是在大规模或连续空间中平衡探索和利用的问题。针对该问题,应运函数近似与高斯过程方法,提出新的行动者评论家 (Actor-Critic,AC)算法。该算法在Actor中使用时间差分误差构造关于策略参数的更新公式;在Critic中利用高斯过程对线性带参值函数建模,结合生成模型,根据贝叶斯推理,求解值函数的后验分布。将该算法应用于平衡杆实验中,实验结果表明,算法收敛速度较快,可以有效解决在大规模或连续空间中探索和利用的平衡问题,具有较好的性能。     

工业过程的子空间模型辨识

子空间模型辨识方法(SMI)是一类新兴的直接估计线性状态空间模型的黑箱建模方法,近年来获得了广泛关注.和传统的线性建模方法相比,SMI的优势不仅在于算法本身的简单可靠,也在于它的状态空间表达.本文首先简要介绍了SMI的基本思想以及3种基本算法(N4SID,MOESP,CVA).然后将这类方法应用于一个实际的工业过程建模,同时对3种SMI基本算法和一种传统辨识算法—预测误差方法(PEM)进行了研究对比.     

机场巴士运行过程子空间建模与优化

针对机场巴士运行过程影响因素复杂、难以预测运行时间的问题,建立了一种基于子空间辨识算法的机场巴士运行时间预测模型.首先根据运行过程中所产生的多源大数据,考虑不同时段的乘坐人数、发车间隔、道路拥挤度等因素,建立机场巴士运行过程状态空间模型;然后提取适合描述机场巴士运行过程的特征变量作为模型的输入输出,通过子空间辨识方法对模型进行求解;最后以首都机场巴士的一条实际运营路线作为案例进行仿真分析.计算结果表明,该模型预测平均绝对百分误差和均方误差分别为2.25％和4.77,表现均好于传统的BP神经网络预测模型和最小二乘法辨识模型,具有较好的预测精度,有一定的实际应用价值.     

N4SID and MOESP algorithms to highlight the ill-conditioning into subspace identification

In this paper,an analysis for ill conditioning problem in subspace identifcation method is provided.The subspace identifcation technique presents a satisfactory robustness in the parameter estimation of process model which performs control.As a frst step,the main geometric and mathematical tools used in subspace identifcation are briefly presented.In the second step,the problem of analyzing ill-conditioning matrices in the subspace identifcation method is considered.To illustrate this situation,a simulation study of an example is introduced to show the ill-conditioning in subspace identifcation.Algorithms numerical subspace state space system identifcation(N4SID)and multivariable output error state space model identifcation(MOESP)are considered to study,the parameters estimation while using the induction motor model,in simulation(Matlab environment).Finally,we show the inadequacy of the oblique projection and validate the efectiveness of the orthogonal projection approach which is needed in ill-conditioning;a real application dealing with induction motor parameters estimation has been experimented.The obtained results proved that the algorithm based on orthogonal projection MOESP,overcomes the situation of ill-conditioning in the Hankel s block,and thereby improving the estimation of parameters.     

基于输入扩张的闭环系统子空间辨识及其强一致性分析

针对闭环条件下的子空间辨识问题, 结合线性代数和几何学的基本概念, 将输入输出误差序列包含至输入子空间中, 基于输入扩张的状态空间构造方法, 提出一种新的闭环辨识算法；解决开环算法应用于闭环系统辨识时产生有偏估计, 甚至不能正确辨识的问题；实现闭环条件下对系统状态空间矩阵的强一致估计, 并理论证明该辨识算法的强一致性；最后通过仿真实例验证本算法的有效性.     

多变量系统状态空间模型的递阶辨识

研究多变量系统状态空间模型的递阶辨识问题,推广了作者提出的标量系统状态和参数联合辨识算法.当状态可量测时,利用最小二乘原理直接辨识状态空间模型的参数矩阵;当状态不可测时,利用递阶辨识原理提出了状态空间模型递阶辨识方法,使用系统输入输出数据来估计系统的未知状态和参数.状态空间模型递阶辨识方法分为两步:首先假设系统状态是已知的(即参数估计算法中的未知系统状态用其估计代替),基于状态估计和系统输入输出数据递归计算系统参数估计;然后基于系统输入输出数据和获得的参数估计,递归计算系统的状态估计.     

摩托车发动机气门相位及压缩比测量系统

针对中国嘉陵工业集团的生产需要，在分析国内摩托车发动机气门相位及压缩比测量的现状和缺陷的基础上，研制了一套摩托车发动机气门相位及压缩比测量系统。重点介绍了液体测量的原理以及测试过程中的误差分析。易于操作，目前已应用于生产实践中，并取得了较好的测试效率。