基于神经网络自适应控制技术的发动机仿真

利用神经网络自适应控制技术,以某型涡扇发动机为被控对象,通过含实物实时仿真实验,验证了控制算法具有良好的实时性,而且具有一定的鲁棒性,是一种良好的发动机多变量控制系统.     

强效水箱宝——长城喜世水箱宝,时刻保护汽车

当今车辆20%的发动机故障与冷却系统故障有直接关系,重负荷应用时甚至大于40%。使用不适当的水箱宝冷却发动机,会带来严重的后患:水箱腐蚀、结垢导致传热性能下降、不利于水箱内良好循环流通、降低机温。无需苦恼!长城喜世水箱宝能防止汽车发动机过热,具有良好的导热性,能有效降低发动机温度,时刻保护汽车。     

基于虚拟仪器的发动机台架试验测控系统

基于虚拟仪器的发动机台架试验测控系统,在Windows环境下采用LabWindows/CVI开发应用程序,具有良好的人机界面。该系统能够完成发动机常规性能试验,实现了发动机台架试验测量、控制、记录、数据处理的全自动化。     

基于PNN的飞机发动机故障诊断研究

鉴于概率神经网络良好的分类性能,提出一种基于PNN的飞机发动机故障诊断方法,成功对三种典型飞机发动机转子故障做出了正确诊断。研究表明,PNN网络诊断准确,对测量噪声有良好的鲁棒性,具有较好的工程应用前景。     

基于遗传算法的发动机模糊控制

模糊控制不依赖被控对象的数学模型，模糊控制应用于航空发动机控制取得了较好的效果。但是，模糊控制设计，较多地依赖设计者的主观经验，工作量大、负担重。遗传算法具有良好的寻优能力，该文将遗传算法应用到了航空发动机模糊控制中，使大量的设计寻优工作，可以通过程序自动寻优，对遗传算法寻优的发动机模糊控制系统进行了仿真，结果表明遗传算法不但改进了发动机模糊控制器的设计，而且整个控制系统具有良好的性能。     

航空发动机起动规律试车台测控系统设计

利用先进测控技术,结合航空发动机试验特点,建立一套先进的航空发动机起动规律试车台测控系统,用于模拟各种大气条件下航空发动机地面无冲量起动试验的状态监视及设备控制。该系统的性能在发动机起动试验中得到验证,实践证明该套系统具有较高的稳定性和可靠性,以及良好的工程应用价值。     

基于Java的发动机紧致型小波神经网络故障诊断

鉴于发动机是一种复杂的机电液一体化设备,其故障现象和原因之间存在复杂的非线性关联。本文结合小波变换的良好时频域特性和神经网络良好的非线性映射的优势,将MexicanHat小波基作为神经网络的传递函数,组建紧致型小波神经网络,用于发动机的故障诊断;本文以小波神经网络为算法基础,应用具有跨平台、可移植优点的Java语言和SQL Server2005数据库,开发出发动机智能故障诊断软件。     

涡桨发动机最优加速控制研究

研究航空涡轮螺旋桨发动机的加速过程性能寻优控制问题.为改善航空涡轮螺旋桨发动机的加速性能及动态性能,提出建立发动机和螺旋桨机构的一体化优化模型,并应用线性加权和法构造评价函数和遗传算法解多目标多变量最优化问题,在满足所有约束条件以及在保证发动机安全的前提下,达到进一步发挥发动机性能潜力的目的.仿真结果表明,提出的涡桨发动机一体化优化模型及寻优控制方法能很好地改善涡桨发动机的加速性能及动态性能,发动机具有良好的加速性.     

基于相图-BP网络相结合的发动机转子系统故障诊断方法研究

发动机故障诊断是飞机故障预测和健康管理的重要内容,为了充分利用发动机的相图特征对发动机转子系统进行故障诊断,提出了一种相图和神经网络相结合的发动机转子系统故障诊断方法;在分析不同状态下发动机的整机振动信号参数在不同范围随机变化导致相轨迹分布不同的基础上,提取发动机振动相图特征值,借助BP神经网络良好的状态分类功能,对发动机转子系统进行故障诊断;实践表明该方法能有效去除噪声对故障信息的干扰,诊断准确率较高,判别速度较快,具有一定的实用价值。     

基于Python的航空发动机仿真平台开发

航空发动机控制系统研制过程中,系统仿真是控制算法验证、边界条件模拟和故障注入等的有效手段,对提升航空发动机控制系统质量和降低验证成本具有重要作用.结合工程实际需要,基于Python程序设计语言,综合运用面向对象的发动机建模、数据库和人机界面等技术完成某航空发动机全数字仿真平台开发,并通过仿真实验验证了该平台的正确性和可靠性.该平台充分利用了Python在程序设计、数据库、数值分析和GUI等方面的强大优势,具有良好的可交互性和可扩展性.     

可调引射混合式低压加热器的智能控制

针对可调引射混合式低压加热器是一个多输入多输出的非线性系统,具有时变和非线性特性,采用广义生长-剪枝RBF(GGAP-RBF)神经网络对其进行双变量神经网络自适应控制。该方法用GGAP-RBF网络对加热器非线性模型进行实时辨识,并将系统的Jacobian信息反馈给BP神经网络控制器,从而保证了控制器对被控对象的精确控制。通过加热器的控制对比试验,结果表明该方法能在动态条件下实现对加热器的自适应控制,并且具有较好的动静态性能。     

基于复合正交神经网络的自适应逆控制系统

目前，在自适应逆控制系统中常采用BP神经网络，而BP网络存在算法复杂、易陷入局部极小解等不足。而正交神经网络能克服BP网络的不足，但由于正交神经网络学习算法存在某些局限性，提出了一种复合正交神经网络，该正交网络结构与三层前向正交网络相同，不同的是正交网络的隐单元处理函数采用带参数的Sigmoid函数的复合正交函数，该神经网络算法简单，学习收敛速度快，并能对网络的函数参数进行优化，为非线性系统的动态建模提供了一种方法。仿真实验表明，网络在用于过程的自适应逆控制中具有很高的控制精度和自适应学习能力。该动态神经网络比其它神经网络具有更强的建模能力与学习适应性，有线性、非线性逼近精度高等优异特性，非常适合于实时控制系统。     

基于Elman神经网络的浓相输送模糊控制系统

由于粉末物料的浓相输送系统存在严重的非线性和时变性,故要想建立其准确数学模型难度非常大,本文提出了使用模糊神经网络控制系统,并对于模糊控制规则由Elman神经网络联想记忆后提取,它不但可以获得最佳控制规则,而且响应速度快并能够进行在线进行规则的修正。经仿真实验,该控制器能够对粉末物料流量在一定范围内进行协调优化时实控制。     

基于神经网络的带钢跑偏电液伺服系统研究

带钢跑偏电液伺服控制系统的非线性和时变性使得传统的PID控制很难达到理想的控制效果,将神经网络与普通PID控制相结合形成神经网络自适应PID控制策略,应用于该系统实现其良好控制.为提高系统的动态响应速度及性能,采用RBF神经网络对系统进行辨识预测.首先建立带钢跑偏电液伺服系统数学模型,然后利用AMESim和Simulink软件对传统PID控制和神经网络自适应PID控制进行联合仿真.结果表明,神经网络自适应PID控制系统响应速度快、超调量小、鲁棒性强,并具有良好的稳定性和控制精度.     

一种新的三相AC／DC PWM整流器控制策略

为了实现交流输入和整功率因数,提出了一种基于自适应B样条(BS)神经网络的三相PWM整流器控制策略;建立了在线训练BS神经网络的控制规律;提出了神经网络在线学习的新算法;运用空间矢量建模获得整流器的开关常数;使整个控制策略能够适合实时控制和自适应场合．利用DSP技术实现了整个控制策略．同时通过计算机仿真和现场实验证明了这个控制策略不仅具有稳定性好,而且具有响应快和整功率因数等优点．     

航空发动机模糊神经网络控制研究

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,发动机智能控制技术的应用式必然的趋势。本文将智能控制引入到航空发动机多变量控制中,将模糊控制和神经网络相结合,设计出了航空发动机模糊神经网络控制器。并以某型涡扇发动机为被控对象,进行了数字仿真研究,检验了该方法的适应性。     

基于神经网络的运动控制系统算法研究

文章研究了神经网络控制算法在运动控制系统中的应用,以典型的运动控制系统为例,基于神经网络内模自适应控制方法设计速度环控制器。采用递归神经网络的ANNI用于充分逼近被控对象的动态模型,前向反馈神经网络ANNC用作控制器,在网络拓扑结构的设计及训练算法的选择上,进行探讨,提供了解决方法并获得了一些有意义的结论。实时仿真结果表明了基于神经网络的控制系统有很强的自适应能力和抗负载扰动能力,在系统的性能上优于传统的控制算法,为类似运动控制系统的设计与研究提供了新的方法。     

基于T-S模糊神经网络的涡扇发动机加速控制

航空发动机足一个结构复杂的非线性强多变量控制对象。随着航空发动机全权限数字式电子控制器的研制和应用,发动机加速性能要求的不断提高,对发动机加强智能控制技术的应用是必然的趋势。因此将智能控制引入到航空发动机控制系统中,根据模糊控制与神经网络结合的思想,针对涡扇发动机加速控制中的最优控制问题,提出了基于T—S（Tagaki—Sugeno）模型的模糊神经网络的发动机加速控制,并对控制系统的结构、网络结构进行仿真实现。仿真结果表明方法在满足发动机加速控制中各约束条件的前提下,不喘振、不超温、使发动机加速过程安全稳定,且加速时间短。     

一种自适应CMAC 在交流励磁水轮发电系统中仿真研究

在分析常规CMAC结构的基础上，针对一类非线性、参数时变和不确定的控制系统，提出了一种自适应CMAC神经网络的控制器．该控制器以系统动态误差和给定信号量作为CMAC的激励信号，并与自适应线性神经元网络相结合构成系统的复合控制．为了验证其有效性，将其应用到交流励磁水轮发电机系统的多变量非线性控制中，并与常规的PID控制效果进行了比较．仿真结果表明，该控制器具有较强鲁棒性和自适应能力，控制品质优良。     

LF炉电极控制器设计及其应用

针对LF钢包精炼炉电极控制系统具有非线性、时变、模型不确定、多输入多输出强耦合的特点，提出一种基于RBF神经网络实时在线辨识和神经网络解耦的模糊自适应控制方案，并进行了控制器设计。应用结果证实了此控制方案的有效性。