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。     

航空发动机控制系统

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,本文介绍了发动机的多种控制系统及其实现方法。     

基于单神经元PID的航空发动机解耦控制

将神经网络应用到PID控制器的参数整定过程中,提出了一种基于改进单神经元PID的航空发动机解耦控制方法,通过在航空涡扇发动机多变量控制系统中的应用,得出了实际的仿真结果及结论。仿真结果表明,该改进单神经元PID解耦控制方法与传统的PID多变量解耦相比,具有响应速度快,自适应能力强,抗干扰能力强,实现简单的优点,因而可以广泛的应用于非线性系统的解耦控制中。     

航空发动机的单神经元双变量解耦控制

针对航空发动机这样的多变量控制对象,要解决的突出问题是输入变量对输出变量的交叉影响,介绍了单神经元进行多变量系统解耦控制的基本方法,采用改进的Hebb学习算法以加速收敛。对某涡喷发动机的数学模型进行了双变量单神经元PID控制仿真研究,结果表明：采用此算法构成的神经网络PID控制对地面模型和高空模型都具有完全解耦、响应速度快、稳态误差小、算法简单的优点;用两个神经元作为双变量控制器,可以使整个飞行包线内的控制器数目明显减少。     

航空发动机四输入四输出H∞控制与仿真

随着对航空发动机性能要求的不断提高,发动机控制系统逐渐发展成为多变量控制系统.为提高静态稳定性和动态品质性能,根据发动机的工作原理确定发动机的四输入四输出变量,并建立航空发动机四变量小偏差状态变量模型,将H∞混合灵敏度设计方法应用于航空发动机多变量控制中,通过加权阵的选取获得了满足性能指标要求的航空发动机H∞鲁棒控制器进行仿真,仿真结果表明,控制系统不仅在标称设计点满足各项性能指标要求,且在整个飞行包线内具有鲁棒稳定性和鲁棒性能.     

基于PID网络的航空发动机多变量系统解耦控制

研究飞机发动机稳定性控制问题,由于航空发动机是多变量系统,各同路间存在耦合现象,影响系统稳定性能.为保证飞行可靠性,提出采用PID网络设计航空发动机多变量系统的解耦控制器.根据发动机的工作原理及变量选择的一般原则,利用改进的最小二乘法拟合建立发动机四变量小偏差状态模型,并添加动量PID网络设计航空发动机四变量系统的解耦控制器进行仿真.结果表明,建立的航空发动机四变量系统解耦控制器具有解耦性强、调节时间短、精度高等特点,满足航空发动机控制器设计的要求,为设计提供了科学依据.     

基于模糊神经网络PID控制器的EEC数字化设计

为实现航空发动机模拟式电子控制器(EEC)的数字化设计,以其低压压气机导流叶片调节通道为主要研究对象,提出一种模糊神经网络PID控制器,将模糊控制、神经网络、PID控制相结合,利用模糊控制专家经验优势和神经网络的自学习、自适应能力,优化PID控制参数,实现控制性能提升。仿真结果显示,基于模糊神经网络的PID控制器控制性能有较大提高,具有比常规神经网络PID控制器更小的超调量和更好的抗干扰性;适用于定常系统和非定常系统,具有更好的自适应性与鲁棒性;可应用于航空发动机模拟式电子控制器(EEC)的数字化设计。     

航空发动机LQG/LTR多变量控制器实验验证

针对航空发动机这一具有耦合和强非线性被控对象,引入了LQG/LTR多变量控制器设计方法,在介绍其原理的基础上利用该方法设计了某型航空涡扇发动机的LQG/LTR控制器;为了检验所设计控制器的性能,设计了硬件在回路仿真系统,从软件编程和硬件选型构建两方面介绍了仿真系统的设计方法,并利用构建的仿真系统验证了所设计的LQG/LTR控制器具有良好的鲁棒性和抗干扰性,表明LQG/LTR方法适合用于航空发动机多变量控制器设计,所设计的硬件仿真系统能较好的再现发动机及其控制系统的工作过程.     

基于模糊神经网络的多变量解耦控制

针对焦炉集气管压力这类多变量非线性系统，提出了一种基于PID神经网络和RBF模糊神经网络的多变量解耦控制方案，RBF模糊神经网络对多变量对象解耦，PID神经网络控制器控制过程的动态特性。工程应用表明，提出的控制策略有效地解决了集气管压力这类复杂对象的过程控制问题。