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。     

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.     

一种涡扇发动机加速过程仿真研究方法

研究飞机飞行状态优化,取决于发动机的稳定控制.影响发动机性能的是加速器的控制稳定状态.为了研究某型航空发动机加速过程及加速控制系统性能,提出了分别独立建立涡扇发动机加速控制系统的AEMSitn数学模型和涡扇发动机的AMESet数学模型,并在AMESim软件平台上对控制系统模型和发动机模型进行联合仿真的仿真研究方法.仿真研究结果表明,所建立的联合仿真模型的动静态特性良好,仿真精度高,具有较高的置信度.机械液压式加速控制器能够顺利完成发动机加速过程控制,各项参数变化符合设计要求.提出的仿真研究方法能够成功仿真涡扇发动机加速过程,可为产品的设计提供有价值的参考.     

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。     

《智能控制系统——模糊逻辑·专家系统·神经网络控制》简评

王耀南教授所著的《智能控制系统一模糊逻辑·专家系统·神经网络控制》一书,由湖南大学出版社出版,新华书店总店科技发行所发行。 该书系统地介绍了智能控制的基本理论和设计方法及其在计算机控制系统中的应用。全书共分11章,内容包括模糊逻辑控制、专家系统和专家智能控制、神经网络基本理论、神经网络系统辨识、神经网络智能控制系统、神经网络自适应控制系统、模糊神经网络与控制、神经网络最优控制系统,遗传算法与智能控制系统、综合智能控制系统的工程应用(工业过程控制、机器人控制、伺服控制等),附有本书的部分仿真程序清单和软件。     

基于主动防喘的航空发动机加速控制仿真

开展基于主动防喘的航空发动机加速控制仿真研究。在建立航空发动机数学模型的基础上,设计了基本加速率控制、基于主动防喘的加速率控制、基于主动防喘的喘振裕度控制及基于喘振裕度估计的喘振裕度控制等4个发动机加速控制方案。仿真结果表明:①主动防喘控制可以在发动机稳定性恶化的情况下,通过较小的控制输出和性能损失实现无喘加速;②主动防喘控制与直接喘振裕度控制相结合可以简化发动机加速控制器设计,不需要额外的优化过程便能得到较优的加速性能;③主动防喘控制可以降低发动机设计点的喘振裕度,从整体上提高了发动机的性能。     

电弧炉智能电极控制器的研究

将神经网络智能控制理论应用于电弧炉电极控制系统,建立了电孤炉电极控制模型.运用BP神经网络,对所建立的控制模型进行了仿真研究.仿真结果表明,采用神经网络智能控制方法,可以对电弧炉电极进行有效地控制,并提高了系统的适应性和鲁棒性,具有重要应用价值.     

一种航空发动机导叶角度调节器控制方法研究

航空发动机静子导流叶片角度数字电子控制系统的性能和可靠性对发动机的正常工作十分重要;为获得发动机的最优性能,提高飞行可靠性,并保证压气机工作稳定性,文章提出了一种基于RBF (Radial Basis Function)神经网络的PID控制器,构建了3层神经网络数学模型;在AMESim软件平台上,建立了该航空发动机导叶控制系统的数学模型,在Matlab/Simulink中搭建了RBF神经网络控制器;仿真结果表明,在相同参数设置下,本文所设计的控制器与传统PID控制器相比能够实现导叶角度调节器作动筒位移的更加快速、精确控制,表明该控制器设计方法是可行、有效的.     

基于模糊误差判断算法的航空发动机PID控制

普通比例积分微分(PID)控制与其他智能控制相比较,应用广泛,且算法更简单、容易实现。但是应用到复杂的、多变的航空发动机控制时,其难以满足其控制要求。为实现对航空发动机的智能控制,提出模糊误差判断PID控制。由模糊规则表、误差判断规则以及PID控制组成模糊误差判断PID控制器。该方法对控制过程中改变模糊规则表进行了研究。模糊规则表根据经验得出;误差判断规则将根据误差的大小,对模糊规则表进行修改;模糊规则表与PID控制器结合调节控制量,达到控制执行机构的目的。使用MATLAB/Simulink进行算法仿真。仿真结果显示:模糊误差判断PID控制算法运用于航空发动机控制效果良好,验证了所提算法的可行性。仿真结果证明了改变模糊控制规则表的控制方法是有效的。该研究为设计智能控制提出了一种新的方法。     

基于模糊神经网络的涡喷发动机控制系统设计

针对微型涡喷发动机ECU控制系统具有时变性和非线性的特点,为改善微型涡喷发动机控制系统的控制性能,将模糊神经网络PID控制方法应用于ECU的转速与推力控制系统中;首先,利用某微型涡喷发动机的试车数据通过系统辨识方法得到其数学模型,其次针对模糊PID无法在线调参的弊端,引入模糊神经网络控制方法对微型涡喷发动机ECU系统进行控制;为模拟发动机在工作过程中遇到的干扰问题,在仿真过程中加入了干扰信号,通过与传统PID、模糊PID的仿真结果对比验证得出,模糊神经网络PID在涡喷发动机转速控制系统中响应速度更快约为1 s,超调量更小约为0,在有干扰的情况下恢复稳定状态的时间更短,约为0.5 s。     

基于GA-SQP的航空发动机加速寻优控制

提出一种基于GA-SQP混合算法的加速优化控制方法。基于某型涡扇发动机模型,建立推力最大加速过程目标函数,以发动机稳定性和安全性指标作为边界条件,利用GA-SQP混合算法对发动机加速过程进行寻优求解,选取工作包线内若干个状态点进行最大推力加速过程仿真。仿真结果表明,所提出的加速燃油控制规律可以在兼顾涡轮前温度安全性和稳定性的前提下,实现发动机推力最大加速过程时间最短的目标,且控制效果良好,说明该控制算法是可行和有效的。     

基于LPV的航空发动机鲁棒变增益控制

随着我国现代化进程的不断加快,航天航空技术标准越来越高,对于航空发动机运转工况的鲁棒性和适应性提出了更高的要求。传统的航空发动机变增益设计步骤繁琐,不能将发动机置于整个航空器的运转去考虑设计,使发动机变增益缺乏相应的稳定性和适应性,易出现系统问题。为此,提出一般基于LPV的航空发动机鲁棒变增益控制系统,依据航空发动机结构参数,考虑到航空器在空中负载特性,计算出新的约束极点 模糊变增益,在航空器发动机工作范围连续增益,避免了传统增益切换情况,在转速控制上确定误差等因素,将非线性控制设计分解为多个线性子问题,使航空器控制系统能够沿着LPV参数轨迹保持良好的运转,保持稳定性能。仿真实验证明,提出的基于LPV的航空发动机鲁棒变增益控制系统控制效果优于传统方法,在航空器发动机转速改变时,控制精度能够满足要求 ,改变航空器负载时,有效对目标进行变增益控制。提出的控制方法对航空发动机鲁棒变增益控制问题提供了新的解决办法,具有较大应用价值。     

基于模糊-PID的高空台液压加载系统智能控制

为了改善航空发动机高空模拟试车台(简称高空台)液压加载系统的控制性能,解决手动调节控制精度低且闭环控制快速性较差的问题,提出了一种将开环模糊控制与闭环PID控制相结合的智能复合控制方法。首先,结合高空台液压加载试验特点和设备特性,利用真实试验数据基于最小二乘系统辨识搭建了系统的分段线性模型。其次,使用频域法设计参数调度的PID控制器,解决了手动调节控制精度低的问题。最后,结合试验操作人员提供的经验知识和历史试验数据结论搭建了模糊开环控制器,设计控制器选择模块和积分补偿模块,将模糊开环控制器与闭环PID控制器相结合形成智能复合控制器。通过仿真验证得出,智能复合控制器的控制效果在精度上明显优于人工手动调节,在快速性上明显优于PID控制器,调节时间缩短了39%～87%。     

涡轴航空发动机转速的自适应模糊控制研究

常规的涡轴航空发动机转速的自适应模糊控制技术,对发动机转速扭矩参数的调整不太精准,导致转速控制效果较差;因此,提出涡轴航空发动机转速的自适应模糊控制研究;文章首先对逻辑进行模糊化处理,得到相应的隶属度函数,对其进行模糊推理,并采用重心法进行去模糊化;将模糊子集的参数作为控制器的主要参数,形成涡轴航空发动机转速模糊控制器;再基于此,构建转速模糊控制器系统结构,以便后续对实施自适应模糊控制;最后对变化率的调整规则进行设计,将转速波动控制在较小的范围内,并建立参数调整规则表,按照模糊自整定数值关系,对发动机转速扭矩参数进行精确调整,从而对发动机转速进行自适应模糊控制;仿真结果表明,使用文章设计的方法,对涡轴航空发动机转速进行自适应模糊进行控制后,能够较好地将发动机转速控制在3 000 rpm附近小波动振荡,说明该方法的控制效果较好;当阶跃干扰为10 N·m时,转速波动在11.38～17.77 rpm之间,当阶跃干扰为15 N·m时,转速波动的平均值在11.69～17.81 rpm之间,相对于对比方法均较小,说明该方法具有较好的应用价值。     

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。     

列车横向半主动悬挂模糊控制策略研究

针对17自由度列车横向半主动悬挂,提出以横向振动加速度最大值和均方根值作为评价指标,分析了列车横向悬挂模糊控制策略。列车横向半主动悬挂广泛地采用模糊控制调整阻尼值,减少横向振动,提高横向平稳性。因此,利用simulink建立列车横向悬挂模型,设计模糊控制策略直接法和间接法,进行了仿真。仿真结果显示,由于横移和摇头加速度的相互作用,使得前端横向合成加速度大于后端;通过加速度功率谱密度函数值分析对比,直接法综合控制效果好,好于间接法和被动悬挂控制。     

一种空间曲线轨迹跟踪的无人机自适应导航控制算法

随着固定翼无人机飞行任务复杂化,为了实现高精度的空间曲线导航控制,基于L1-Navigation非线性导航控制算法,设计自适应模糊控制器优化固定翼无人机跟踪空间曲线导航控制方法。以球面上的空间八字曲线为例,对八字曲线建模,通过坐标转换求得目标航点位置来计算无人机飞行加速度。为了优化加速度控制无人机跟踪空间曲线性能,在L1-Navigation导航控制器中,针对增益系数设计一个双输入单输出模糊控制系统,以轨迹误差和轨迹误差变化率为输入量,以计算横向加速度的增益系数常数为输出量。最后,在Ardupilot飞控中进行飞行模拟实验,飞行实验表明,所提出方法能够精确跟踪空间曲线路径,并且有很好的自适应性。     

多能源电动汽车中的Fuzzy控制策略及仿真

多能源电动汽车的能量存储系统由锌空电池、镍氢电池和超大电容三种能量存储元件组成。锌空电池为负载提供基本能量。镍氢电池工作在中级能量区，并回收下坡和刹车过程中的能量。超大电容工作在尖峰负载区，为大加速度过程提供能量，在短时间内可以实现能量回收。该文在多能源电动汽车的模型基础上，针对能量管理系统(EMS)提出了一种模糊控制策略。EMS模糊控制策略的输入包括所需功率、镍氢电池的SOC和超大电容的SOC，模糊控制策略的输出包括三个能量存储元件的分配功率因子，每个输入和输出有不同的模糊量。仿真结果表明：模糊控制策略比简单查表控制策略在续驶里程、燃料经济性和效率等方面均有所改善。     

基于自适应遗传算法的半主动悬架模糊控制研究

模糊规则的正确选择是半主动悬架模糊控制器设计的关键和难点,本文提出一种自适应地选择交叉概率和变异概率的遗传算法,以车身垂直加速度均方根值为优化目标,对汽车半主动悬架模糊控制规则进行优化,以达到提高半主动悬架模糊控制器的控制效果,改善汽车行驶平顺性的目的。为了证明该优化方法的可行性,将该自适应遗传算法优化的模糊控制器对汽车半主动悬架进行控制,并建立Matlab文本与Simulink相结合的仿真模型。仿真结果表明：优化后的半主动悬架车身垂直加速度均方根值减小,汽车行驶的平顺性得到了提高。