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。     

无人机涡喷发动机的自适应神经网络控制研究

该文介绍了一种新型的神经网络自适应控制方式,它由基于多层BP网络的近似PID构成的神经网络控制器和基于带自反馈的Elman神经网络构成的模型辨识器共同组成。Elman网络是一种新型的动态递归神经网络,具有很好的逼近能力和性能;改进的自反馈网络具有更大的灵活性。为加快收敛速度,文中采用了共轭梯度算法,选择共轭方向作为最小化方向;在用于无人机涡喷发动机的不同状态的控制中被证实是非常有效的,具有鲁棒性好、响应速度快、稳态误差小等优点。     

基于RTOS的涡喷发动机数字控制系统

介绍了一种应用于无人机的微型涡轮喷气式发动机数字控制系统的设计与实现。该系统基于C8051F021单片机和MicroStar嵌入式实时操作系统,实现了小型涡喷发动机自动点火、启动、推力控制与稳定、超温超速保护、系统自检、冷却等功能。该系统具有体积小、重量轻、功能全的特点。     

基于SIMULINK的某型涡喷发动机转速控制系统研究

以某型涡喷发动机及其主燃油系统的机械液压式调节器为研究对象．在考虑其控制规律的前提下，建立了转速控制系统及其各部件的数学模型．根据所建立的数学模型，利用SIMUUNK仿真工具对转速控制系统进行了仿真研究．研究结果表明该转速控制系统满足了实际要求，同时本文为主燃油系统的进一步改进提供了基础．     

基于快速原型化的小型涡喷发动机起动过程控制

为快速验证小型涡喷发动机起动过程控制规律,基于快速原型化技术搭建了半物理试验平台。设计了快速原型试验系统整体架构,对控制系统的软硬件设计和智能节点的工作原理进行了说明,使用Speedgoat Mobile实时目标机作为电子控制器,以STM32为核心设计智能节点,选用Modbus协议对信号进行编码,实现电子控制器和智能节点之间的数据通信。针对小型涡喷发动机的起动过程设计了一种控制规律,利用自动代码生成技术生成电子控制器可执行程序,部署到实时目标机中,完成了起动过程控制规律的试验验证。仿真结果表明,电子控制器和智能节点通信正常,工作可靠稳定,起动过程平稳迅速、不熄火、不超温、不超转,提出的快速原型化控制技术能够有效地缩短开发周期,具有良好的工程实用价值。     

W^2PI微型涡喷发动机地面试车台推力测量系统

介绍了Ｗ＾２ＰＩ微型涡喷发动机地面试车台推力测量系统,包括Ｗ＾２ＰＩ发动机试车呆,推力测量系统（推力测力系统、推力校正系统）、液压加载 准装置及其校正方法。试车证明,该发动机试车台推力测量系统结构简单,性能稳定、操作简单方便,精度可达０．１％。     

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.     

基于SOPC的微型涡喷发动机控制器设计与验证

在分析微型涡喷发动机(MTE,micro turbine engine)控制系统软硬件需求的基础上,提出了一种基于SOPC(system on a programmable chip)的MTE控制器设计方案。重点研究了MTE控制系统的架构,根据系统的硬件需求,采用Verilog语言设计了脉宽调制模块(PWM)、信号捕获单元(ECAP)、通用异步收发器(UART)等外设模块,定制了NiosⅡ软核处理器。在此硬件平台上,设计了MTE的启动过程和慢车以上状态的控制软件。最后,通过台架试车验证所设计控制器的可行性。结果表明,控制器运行可靠,控制精度和实时性均能满足要求。     

RTOS在涡喷发动机控制系统中的应用

本文介绍了MicroStar RTOS在微型涡轮喷气发动机控制系统中的应用。微型涡轮喷气发动机控制系统是一个典型的处理事务较为复杂、对实时性和可靠性有较严格要求的嵌入式系统,采用RTOS可大大提高开发效率。     

RTOS在涡喷发动机控制系统中的应用

本文介绍了MicroStar RTOS在微型涡轮喷气发动机控制系统中的应用.微型涡轮喷气发动机控制系统是一个典型的处理事务较为复杂、对实时性和可靠性有较严格要求的嵌入式系统,采用RTOS可大大提高开发效率.     

神经网络PID工业温度控制系统研究

本文介绍了一种神经网络PID控制器,并将它与传统PID控制器、模糊控制器和神经网络控制器进行比较。神经网络PID控制器综合了PID控制器和神经网络控制器的优点并弥补了它们各自的不足之处。通过上述各种控制器在工业温度控制系统的仿真研究表明,神经网络PID控制器具有超调小,过度时间短,控制精度高的优点,对大滞后的温度控制系统有很好的控制效果。     

BP神经网络PID控制器在工业控制系统中的研究与仿真

针对实际被控对象的时变性和非线性的特点,本文将基于BP神经网络PID的控制器应用于工业控制系统中,同时设计了三层BP神经网络并对BP神经网络PID控制器的算法进行了分析。仿真结果的分析表明：本文所设计的BP神经网络PID控制器在跟随性能、抗扰性能和鲁棒性能方面表现出了良好的控制效果。     

PID神经网络控制器在发动机油门控制中的应用

BP网络与PID控制器相结合,可以实现对PID控制器参数的优化调整。但是BP网络的隐含层层数和神经元节点数的选取尚无定则,需要反复的计算论证才能确定;并且网络连接权重初值选取为随机值,难以保证系统初始运行的稳定。本文提出一种将BP神经网络与PID控制规律融合的新方法--PID神经网络,该方法控制结构简单、系统参数物理意义明确,同时又克服了上述网络的诸多缺点。将该方法应用于对发动机油门开度的仿真控制,仿真结果表明该控制器大大改善了发动机油门控制系统的性能,仿真效果良好。     

基于BP神经网络的PID控制器在温控系统中的应用

工业中的温控对象普遍具有大时滞、非线性和时变性等特点,采用传统的PID控制器难以取得满意的效果。基于BP神经网络的PID控制器具有逼近任意非线性函数的能力,能实现对PID控制器的参数Kp,KI,KD的实时在线整定,使系统具有更好的鲁棒性和自适应性,其输出也可以通过在线调整达到预期的控制精度,适用于温控系统。实验结果表明,该控制器具有抗干扰能力强、鲁棒性好等特点。     

涡轮喷气发动机噪声源的盲分离

讨论了基于噪声监测的飞机发动机故障诊断技术的可行性.由于涡轮喷气发动机噪声信号中不同源信号之间的混叠,使得噪声信号分析和特征提取更加凼难.根据声源信号的相互独立性质,针对涡轮喷气发动机噪声信号,阐述了利用盲分离技术对涡轮喷气发动机噪声信号进行分离的原理和实现.利用自然梯度算法对涡轮喷气发动机转子产生的噪声信号进行了肓分离实践,分离结果验证了方法的可行性和有效性,并从分离的信号中提取了有效的发动机状态信息.为发动机状态监测与故障诊断提供了一种可行的信号处理方法.     

基于PSO算法和BP神经网络的PID控制研究

针对PID控制中的参数整定的难点及基本BP算法收敛速度慢、易陷入局部极值的问题,提出利用PSO算法的全局寻优能力和较强的收敛性来改进BP网络的权值调整新方法,从而对PID控制的比例、积分、微分进行优化控制。该方法是在基本BP算法的误差反向传播的基础上,使粒子位置的更新对应BP网络的权值和阈值的调整,既充分利用了PSO算法的全局寻优性又较好地保持了BP算法本身的反向传播特点。仿真结果表明基于PSO算法的BP神经网络的PID优化控制具有较好的性能和自学习、自适应性。     

基于动态递归神经网络的自适应PID控制

提出一种基于动态递归神经网络的自适应PID控制方案,该控制系统由神经网络辨识器和神经网络控制器组成。辨识器采用单隐层的动态递归神经网络,网络结构为2-4-1;辨识算法为动态BP算法;控制器采用两层线性结构的神经网络,输入为系统偏差及其一阶、二阶微分,因此具有增量型PID控制结构。应用该控制系统对一非线性时变系统进行仿真研究,仿真结果表明该控制方案不仅具有良好的跟踪特性,而且对系统参数变化具有较强的鲁棒性。     

BP网络的PID型二阶快速学习算法

本文利用PID控制的思想,提出了BP网络的一种二阶快速学习算法,给出了学习因子选择的必要条件与较佳区域,并结合一非线性正弦函数进行了仿真研究.结果表明,较之标标准BP学习算法,利用此法可使学习收敛速度提高22倍左右.