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.     

基于滑模变结构的小型涡扇发动机加速控制

该文将滑模变结构控制应用于小型涡扇发动机加速控制,引入广义Gronwall-Bellman引理对滑模趋近运动进行设计,可在一定初始条件下,通过对控制器参数的选取来调节跟踪误差范数边界,使得闭环系统以指数收敛到新平衡状态。以DGEN380发动机为仿真研究对象,利用Matlab/Simulink对上述控制器进行仿真,仿真结果表明,闭环系统能及时地跟踪转速切换指令且系统瞬态响应特性良好,设计的发动机加速控制律能满足航空发动机控制系统的动态性能指标,实现了基于非线性模型的简单加速控制,仿真结果验证了该设计方法的有效性。     

基于PSO-BP的涡扇发动机重量估算方法研究

以军用小涵道比涡扇发动机为例,进行发动机在概念设计阶段的重量估算方法研究。建立了采用粒子群优化算法的BP神经网络发动机重量估算模型,基于统计的发动机技术数据进行训练和测试;仿真结果表明,基于PSO-BP的涡扇发动机重量估算模型相比于其他方法具有较高的精度,为小涵道比涡扇发动机在总体性能方案设计阶段关于重量预估和控制方面,提供了一定的借鉴和参考。     

考虑寿命的航空发动机最优加速控制规律研究

传统航空发动机控制主要考虑在安全可靠前提下保证发动机性能,而延寿控制则通过适当修改加速控制规律,使发动机寿命得到大幅度延长,同时加速性能不变或略有可接受的降低.针对加速控制规律最优化设计中所遇到的求解问题,以某型涡扇发动机涡轮导向叶片的热机械疲劳寿命为例,提出采用动态稳定法来解决给定寿命因素约束条件下的最优加速控制规律设计.仿真结果表明,所设计的加速控制规律充分挖据了发动机加速性能潜力,又保证了叶片热机械疲劳损伤的极限情况,是最优的;通过略微牺牲发动机加速性能的情况下,可明显延长叶片的工作寿命.     

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.     

低红外特征涡扇发动机性能参数多目标优化设计方法

为了在发动机设计阶段降低涡扇发动机的红外辐射强度,建立了一种外涵引气冷却排气系统高温壁面的优化技术,开展了带外涵引气冷却的低红外特征涡扇发动机总体性能优化设计方法研究。首先,建立了带外涵引气冷却的涡扇发动机总体性能计算模型,并分析了非加力状态下引气量对发动机性能参数的影响;其次,提出了基于序列二次规划算法的设计参数多目标优化方法,优化的目标包括高单位推力、低单位油耗和低红外辐射强度;最后,基于以上模型和方法,对设计点非加力情况下的涡扇发动机设计参数进行多目标优化。研究结果表明,相较于传统的涡扇发动机设计参数选取,带外涵引气冷却的涡扇发动机具有更低的红外特性,并且经过多目标优化后,带外涵引气冷却的涡扇发动机在兼顾低红外特征的同时具有更优的总体性能。     

基于动态补偿的小型涡扇发动机滑模控制

该文针对小型涡扇发动机的强非线性的特点,在状态空间模型基础上引入非线性项,在传统的滑模控制基础上引入状态动态补偿,基于非线性模型设计了稳态调节控制器和输出转速跟踪控制器,在理论上证明了该设计方法的有效性,研究表明上述控制器响应速度快、控制鲁棒性好。并以DGEN380发动机为仿真研究对象,对上述控制器进行仿真,仿真结果验证了该设计方法的有效性。     

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。     

某型涡扇发动机半实物仿真系统设计

本文研究了虚拟仪器技术在某型涡扇发动机半实物仿真系统中的应用,介绍了基于虚拟仪器技术的系统硬件结构设计、软件结构设计.该系统能完成涡扇发动机的静态和动态过程的半实物仿真实验,且具有高测试精度、高可靠性、人机交互性好等特点.实验结果表明该实验系统具有很大的实用价值,能满足科研工作的需要.     

某涡扇发动机最小油耗模式性能优化算法研究

针对发动机安全性、减少油耗、降低热应力问题,研究某型涡扇发动机非线性数学模型,在满足发动机各部件物理约束条件和推力相等的条件下,采用遗传算法就巡航状态下耗油率最低,对性能指标进行寻优,寻优过程用GAlib类库的遗传算法和涡扇发动机非线性数学模型结合编程实现.在地面及空中巡航状态下分别进行仿真,在推力相等的条件下,地面巡航状态的耗油率在优化后比优化前降低了13.8%,空中巡航状态的耗油率在优化后比优化前降低了9.45%.研究表明:遗传算法适用于像涡扇发动机巡航状态性能寻优这样大规模、高度非线性及无解析表达式的性能优化.     

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.     

基于虚拟现实技术的航空涡扇发动机仿真系统

利用虚拟现实技术的优势和特点,研制成功一大型航空燃气涡轮风扇发动机仿真系统.系统采用了多种虚拟现实的关键技术,创造了一个具有强烈沉浸感和真实感的虚拟实验环境,并利用此环境结合航空发动机的专业知识开发成功了三大功能模块,直观生动地揭示了发动机原理,发动机构造,发动机试车等航空燃气涡轮风扇发动机的主要部分专业理论知识,为航空发动机领域相关从业人员带来了一种全新的学习研究工具.     

一种航空发动机加速控制参数优化新方法

研究航空发动机加速控制器参数优化问题,对衡量军用飞机性能优劣起着重要作用.针对目前适用于航空发动机加速控制器参数优化的方法很少且效果不佳的问题,根据发动机非线性和时变性强的特点,采用在常规N-M单纯形非线性优化算法的基础上,结合平移误差阈值判断,引入顶点平移的改进单纯形法对PID控制器的比例、积分、微分系数进行参数优化,以调节时间与误差平方和压气机喘振裕度乘积的积分建立目标函数,寻优过程用基于CodeBlocks平台的C语言编制控制算法实现.仿真结果表明,改进方法收敛速度快,实时性好,满足发动机加速过程响应时间短,不喘振、不超温的要求.     

基于并行计算的涡扇发动机建模仿真

航空发动机是一个复杂的非线性气动热力系统,建立相应的数学模型是发动机研究的重要手段之一.文中运用并行计算方法,根据涡扇发动机的各个部件特性进行建模和仿真,对发动机的动态和稳态性能进行计算和分析.在发动机模型非线性平衡方程中,运用块Broyden广义最小余数迭代法(GMRES(m))算法对非线性方程分块并行求解.并将具体模型的计算结果其他算法下的模型对比,显示了并行计算在速度上优于传统模型,可以用于发动机仿真计算.     

民航涡扇发动机故障诊断的人工神经网络方法仿真研究

民用航空发动机故障诊断的方法很多，而各种方法在具体操作过程中有着不同的作用和意义。本文提出一种依靠人工神经网络方法研究民航发动机各种故障征兆影响因素的作用程度，并利用其仿真数据分析，找出具体工况过程中作用相对较大的因素。从而在适时与视情维修过程中提出合理的建议，以便为相应维修方法的实施、改进和研究应用提供可靠的依据。     

Operation Optimal Control of Urban Rail Train Based on Multi-Objective Particle Swarm Optimization

The energy consumption of train operation occupies a large proportion of the total consumption of railway transportation. In order to improve the operating energy utilization rate of trains, a multi-objective particle swarm optimization (MPSO) algorithm with energy consumption, punctuality and parking accuracy as the objective and safety as the constraint is built. To accelerate its the convergence process, the train operation progression is divided into several modes according to the train speed-distance curve. A human-computer interactive particle swarm optimization algorithm is proposed, which presents the optimized results after a certain number of iterations to the decision maker, and the satisfactory outcomes can be obtained after a limited number of adjustments. The multi-objective particle swarm optimization (MPSO) algorithm is used to optimize the train operation process. An algorithm based on the important relationship between the objective and the preference information of the given reference points is suggested to overcome the shortcomings of the existing algorithms. These methods significantly increase the computational complexity and convergence of the algorithm. An adaptive fuzzy logic system that can simultaneously utilize experience information and field data information is proposed to adjust the consequences of off-line optimization in real time, thereby eliminating the influence of uncertainty on train operation. After optimization and adjustment, the whole running time has been increased by 0.5 s, the energy consumption has been reduced by 12%, the parking accuracy has been increased by 8%, and the comprehensive performance has been enhanced.     

MOVPSO: Vortex Multi-Objective Particle Swarm Optimization

This paper presents the Multi-Objective Vortex Particle Swarm Optimization MOVPSO as a strategy based on the behavior of a particle swarm using rotational and translational motions. The MOVPSO strategy is based upon the emulation of the emerging property performed by a swarm (flock), achieving a successful motion with diversity control, via collaborative, using linear and circular movements.The proposed algorithm is tested through several multi-objective optimization functions and is compared with standard Multi-Objective Particle Swarm Optimization (MOPSO).The qualitative results show that particle swarms behave as expected. Finally, statistical analysis allows to appreciate that the MOVPSO algorithm has a favorable performance compared to traditional MOPSO algorithm.