基于RBF网络的航空发动机 terminal滑模控制

针对现代航空发动机是一个具有不确定性的强非线性系统,结合滑模控制和神经网络控制的优点,提出了一种基于径向基函数(radical basis function,简称RBF)网络的航空发动机terminal滑模控制方法.分析了传统指数趋近律的不足,提出了一种改进的指数趋近律来削弱抖振.该控制器采用terminal滑模面,并且利用径向基函数神经网络在线实时补偿未知干扰和不确定项的影响.仿真结果表明,所设计的控制器取得了令人满意的控制效果,能有效地抑制干扰和参数不确定性的影响,削弱了抖振.      

航空发动机自适应神经网络PID控制

本文提出了一种航空发动机多变量自适应神经网络 PID控制方法, 采用基于共轭梯度的神经网络学习算法在线整定控制器参数。该控制器的设计无需知道发动机精确模型, 具有响应速度快、抗干扰能力强和鲁棒性好等优点。控制器不仅算法简单, 实现容易, 而且适用范围广。      

航空发动机T-S分布式系统自适应鲁棒滑模控制

为提高航空发动机非线性不确定分布式控制系统的鲁棒性,考虑参数摄动,外部干扰,随机时延的影响,采用一种基于飞行包线划分的航空发动机T-S模糊模型,进行了鲁棒自适应滑模控制方法的研究。基于鲁棒H∞理论,针对模糊规则的状态空间模型,推导了滑模运动渐进稳定的充分条件,设计具有扰动抑制性能的鲁棒滑模面;基于并行分布补偿技术,采用与T-S模型相同的模糊规则,确定全局模糊滑模控制器设计策略,在此基础上,采用自适应技术估计未知干扰上界,设计了自适应滑模控制器,并证明了系统在控制器作用下的到达性。仿真结果表明该方法能够保证系统渐进稳定,对所考虑的不确定性因素鲁棒性较好,有效削弱了抖振,对不同工作点和干扰条件具有良好的适应性。     

航空发动机多变量模糊滑模变结构模型跟踪控制

针对现代航空发动机是一个具有不确定性的强非线性系统,结合滑模变结构控制和模糊逻辑系统的优点,提出了一种模糊滑模变结构模型跟踪控制方法。采用比例积分型切换超平面设计滑模变结构控制系统,使用模糊逻辑系统自适应调节切换增益,得到某涡扇发动机的模糊滑模变结构模型跟踪控制器。数字仿真结果表明,所设计的控制器不但能使被控对象较好地跟踪参考模型,消除抖振现象,而且对系统的不确定性具有不变性,保证了被控系统在整个控制阶段都具有较强的鲁棒性。     

航空发动机神经网络自适应控制研究

本文研究神经网络自适应控制方法及其在航空发动机控制中应用。结合某型航空涡喷发动机,首先研究采用神经网络进行非线性动态系统辨识,包括神经网络模型辨识的格式、输入信号形式等问题。然后,提出了一种神经网络自适应控制方法,阐明了该方法基本结构、原理。最后,在选定的设计点处进行发动机控制系统设计,当偏离设计点时,利用神经网络很强的学习、适应能力,通过在线修正神经网络参数,使控制系统仍保持良好性能。      

某型发动机数控系统的相似参数自适应控制

针对航空发动机在全飞行包线非线性和时变的特点,提出了参数自适应PID控制器设计方法,研究了用最小二乘法和相似参数法两种参数估计器进行在线参数辨识和参数整定的问题。通过与发动机线性模型和部件级非线性模型的仿真,对两种控制算法进行了比较,确定了相似参数法自适应PID控制器具有稳定性好,计算简单,适用于全包线等优点。将相似参数法自适应PID控制器用于某型航空发动机全权限数控系统,通过试车和试飞,验证了该方法的优点。      

基于滑模神经网络的自主飞艇姿态控制

针对自主飞艇飞行环境的不确定性,提出了一种基于自适应滑模神经网络的姿态控制系统.平流层高空飞行环境对飞艇控制产生了许多不确定性因素,利用自适应变结构控制和神经网络方法设计了飞艇的俯仰通道控制器.非线性仿真结果表明:控制器能够适应对象结构参数及外部扰动的大范围变化,满足姿态控制稳定性要求,同时也消除了变结构控制系统的抖振,具有良好的鲁棒性和动态性能.     

基于自适应滑模观测器的航空发动机故障诊断

为解决现有航空发动机基于模型的在线故障诊断方法存在对模型精度要求高等的问题,利用滑模方法设计一种自适应滑模观测器对航空发动机进行在线故障重构、诊断与隔离。对传感器故障和执行机构故障分别设计了重构算法,针对两者重构故障的特点提出了判断逻辑,讨论了设计参数对于观测效果与抖振的影响。 Matlab/Simulink仿真结果显示,重构的故障与实际故障基本吻合,对故障的诊断、隔离、定位具有良好效果,并对环境不确定性具有优良的鲁棒性。     

航空发动机神经网络自学习PID控制

将神经网络与传统的PID控制相结合,构成神经网络自学习PID控制,用神经网络在线整定PID控制器的比例、积分及微分三个参数,使被控对象跟踪理想参考模型的输出。该系统具有自学习能力,能适用于非线性、时变的被控对象。将神经网络自学习PID控制方法用于航空发动机全包线控制以及蜕化发动机的控制,进行了数字仿真,验证了该方法的有效性。     

航空发动机自抗扰控制器简捷设计与应用

针对航空发动机的强非线性特征,进行了自抗扰控制器(ADRC)技术在航空发动机控制系统中的应用研究。首先,从工程应用的角度出发,给出1种简捷自抗扰制器设计方法,从而减少需整定参数和以增强设计参数的物理直观性,以方便设计;然后,将该方法应用于某型涡扇发动机控制器设计。仿真结果表明:ADRC比PID控制方法有效。     

基于神经网络的双馈感应发电机滑模控制

针对不平衡电网下双馈感应发电机运行不佳的问题,将神经网络控制和二阶滑模控制相结合构成的神经网络滑模控制器运用到双馈风力发电机的直接功率控制中。设计了二阶滑模控制器,二阶滑模能够有效地削弱传统滑模控制的抖振;接着,设计了径向基神经网络对系统的不确定部分进行逼近;最后,基于李雅普诺夫稳定性定理推导了神经网络权值更新律,证明了控制系统的稳定性。仿真结果表明所设计控制策略能对有功、无功功率及其定子电流进行有效控制,削弱了传统滑模控制中的抖振。     

基于模糊径向基函数神经网络的永磁同步电机滑模观测器设计

针对传统滑模控制易导致系统出现抖振的问题,提出了一种模糊径向基函数(RBF)神经网络滑模观测器来实现永磁同步电机(PMSM)无传感器控制。为了减小观测器系统抖振,利用模糊RBF神经网络算法动态调整滑模增益,并采用李雅普诺夫稳定性定理证明了该模糊神经网络观测器的稳定性;利用锁相环(PLL)技术提高估算精度,并削弱计算噪声。基于MATLAB/Simulink软件平台搭建了仿真模型,将模糊RBF神经网络滑模观测器系统与传统滑模观测系统进行对比。结果表明,与传统的滑模观测器相比,新型滑模观测器能够快速、有效地跟踪转子位置,精确估算出转子速度,同时具有较好的动态特性。     

基于粒子群神经网络的轮盘优化

将粒子群算法(PSO)和BP神经网络相结合, 构建了一种新型智能结构优化算法.PSO方法除用于结构优化外, 还被用于BP神经网络的构造及网络训练, 使之可自适应调整优化.结构优化中, 以BP神经网络取代有限元方法, 通过设计变量来映射目标函数和约束, 从而大大提高了计算速度.将此方法用于轮盘结构优化, 使得轮盘体积减少了17.5%, 结果通过检验.该方法便捷、高效, 为解决工程结构优化问题提供了一个新途径.      

基于面向对象方法的压气机性能计算

提出一套预测压气机未知特性的方法,并基于面向对象思想采用变比热容计算方法进行压气机性能计算的分析和编程.结合粒子群优化（PSO）的全局寻优能力和反向传播（BP）神经网络的局部寻优能力提出基于PSO的BP神经网络（PSO-BP神经网络）预测压气机特性,分析了其预测误差和拟合误差:拟合误差基本都小于0.5%,预测误差基本都小于0.8%.其拟合精度和预测精度满足要求.采用变比热容计算方法来计算压气机性能,并采用面向对象方法编写了压气机性能计算程序.对几个压气机变工况点进行验证,各输出参数的最大误差为1.12%.因此,特性预测方法和性能计算的数学模型适用于压气机性能计算,这套方法同样适用于燃气轮机性能计算.      

基于DMOM算法的航空发动机性能寻优控制

提出一种分散迁移优化算法(DMOM),可实现多峰值优化问题的全局最优解搜索.该算法通过随机选择参考粒子,不断迁移搜索自身所处区域峰值点,再通过分散操作排除局部最优点,重新生成新个体,可快速搜索到全局最优区域.将DMOM应用于航空发动机性能寻优控制仿真,结果表明:在最小油耗和最低涡轮温度模式下, DMOM的寻优速度相比遗传算法(GA)和粒子群算法(PSO)提高了2倍以上;同时DMOM的优化精度相比自组织迁移算法(SOMA)提高了60%以上,相比可行性序列二次规划(FSQP)算法提高了20%以上.验证了DMOM相比其他优化算法有更强的跳出局部最优的能力,在航空发动机最小油耗和最低涡轮温度这类多峰值寻优问题中具有明显的优势.      

基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。     

电动汽车永磁同步电机滑模低速控制

针对采用永磁同步电机id=0矢量控制调速的电动汽车电机驱动控制系统,为了改善其抗负载扰动能力,并且当电动汽车处于低速运行时,能够输出大转矩,将滑模变结构控制中的变指数趋近律进行改进,设计了一种滑模速度控制器。为了减小滑模变结构控制的抖振问题,引入饱和函数来代替符号函数,同时考虑到滑模速度控制器中存在滞后问题,将饱和函数与经过积分环节后得到的信号相乘,在提高了响应速度的同时增强系统的抗扰动能力。经过仿真验证,不同负载工况下,滑模速度控制器具有较强的鲁棒性和抗扰动能力,满足电动汽车低速运行工况下输出大转矩的要求。     

基于进化神经网络的压气机结垢性能退化评估

采用进化神经网络方法,通过测量参数对压气机结垢性能退化模式进行了定量监控和评估。运用粒子群算法优化径向基函数(Radial Base Function,RBF)神经网络的初始权值,即由神经网络训练样本所得到的实际和期望的输出之间的误差平方和构造适应度函数,对RBF神经网络的隐层中心、半径以及输入输出权值进行全局寻优搜索,设计了进化RBF神经网络,并对模拟得到的压气机结垢的样本进行训练和测试。结果表明:进化RBF神经网络的模式识别能力比普通RBF神经网络的要强,对燃气轮机性能退化评估和健康管理具有重要理论意义和应用价值。     

基于经验模态分解的航空器结构模态参数识别

介绍了一种基于经验模式分解（Empirical Mode Decomposition,EMD）与粒子群优化算法相结合的飞机结构模态参数辨识方法。一个复杂的脉冲响应信号利用EMD方法使得耦合在一起的多阶模态响应信号分解为与各单阶模态响应信号一一对应的分量,得到前几阶主要的内禀模式函数（Intrinsic Mode Function,IMF）,再对分解得到的每一单阶IMF利用粒子群算法辨识得到各阶模态参数。试验仿真结果表明该方法有较高的计算精度,可应用于结构运行模态分析,为飞机等结构设计、运行检测提供有力保障。