Non-affine parameter dependent LPV model and LMI based adaptive control for turbofan engines

The precise control of turbofan engines thrust is an important guarantee for an aircraft to obtain good flight performance and a challenge due to complex nonlinear dynamics of engines and time-varying parameters. The main difficulties lie in the following two aspects. Firstly, it is hard to obtain an accurate kinetic model for the turbofan engine. Secondly, some model parameters often change in different flight conditions and states and even fluctuate sharply in some cases. These variable parameters bring huge challenge for the turbofan engine control. To solve the turbofan engine control problem, this paper presents a non-affine parameter-dependent Linear Parameter Varying(LPV) model-based adaptive control approach. In this approach, polynomial-based LPV modeling method is firstly employed to obtain the basis matrices, and then the Radial Basis Function Neural Networks(RBFNN) is introduced for the online estimation of the non-affine model parameters to improve the simulation performance. LPV model-based Linear Matrix Inequality(LMI) control method is applied to derive the control law. A robust control term is introduced to fix the estimation error of the nonlinear time-varying model parameters for better control performance. Finally, the Lyapunov stability analysis is performed to ensure the asymptotical convergence of the closed loop system. The simulation results show that the states of the engine can change smoothly and the thrust of the engine can accurately follow the desired trajectory, indicating that the proposed control approach is effective. The contribution of this work lies in the combination of linear system control and nonlinear system control methods to design an effective controller for the turbofan engine and to provide a new way for turbofan engine control research.     

涡扇发动机性能退化缓解控制与推力设定

为了补偿性能退化发动机的推力损失,减轻飞行员工作负担,提高推进系统的自动化程度,开展了涡扇发动机性能退化缓解控制(EPDMC)研究。针对某型涡扇发动机部件级模型设计了具备稳态控制、加/减速过渡态控制和极限保护等功能的基准控制器;在此基础上设计了外环推力控制回路,给出1种在多参数约束下的推力设定方法,并设计了合理的切换逻辑确保内外环控制器能协调工作。MATLAB/Simulink下的仿真结果表明:该智能改进控制系统架构可以在保证发动机安全工作的前提下,通过合理地设定期望推力,最大程度地补偿推力损失,维持油门杆角度和推力的对应关系近似不变。     

涡扇发动机分路式多变量PI解耦控制

根据基于模型的智能数字发动机控制的特点,针对某型涡扇发动机,以直接推力控制模式为例,研究了涡扇发动机分路式多变量PI解耦控制.并采用了零点配置技术保证解耦控制器的稳定性,通过稳态解耦矩阵对涡扇发动机进行解耦达到分路控制的目的.利用SISO系统PI控制器设计方法确定每个环路的最优PI控制器.仿真结果表明,该算法具有较好的动态和静态解耦性能.      

基于性能退化缓解的双发推力匹配控制

为了解决退化程度不同而导致的双发推力不匹配问题,首先介绍基于发动机性能退化缓解控制的双发推力匹配控制系统(在发动机基准控制系统的基础上添加外围控制回路实现对推力的间接控制,并通过设定双发共同遵循的期望推力减少由于发动机退化程度不同造成的双发推力差异),之后对该系统所涉及的推力设定、参数估计、转速指令修正等关键技术进行研究,最后在MATLAB/Simulink环境下进行仿真验证,结果表明:该系统可以在发动机参数限制范围内合理地设定双发共同遵循的期望推力,减少推力差异,满足自动协调双发推力匹配的设计要求。     

基于多项式平方和规划的涡扇发动机切换控制

针对航空发动机动态特性随飞行状态和飞行条件的变化范围大,单一控制器很难保证全包线内控制效果的问题,在航空发动机LPV模型基础上提出1种平滑过渡的切换控制方法。该方法根据发动机进口条件对飞行包线区域进行划分,按照多项式平方和规划理论以及平滑过渡切换律求取各子区域的Lyapunov函数及LPV控制器。在某型涡扇发动机上进行仿真验证,结果表明:所设计的切换LPV控制器在不同高度、马赫数和转速条件下均具有良好的性能和控制精度,可以实现平滑切换。     

基于平衡流形的航空发动机LPV建模方法

针对航空发动机线性变参数模型,基于平衡流形原理,研究了一种改进LPV建模方法.首先,根据平衡流形原理,构造涡扇发动机平衡流形参数化形式.其次,根据某型涡扇发动机非线性模型,建立基于局部线性模型的涡扇发动机准LPV模型.然后,建立基于平衡流形的航空发动机改进准LPV模型,即:利用平衡流形参数化形式,根据调度变量实时估算发动机平衡态,以更新发动机准LPV模型的参考平衡态.最后,通过对发动机从慢车状态到最大状态的阶梯加速过程进行仿真,表明改进UP模型的稳态和动态响应特性与发动机非线性模型保持很好地一致.     

LQG／LTR方法在涡扇发动机控制中的应用

采用LQG／LTR多变量鲁棒控制器设计方法设计了某型航空涡扇发动机控制器；利用神经网络拟合发动机飞行条件、状态与控制器参数之间的关系,验证了控制器在全飞行包线内的性能。仿真结果表明,发动机控制系统的指令跟踪、噪声抑制、抗干扰和鲁棒性等性能良好,能满足发动机稳态控制的要求。     

基于未知输入观测器的涡扇发动机直接推力控制

针对某型涡扇发动机,进行直接推力控制回路设计方法研究.基于未知输入观测器(UIO)原理建立了涡扇发动机机载模型和推力估计器,UIO通过解耦外界干扰实现了全飞行包线推力的准确估计;提出了直接推力闭环反馈控制的双回路结构设计方案,内环转速控制,外环推力控制,有利于实现各回路控制参数的独立设计.仿真验证结果表明:基于UIO的模型基涡扇发动机直接推力控制具有良好的控制稳定性和抗干扰性能,对于发动机不同工作点直接推力控制,推力控制误差不超过0.1%,转速控制偏差不超过0.2%.      

基于切换多胞LPV的涡扇发动机全包线中间状态控制

针对航空发动机全包线内参数变化范围较大,单一控制器很难保证全包线内的控制效果的问题,提出了基于切换多胞线性变参数（LPV）的发动机全包线中间状态控制方法.根据发动机的进口条件将飞行包线分为相互重叠的子区域,将多胞理论及状态重置切换方法引入控制器求解,给出了能够保证切换多胞LPV系统鲁棒稳定的线性矩阵不等式（LMI）条件;利用求解出的Lyapunov矩阵设计各子区域的LPV控制器,并结合几何位置调度策略实现子区域LPV控制;利用局部重叠的滞后切换策略和状态重置切换律实现全包线内各控制器的切换,并证明了该闭环切换系统的稳定性.最终以某型涡扇发动机为研究对象进行仿真验证,结果表明:采用该控制方法稳态误差能够控制在0.1%以内,超调量不大于0.5%.      

增广预测模型的航空发动机多变量约束预测控制

针对模型不匹配导致的模型预测控制性能下降的问题，提出了一种基于增广预测模型的航空发动机多变量约束预测控制器设计方法。在现有发动机状态空间模型基础上，将指令跟踪误差与系统状态的变化量增广为状态向量，设计增广预测模型以消除稳态跟踪误差，以控制量所需能量与模型预测输出误差最小为目标，利用带约束的序列二次规划（SQP）算法在线滚动优化控制变量。通过某型涡扇发动机非线性部件级模型的包线内不同状态下仿真分析，结果表明，控制系统无稳态误差，调节时间<2s，有效提高了发动机控制品质，实现了对输出量的限制管理。     

基于混合区域极点配置的航空发动机全包线鲁棒变参数控制器设计

针对航空发动机全包线多变量鲁棒变增益控制器设计问题,提出了一种基于混合区域极点配置的鲁棒变参数控制方法。利用Jacobian方法建立多调度参数下的发动机仿射线性变参数(Linear parameter varying,LPV)模型,用于描述发动机全包线内的非线性动态特性;针对上述LPV模型,采用仿射参数依赖Lyapunov函数设计具有H∞鲁棒性能的状态反馈控制器,给出了控制系统全局稳定性的证明;并利用混合区域极点配置方法,将闭环系统极点配置到左半平面指定位置,以保证控制系统的动态特性及稳定裕度;进而引入凸多胞技术,将参数依赖线性矩阵不等式(Linear matrix inequality,LMI)方程转化为有限维LMI进行控制器求解,并得到了全局解。针对涡扇发动机的仿真结果表明:存在复杂量测噪声干扰条件下,鲁棒变参数控制器可以实现发动机全包线内控制指令的精确跟踪,系统阶跃响应的调节时间不超过1.5s,系统无超调,对控制期望的稳态跟踪误差在0.02%以内,符合发动机控制系统技术要求。     

矢量喷管控制对发动机性能的影响

建立了带推力矢量的涡扇发动机数学模型。结合某型涡扇发动机研究了矢量喷管偏转对发动机工作和性能的影响,研究结果表明,矢量喷管偏转时,在一定条件下,发动机低压转子共同工作线向喘振边界移动,而高压转子共同工作线不发生变化,发动机总推力是增大的。但当将矢量喷管偏转与喉部面积放大相结合,可使发动机保持原工作状态不变,而发动机总推力却随着几何矢量角的增大而减小。      

高推重比涡扇发动机性能寻优分析研究

本文在变几何涡扇发动机推进系统性能模型基础上,采用综合优化方法,分别以安装推力最大、安装耗油率最低和涡轮前温度最低为推进系统性能寻优的目标,针对某高推重比加力涡扇发动机进行了稳态安装性能最优化计算。分析结果表明,对于包含多个可调节几何参数的军用加力涡扇发动机而言,在基准调节规律的基础上对发动机进行性能寻优控制,可以明显改善推进系统的性能,从而大幅度提高飞机的综合作战能力。      

Gain self-scheduled H_∞ control for morphing aircraft in the wing transition process based on an LPV model

This article investigates gain self-scheduled H 1 robust control system design for a tailless fold- ing-wing morphing aircraft in the wing shape varying process. During the wing morphing phase, the aircraft’s dynamic response will be governed by time-varying aerodynamic forces and moments. Nonlinear dynamic equations of the morphing aircraft are linearized by using Jacobian linearization approach, and a linear parameter varying (LPV) model of the morphing aircraft in wing folding is obtained. A multi-loop controller for the morphing aircraft is formulated to guarantee stability for the wing shape transition process. The proposed controller uses a set of inner-loop gains to provide stability using classical techniques, whereas a gain self-scheduled H 1 outer-loop controller is devised to guarantee a specific level of robust stability and performance for the time-varying dynamics. The closed-loop simulations show that speed and altitude vary slightly during the whole wing folding process, and they converge rapidly after the process ends. This proves that the gain self-scheduled H 1 robust controller can guarantee a satisfactory dynamic performance for the morphing aircraft during the whole wing shape transition process. Finally, the flight control system’s robustness for the wing folding process is verified according to uncertainties of the aerodynamic parameters in the nonlinear model.     

Two freedom linear parameter varying μ synthesis control for flight environment testbed

To solve the problem of robust servo performance of Flight Environment Testbed(FET)of Altitude Ground Test Facilities(AGTF) over the whole operational envelope, a two-degree-offreedom μ synthesis method based on Linear Parameter Varying(LPV) schematic is proposed, and meanwhile a new structure frame of μ synthesis control on two degrees of freedom with double integral and weighting functions is presented, which constitutes a core support part of the paper. Aimed at the problem of reference command's rapid change, one freedom feed forward is adopted, while another freedom output feedback is used to meet good servo tracking as well as disturbance and noise rejection; furthermore, to overcome the overshoot problem and acquire dynamic tuning,the integral is introduced in inner loop, and another integral controller is used in outer loop in order to guarantee steady errors; additionally, two performance weighting functions are designed to achieve robust specialty and control energy limit considering the uncertainties in system. As the schedule parameters change over large flight envelope, the stability of closed-loop LPV system is proved using Lyapunov inequalities. The simulation results show that the relative tracking errors of temperature and pressure are less than 0.5% with LPV μ synthesis controller. Meanwhile, compared with non-LPV μ synthesis controller in large uncertainty range, the proposed approach in this research can ensure robust servo performance of FET over the whole operational envelope.     

航空发动机推力衰退缓解的神经网络控制

针对航空发动机气路部件性能退化导致的推力下降问题,提出一种基于变增量线性规划(LP)优化 神经网络控制方法用于航空发动机推力衰退缓解控制。该方法通过内环控制转速和发动机压比,外环修正发动机指令信号以缓解发动机推力衰退。其中内环非线性自回归滑动平均(NARMA-L2)转速控制器由神经网络训练得到;外环指令修正回路利用变增量LP优化方法调整发动机指令信号。以某型小涵道比涡扇发动机为对象进行仿真验证,结果表明,在4组仿真条件下,设计的控制方法在保证性能退化的发动机不超限的条件下使推力衰退至少缓解了46.5%,验证了该方法的有效性。     

航空发动机增益调度控制的多项式平方和规划方法

针对现有的线性变参数(linear parameter varying,LPV)控制器设计方法都是关于仿射参数依赖系统而没有专门针对多项式描述的LPV系统这一现状,提出了一种基于多项式平方和(sum of squares,SOS)规划的增益调度控制设计方法,并将其用于转速大范围变化时的航空发动机高压转子转速及压比控制.根据发动机非线性模型获取不同转速下的状态空间模型,并利用多项式拟合的方法建立发动机线性变参数模型.给出能够保证无静差的增益调度控制结构,利用有界实定理和多项式平方和理论推导出能够保证闭环系统鲁棒稳定的SOS约束条件,并形成控制器求解的SOS规划问题,通过求解获得多项式描述的增益调度控制器.分别以LPV模型和发动机非线性模型为对象做阶跃仿真,结果表明:高压转子转速/发动机压比控制系统的调节时间在2s以内,稳态误差不超过0.1%.      

涡扇发动机自增益调度H_∞控制器设计

对可以用LPV(线性变参数)系统表示的涡扇发动机对象,将其凸分解为多胞表示,利用多胞特性将整个控制器设计转化为对胞体顶点控制器的设计。然后利用LMI(线性矩阵不等式)方法,对多胞的各顶点设计具有单一Lyapunov函数满足H∞性能且极点在给定区域的输出反馈控制器,综合顶点控制器得到具有同样多胞结构的全局连续变增益控制器。通过与一般的PID控制器进行对比验证了此控制器的有效性。      

航空发动机线性变参数建模方法研究

针对航空发动机增益调度控制技术使用的线性变参数(Linear Parameter Varying-LPV)模型,研究了两种LPV建模方法—雅克比和基于变化率方法。建立了涡扇发动机准LPV模型,进行了动态仿真验证。结果表明,与非线性模型相比,所建立的准LPV模型具有较好的动态性能,为航空发动机LPV增益控制研究提供了保证。     

基于遗传算法的涡扇发动机最大状态性能寻优

对某型涡扇发动机的最大非加力寻优模式进行分析,在满足该发动机各部件的物理约束条件下,采用遗传算法对其进行性能寻优,提高其最大剩余推力值.寻优过程由基于GAlib类库的遗传算法和该涡扇发动机非线性数学模型结合编程实现.在此基础上,对遗传算法的主要运行参数进行分析和优化.在地面状态下进行仿真,其剩余推力值与设计点相比提高了4.84%.研究结果表明:遗传算法作为一种有效的全局并行优化搜索工具,适合于像涡扇发动机最大非加力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问题;通过对遗传算法运行参数的优化,能有效的提高寻优速度并减小计算量,提高运算效率.