基于小波神经网络的航空发动机控制与试验验证

论文摘要

论文研究了航空发动机多变量模型参考自适应PID控制方法,提出了基于小波神经网络辨识的航空发动机PID和神经网络PID控制算法。设计了实物在回路仿真试验平台的相关软件,并开展了仿真试验研究。由于小波变换具有良好的时频局部特性,采用规范正交的小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数的紧支性、波动性以及神经网络的非线性映射能力、自学习、自适应能力等优点。用小波神经网络整定的PID控制系统收敛速度快、精度高、鲁棒性好。论文采用基于小波神经网络方法在线整定PID控制器参数,取得了良好的控制效果,最后用实例验证了其有效性。以某型涡扇发动机为对象,用本文研究控制方法设计了适用于全飞行包线的数字控制器,并构建实物在回路仿真试验平台。利用一台工控机作为模型计算机,一台工控机作为控制器计算机,用C8051F021单片机及其外围电路模拟传感器,解决了数据接口的定义及其相互之间的通讯,实现信号之间的互通。运用Visual C++ 6.0开发模型计算机和控制器计算机软件,使用Silicon Laboratories IDE开发C8051F021单片机软件。最后在该试验台进行实物在回路仿真试验,验证了本文成果是具有实用价值的。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 系统仿真技术概述
• 1.2 航空发动机控制系统的发展
• 1.3 航空发动机控制方法
• 1.4 本文内容安排
• 第二章 实物在回路仿真试验平台
• 2.1 引言
• 2.2 模型计算机软件设计及其通信实现
• 2.2.1 模型计算机软件总体设计
• 2.2.2 模型计算机通信的实现
• 2.2.2.1 串口通信协议的编制
• 2.2.2.2 模型计算机串口通信的软件实现
• 2.3 C8051F021 单片机软件开发
• 2.3.1 C8051F021 单片机软件总体设计
• 2.3.2 C8051F021 单片机软件的具体实现
• 2.3.2.1 系统模块初始化
• 2.3.2.2 20ms 定时的实现
• 2.3.2.3 信号模拟电路串口通信的实现
• 2.3.2.4 转速频率信号数据处理
• 2.3.2.5 SPI 串行接口总线相关数据处理
• 2.3.2.6 数据采集
• 2.4 控制器计算机软件设计及PCI 板卡数据采集与发送的实现
• 2.4.1 控制器计算机软件总体设计
• 2.4.2 PCI 板卡数据采集与发送程序的实现及改进
• 2.5 定时器的选择
• 2.6 小结
• 第三章 小波神经网络算法
• 3.1 小波神经网络的简介
• 3.1.1 小波分析的基本原理
• 3.1.2 BP 神经网络的基本思想
• 3.1.3 小波神经网络的基本思想
• 3.2 小波神经网络算法
• 3.2.1 基本学习算法
• 3.2.2 改进学习算法
• 3.3 小波神经网络的具体实现
• 3.4 小波神经网络辨识实例
• 3.5 小结
• 第四章 基于小波辨识的PID 控制器设计
• 4.1 引言
• 4.2 单神经元PID 控制
• 4.2.1 控制算法
• 4.2.2 仿真结果
• 4.3 基于小波神经网络辨识的PID 控制
• 4.3.1 控制算法
• 4.3.2 仿真结果
• 4.4 基于小波神经网络辨识的单神经元PID 控制
• 4.4.1 控制算法
• 4.4.2 仿真结果
• 4.5 小结
• 第五章 控制系统仿真试验验证
• 5.1 引言
• 5.2 与全数字模拟的区别
• 5.2.1 噪声
• 5.2.2 滞后
• 5.2.3 转换误差
• 5.3 带噪声、滞后的全数字仿真
• 5.4 控制器实物在回路仿真
• 5.4.1 单神经元PID 控制
• 5.4.2 基于小波神经网络辨识的PID 控制
• 5.4.3 基于小波神经网络辨识的单神经元PID 控制
• 5.4.4 试验小结
• 5.5 小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 未来工作展望
• 致谢
• 参考文献
• 在学期间的研究成果及发表的学术论文