涡轴发动机建模与智能控制研究

论文摘要

航空涡轴发动机是一类非常复杂的高度非线性时变系统，其真实工作环境恶劣，在全包线飞行范围内有诸多不确定因素且控制变量多。为了更好地对发动机进行研究，需要建立一个精确的数学模型，在数学模型上对发动机进行控制系统设计。目前，由人工神经网络构成的智能控制具有较强自学习、自适应功能，将其应用于涡轴发动机中将能够有效地解决发动机控制对象复杂、非线性强的难题。本文首先采用解析法根据发动机工作所遵循的气动、热力学规律建立涡轴发动机的非线性部件级模型，用相应的气动热力学方程代替涡轴发动机的真实工作部件，同时根据旋翼的特性数据采用拟合法建立旋翼模型，然后根据发动机工作必须遵循的质量、能量守恒定律将各个部件串联起来，形成共同的整体，得到共同的工作方程组，利用Newton-Raphson方法求解这些非线性方程组得到发动机相关参数，模拟发动机真实工作的气动热力状态变化。最后针对已建的发动机模型进行控制系统设计。分别将具有自学习和自适应能力的单神经元网络和BP神经网络与简单易行的传统PID控制相结合，设计出能够在线调整参数的单神经元智能PID控制器和BP神经网络智能PID控制器，两个控制器都是基于功率反馈进行设计，把功率直接引入控制器中参与控制调节，大大增强系统控制的灵敏度，同时可提高控制器的效率。分别用两个控制器对模型进行动、稳态仿真，验证模型的正确性以及控制器的性能。根据仿真结果综合两个控制器的特点，建立模型的智能寻优控制器。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 涡轴发动机建模概述
• 1.3 涡轴发动机智能控制概述
• 1.4 本文内容安排
• 第二章 涡轴发动机部件级模型及旋翼模型
• 2.1 概述
• 2.2 涡轴发动机各部件模型
• 2.2.1 进气道
• 2.2.2 压气机
• 2.2.3 燃烧室
• 2.2.4 燃气涡轮
• 2.2.5 动力涡轮
• 2.2.6 尾喷管
• 2.3 旋翼模型
• 2.3.1 引言
• 2.3.2 旋翼数学模型
• 2.4 发动机稳态模型
• 2.4.1 稳态控制方程
• 2.4.2 求解稳态模型
• 2.5 发动机动态模型
• 2.5.1 动态控制方程
• 2.5.2 求解动态模型
• 2.6 本章小结
• 第三章 基于功率反馈的单神经元网络 PID 控制
• 3.1 概述
• 3.2 基于功率反馈的控制器设计
• 3.3 单神经元自适应 PID 控制
• 3.3.1 单神经元网络
• 3.3.2 增益自适应控制
• 3.3.3 基于二次型性能指标的加权系数调整
• 3.4 基于功率反馈的单神经元 PID 控制
• 3.5 参数归一化处理
• 3.6 控制系统仿真
• 3.6.1 发动机稳态仿真
• 3.6.2 发动机动态仿真
• 3.6.3 仿真结果总结分析
• 3.7 本章小结
• 第四章 基于功率反馈的 BP 神经网络 PID 控制
• 4.1 概述
• 4.2 BP 神经网络 PID 控制
• 4.2.1 BP 神经网络
• 4.2.2 控制算法
• 4.2.3 算法优化
• 4.3 涡轴发动机系统平衡关系分析
• 4.4 基于功率反馈的 BP 神经网络 PID 控制
• 4.5 控制系统仿真
• 4.5.1 发动机稳态仿真
• 4.5.2 发动机动态仿真
• 4.5.3 仿真结果总结分析
• 4.6 本章小结
• 第五章 寻优智能控制
• 5.1 概述
• 5.2 建立寻优模糊控制规则
• 5.2.1 定义模糊集合
• 5.2.2 控制器切换保护
• 5.2.3 量化因子的确定
• 5.3 寻优智能控制系统及其仿真
• 5.3.1 寻优智能控制系统
• 5.3.2 系统仿真
• 5.3.2.1 稳态仿真
• 5.3.2.2 动态仿真
• 5.3.2.3 仿真结果总结分析
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文