航空发动机鲁棒自适应控制及神经网络补偿研究

论文摘要

先进控制策略是当今航空发动机控制的主流方向。本文以航空发动机为研究对象,采用数字仿真与实物在回路仿真试验相结合的方法,从工程实用的角度,对航空发动机开展模型参考自适应控制和基于自适应控制的神经网络补偿技术研究。在自适应控制方面,提出一种e修正的鲁棒模型参考自适应控制方案,将其应用于航空发动机转速和压比控制回路。数字仿真结果表明:带e修正的模型参考自适应控制方案实时性良好,在全包线范围内表现出较好的鲁棒性。在神经网络控制方面,提出了自适应控制的BP神经网络补偿的控制方案。该控制算法是在e修正的模型参考自适应控制的基础上,利用神经网络的非线性逼近能力来补偿系统的非线性特性,将其应用于航空发动机转速和压比控制回路。自适应控制的参数和神经网络的权重均在线调整。基于李雅普诺夫稳定性理论设计的在线学习算法保证了系统的稳定性。数字仿真结果表明通过神经网络的补偿可以进一步提高该系统在全包线范围内的动静态特性。将上述算法应用于航空发动机转速控制系统,在飞行/推进系统综合仿真平台上进行了实物在回路仿真试验,结果表明该控制算法对航空发动机具有很好的跟踪性能,可以满足工程实际应用的需要。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外自适应控制的研究概况
• 1.3 国内外神经网络控制的研究概况
• 1.4 国内外发动机实物在回路试验的研究情况
• 1.5 本文研究内容及安排
• 第二章 带e 修正的航空发动机模型参考自适应控制
• 2.1 控制计划和性能指标
• 2.2 航空发动机的模型参考自适应控制系统的设计
• 2.2.1 算法设计
• 2.2.2 转速回路仿真分析
• 2.2.3 压比回路仿真分析
• 2.3 带e 修正的航空发动机模型参考自适应控制系统的设计
• 2.3.1 算法设计
• 2.3.2 转速回路仿真分析
• 2.3.3 压比回路仿真分析
• 2.3.4 参考模型为二阶的算法设计和仿真分析
• 第三章 发动机自适应控制及神经网络补偿
• 3.1 BP 神经网络
• 3.2 发动机控制系统设计
• 3.2.1 控制算法
• 3.2.2 稳定性证明
• 3.3 转速控制回路仿真结果及分析
• 3.3.1 飞行包线内仿真结果
• 3.3.2 不同隐层节点仿真对比
• 3.4 压比控制回路仿真结果及分析
• 第四章 航空发动机实物在回路试验研究
• 4.1 引言
• 4.2 实物在回路试验环境
• 4.2.1 飞行/推进系统综合试验台
• 4.2.2 电机开环辨识试验
• 4.3 发动机自适应控制试验研究
• 4.4 发动机自适应神经网络控制试验研究
• 第五章 总结与展望
• 5.1 总结
• 5.2 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