航空发动机神经网络直接推力逆控制

论文摘要

航空发动机的主要作用就是为飞机提供推力,如何实现推力的有效控制就是研究人员最关心的问题。因为在飞行中推力不易直接测量,传统的基于传感器的航空发动机控制是将一些可测量参数作为被控制量,如高低压转子转速,压比等,因为可由这些变量推算出推力,通过调节被控制量间接进行推力控制。但是由于推算过程不准确,为保证航空发动机安全工作,在设计过程中,设计者不得不保留较大的设计裕度或安全系数。这就意味着势必要以“牺牲”发动机性能来换得发动机的安全运行。为了充分挖掘发动机的潜在性能,本文对发动机的直接推力控制进行了探索性研究。为了实现航空发动机直接推力控制,本文以某型涡扇发动机为对象,首先开展了基于神经网络的发动机推力估计器的研究设计工作,提出了自适应遗传神经网络算法,并将其应用于推力估计器的设计,数字仿真表明,效果良好。接下来,作者又运用鲁棒性好,且可以有效消除静差的增广LQR方法设计了发动机直接推力控制器,以推力估计器的估计推力作为反馈信号,实现了发动机的直接推力控制的数字仿真。近年来,由于神经网络逆控制在国内外非线性控制领域得到广泛研究和成功应用,作者针对航空发动机提出了基于神经网络逆控制器的航空发动机直接推力控制方案。本文研究设计了发动机神经网络逆控器,并结合推力估计器设计了基于神经网络逆控制器的发动机直接推力控制器,并做了数字仿真验证。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 直接推力控制
• 1.2 逆控制技术
• 1.3 本文研究内容
• 第二章 航空发动机非线性部件级模型
• 2.1 概述
• 2.2 航空发动机部件级模型
• 2.2.1 选定初猜值
• 2.2.2 航空发动机气动热力计算与共同工作方程
• 2.2.3 迭代法建立航空发动机全包线模型
• 2.3 本章小结
• 第三章 推力估计器设计
• 3.1 概述
• 3.2 样本数据的采集
• 3.3 样本数据的处理
• 3.4 神经网络输入变量的选择
• 3.4.1 机理分析法
• 3.4.2 相关分析法
• 3.4.3 遗传优化法
• 3.5 自适应遗传神经网络
• 3.5.1 自适应遗传神经网络算法（AGNNA）设计
• 3.5.2 基于AGNNA 的推力估计器设计
• 3.6 本章小结
• 第四章 基于增广LQR 方法的发动机直接推力控制
• 4.1 普通LQR 方法及其问题
• 4.2 增广LQR 控制器设计
• 4.2.1 状态变量模型（SVM）的形式
• 4.2.2 状态变量模型（SVM）系数矩阵的求取
• 4.2.3 状态变量模型（SVM）的精度
• 4.2.4 增广LQR 方法
• 4.2.5 状态变量模型控制仿真
• 4.3 基于增广LQR 方法的非线性模型直接推力控制
• 4.4 本章小结
• 第五章 基于神经网络逆控制的发动机直接推力控制
• 5.1 概述
• 5.2 总体控制方案
• 5.3 基于神经网络的逆控制器设计
• 5.4 直接推力逆控制仿真
• 5.5 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