本文關鍵詞：基于啟發(fā)式優(yōu)化算法的航空發(fā)動機自適應控制

  更多相關文章： 航空發(fā)動機 自適應控制 神經(jīng)網(wǎng)絡 反步法 GA PID

【摘要】：航空發(fā)動機是一類非常復雜而且非線性很強的被控對象，具有非常強的不確定性和時變性，，并且建立其精確數(shù)學模型非常困難，將傳統(tǒng)的控制方法應用到航空發(fā)動機控制中一般都難以獲得令人滿意的效果。因此研究不依賴被控對象精確數(shù)學模型的控制算法成為一個重要研究方向。 首先，設計了一種遺傳算法與PID控制器相結(jié)合的控制方法。根據(jù)經(jīng)驗初步估計PID參數(shù)的大致范圍，然后再利用遺傳算法(GA)在這一大致范圍內(nèi)進行搜索優(yōu)化得到最優(yōu)的PID參數(shù)。為滿足性能指標的要求，設計了遺傳算法與PID控制器相結(jié)合的航空發(fā)動機控制系統(tǒng)。 其次，設計了一種基于遺傳算法的神經(jīng)網(wǎng)絡自適應控制的方法。利用遺傳算法搜索出一組最優(yōu)的神經(jīng)網(wǎng)絡初始權(quán)值，并利用神經(jīng)網(wǎng)絡對發(fā)動機進行在線實時辨識。神經(jīng)網(wǎng)絡辨識得到的靈敏度信息被反饋給神經(jīng)網(wǎng)絡控制器，確保神經(jīng)網(wǎng)絡控制器對發(fā)動機的準確控制。結(jié)合某型航空渦噴發(fā)動機，在選定的設計點處進行發(fā)動機控制系統(tǒng)設計。仿真結(jié)果表明該控制系統(tǒng)不僅具有良好的響應速度和超調(diào)量，而且具有較強抗干擾能力。 最后，設計了基于反步法的神經(jīng)網(wǎng)絡控制系統(tǒng)。由于發(fā)動機的空氣和燃油的流量不可得，因此設計了神經(jīng)網(wǎng)絡觀測器，由該觀測器估計出發(fā)動機的狀態(tài)變量。然后，基于反步法設計了神經(jīng)網(wǎng)絡控制器。仿真結(jié)果表明該控制系統(tǒng)有效的減小發(fā)動機燃燒的循環(huán)變動。
【關鍵詞】：航空發(fā)動機 自適應控制 神經(jīng)網(wǎng)絡 反步法 GA PID
【學位授予單位】：沈陽航空航天大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：V23;TP273
【目錄】：

• 摘要6-7
• Abstract7-12
• 第1章 緒論12-20
• 1.1 研究背景12-13
• 1.2 航空發(fā)動機控制研究概況13-16
• 1.3 低污染燃燒技術(shù)研究情況16-18
• 1.4 本文主要研究內(nèi)容18-20
• 第2章 渦噴發(fā)動機的 GA-PID 控制20-30
• 2.1 引言20-21
• 2.2 PID 控制原理21-22
• 2.3 遺傳算法的原理22-23
• 2.3.1 遺傳算法的歷史22-23
• 2.3.2 遺傳算法的基本原理23
• 2.3.3 遺傳算法的主要特點23
• 2.4 基于遺傳算法的 PID 控制設計23-27
• 2.5 仿真與結(jié)果分析27-29
• 2.6 本章小結(jié)29-30
• 第3章 渦噴發(fā)動機的神經(jīng)網(wǎng)絡自適應控制30-40
• 3.1 引言30-31
• 3.2 神經(jīng)網(wǎng)絡自適應控制系統(tǒng)設計31-34
• 3.3 遺傳算法學習神經(jīng)網(wǎng)絡初始權(quán)值34-36
• 3.3.1 編碼方式35
• 3.3.2 適應度函數(shù)35
• 3.3.3 遺傳操作35-36
• 3.4 仿真與結(jié)果分析36-39
• 3.5 本章小結(jié)39-40
• 第4章 活塞式發(fā)動機的神經(jīng)網(wǎng)絡反步法控制40-59
• 4.1 引言40-41
• 4.2 反步法基本原理41-44
• 4.3 控制系統(tǒng)設計44-55
• 4.3.1 發(fā)動機動力學模型45-46
• 4.3.2 神經(jīng)網(wǎng)絡觀測器設計46-48
• 4.3.3 自適應神經(jīng)網(wǎng)絡反饋控制器設計48-51
• 4.3.4 神經(jīng)網(wǎng)絡權(quán)值更新51-55
• 4.4 仿真與結(jié)果分析55-58
• 4.5 本章小結(jié)58-59
• 結(jié)論59-61
• 參考文獻61-63
• 致謝63-64
• 攻讀碩士期間發(fā)表（含錄用）的學術(shù)論文64

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 丁凱峰,樊思齊;基于RBF網(wǎng)絡的航空發(fā)動機辨識模型[J];航空動力學報;2000年02期

2 郭迎清,章泓,楊云波,高光良;利用神經(jīng)網(wǎng)絡設計航空發(fā)動機全包線最優(yōu)控制器[J];航空動力學報;2000年03期

3 蔣衍君,黃金泉;航空發(fā)動機自適應神經(jīng)網(wǎng)絡PID控制[J];航空動力學報;2000年03期

4 郭迎清;航空發(fā)動機神經(jīng)網(wǎng)絡自適應控制研究[J];航空動力學報;2001年01期

5 姜濤,李應紅;基于動態(tài)RBF網(wǎng)絡的發(fā)動機起動過程模型辨識[J];航空動力學報;2002年03期

6 林宇震,彭云暉,劉高恩;分級/預混合預蒸發(fā)貧油燃燒低污染方案NO_X排放初步研究[J];航空動力學報;2003年04期

7 董勁,黃金泉;航空發(fā)動機多變量模糊PID控制[J];航空動力學報;2003年04期

8 趙堅行;;民用發(fā)動機污染排放及低污染燃燒技術(shù)發(fā)展趨勢[J];航空動力學報;2008年06期

9 陶濤,張加楨;航空發(fā)動機神經(jīng)元網(wǎng)絡控制[J];航空學報;1997年02期

10 譚華;韋林;;遺傳算法基本理論的仿真研究[J];計算機與現(xiàn)代化;2011年01期

本文編號：1061125