【摘要】：隨著現(xiàn)代航空發(fā)動(dòng)機(jī)技術(shù)的快速發(fā)展及其作戰(zhàn)環(huán)境復(fù)雜度大幅度提高,與之相對(duì)應(yīng)的控制技術(shù)要求越來(lái)越高,智能發(fā)動(dòng)機(jī)控制正是在此背景下產(chǎn)生的。其主要特征為發(fā)動(dòng)機(jī)根據(jù)不同環(huán)境、飛行任務(wù)需求,能夠自適應(yīng)地在多種控制模式下運(yùn)行,包括基線模式、延壽模式、應(yīng)急模式、性能模式等。智能發(fā)動(dòng)機(jī)優(yōu)化控制是上述多模式控制的核心內(nèi)容,本文開(kāi)展了智能發(fā)動(dòng)機(jī)綜合優(yōu)化控制相關(guān)理論與技術(shù)的研究。首先,發(fā)展了與智能發(fā)動(dòng)機(jī)優(yōu)化控制相關(guān)的實(shí)時(shí)仿真模型。建立了飛機(jī)/發(fā)動(dòng)機(jī)綜合實(shí)時(shí)仿真平臺(tái),用于模擬發(fā)動(dòng)機(jī)在不同飛行任務(wù)和飛行條件下的動(dòng)、穩(wěn)態(tài)運(yùn)行過(guò)程;針對(duì)渦扇發(fā)動(dòng)機(jī)機(jī)載穩(wěn)態(tài)模型,提出了基于單純形樣條的機(jī)載模型建模方法,該方法對(duì)平滑對(duì)象具有很強(qiáng)擬合能力以及良好的泛化能力;針對(duì)渦扇發(fā)動(dòng)機(jī)機(jī)載動(dòng)態(tài)模型,提出了基于最小批量梯度下降法神經(jīng)網(wǎng)絡(luò)的機(jī)載模型建模方法,該方法使得神經(jīng)網(wǎng)絡(luò)能夠適用于發(fā)動(dòng)機(jī)的大包線、多狀態(tài)、多變量的大樣本數(shù)據(jù),極大提高了機(jī)載模型的精度和泛化性能。通過(guò)仿真結(jié)果驗(yàn)證了上述模型的精度和有效性。其次,研究了發(fā)動(dòng)機(jī)加速優(yōu)化控制方法。為了提高發(fā)動(dòng)機(jī)的響應(yīng)速度,提出了基于導(dǎo)葉角調(diào)節(jié)和改進(jìn)可行序列二次規(guī)劃算法的發(fā)動(dòng)機(jī)加速優(yōu)化控制,重點(diǎn)研究了風(fēng)扇和壓氣機(jī)導(dǎo)葉角調(diào)節(jié)對(duì)發(fā)動(dòng)機(jī)加速優(yōu)化響應(yīng)速度的影響;針對(duì)傳統(tǒng)加速優(yōu)化控制中只考慮當(dāng)前時(shí)刻最優(yōu),忽略加速前后耦合作用影響,提出了基于控制量曲線優(yōu)化的全局加速控制方法,該方法以控制量最終穩(wěn)定時(shí)間為優(yōu)化目標(biāo),以控制量曲線為優(yōu)化量,綜合考慮加速前后期控制輸入對(duì)發(fā)動(dòng)機(jī)響應(yīng)的綜合影響,從而提高發(fā)動(dòng)機(jī)響應(yīng)速度。再次,進(jìn)行了基線模式研究,提出基于復(fù)合預(yù)測(cè)模型的非線性模型預(yù)測(cè)控制方法,并應(yīng)用于基線模式中�；�模式以推力為控制目標(biāo),克服了傳統(tǒng)控制器通過(guò)控制發(fā)動(dòng)機(jī)可測(cè)參數(shù)來(lái)間接控制推力而導(dǎo)致推力控制精度不準(zhǔn)的缺點(diǎn);為了提高預(yù)測(cè)控制的實(shí)時(shí)性,建立了全包線機(jī)載預(yù)測(cè)模型,基于部級(jí)模型和卡爾曼濾波器建立復(fù)合預(yù)測(cè)模型,提高發(fā)動(dòng)機(jī)健康參數(shù)的估計(jì)精度。仿真結(jié)果驗(yàn)證了控制效果的有效性和實(shí)時(shí)性。然后,開(kāi)展了延壽模式和應(yīng)急模式的研究。在延壽模式方面,提出了基于控制律實(shí)時(shí)優(yōu)化的壽命延長(zhǎng)控制,建立葉片熱機(jī)械疲勞壽命模型和壽命延長(zhǎng)控制的優(yōu)化目標(biāo),重點(diǎn)研究如何降低在加速過(guò)程的熱機(jī)械疲勞;在應(yīng)急模式方面,提出了基于控制律實(shí)時(shí)優(yōu)化的應(yīng)急控制,建立快速響應(yīng)和增推力的兩種實(shí)時(shí)優(yōu)化模式,研究了導(dǎo)葉角調(diào)節(jié)和放寬限制邊界在應(yīng)急過(guò)程對(duì)響應(yīng)速度和最終推力輸出的影響。最后,開(kāi)展了性能模式的研究。建立了最大推力、最小耗油率和最低渦輪前溫度三種性能模式;為了提高尋優(yōu)模型精度,提出了基于深度神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)機(jī)載模型建模方法,相比于淺層神經(jīng)網(wǎng)絡(luò),該方法由于采用更深的網(wǎng)絡(luò)結(jié)構(gòu),使得模型表達(dá)能力更強(qiáng);為了提高尋優(yōu)算法的全局搜索能力,提出了遺傳粒子群-可行序列二次規(guī)劃算法的混合優(yōu)化算法,并應(yīng)用于性能尋優(yōu)控制中,該方法兼具有智能優(yōu)化算法的全局搜索能力和數(shù)學(xué)規(guī)劃局部搜索能力。
【圖文】：

圖 2. 14MGD NN 動(dòng)態(tài)模型的訓(xùn)練相對(duì)誤差0 1000 20000.00.51.01.5MRR-LSSVRMGD NN8200 8400 8600 8800 9000 9200 94000.120.140.160.180.20FSamplesror-FEni%/Samples Fin的測(cè)試相對(duì)誤差1000 20000.00.20.4MRR-LSSVRMGD NNError- Nf/%Samplesb) Nf的測(cè)試相對(duì)誤差500 1000 1500 20000.00.20.40.60.8MRR-LSSVRMGD NNError-Nc/%Samplesc) Nc的測(cè)試相對(duì)誤差500 1000 1500 2000 25000.00.20.40.60.81.01.2MRR-LSSVRMGD NNror-ET14%/Samples) T4的測(cè)試相對(duì)誤差1000 2000012MRR-LSSVRMGD NNError-Smf/%Samplese) Smf的測(cè)試相對(duì)誤差1000 20000123 MRR-LSSVRMGD NNError-Smc/%Samplesf) Smc的測(cè)試相對(duì)誤差5 MGD NN和MRR-LSSVR的相對(duì)測(cè)試誤差 (H (10km~11km), Ma (1.4~1.5), Pla(65°~7

深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練相對(duì)誤差
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：V231

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙凱;李冬;李本威;;發(fā)動(dòng)機(jī)性能退化恢復(fù)技術(shù)研究[J];推進(jìn)技術(shù);2015年10期

2 王元;張平平;李秋紅;黃向華;;變循環(huán)發(fā)動(dòng)機(jī)建模方法研究及驗(yàn)證[J];航空動(dòng)力學(xué)報(bào);2014年11期

3 陳小磊;郭迎清;杜憲;;基于高速慢車的航空發(fā)動(dòng)機(jī)快速響應(yīng)控制[J];推進(jìn)技術(shù);2014年09期

4 王軍;隋巖峰;;求解航空發(fā)動(dòng)機(jī)數(shù)學(xué)模型的迭代算法及其改進(jìn)算法的收斂性研究[J];系統(tǒng)仿真學(xué)報(bào);2014年02期

5 陳小磊;郭迎清;杜憲;;航空發(fā)動(dòng)機(jī)全壽命期自適應(yīng)壽命延長(zhǎng)控制[J];推進(jìn)技術(shù);2014年01期

6 劉楠;黃金泉;;應(yīng)用改進(jìn)粒子群算法的渦軸發(fā)動(dòng)機(jī)性能尋優(yōu)[J];南京航空航天大學(xué)學(xué)報(bào);2013年03期

7 劉毅男;張勝修;張超;;基于核方法的航空發(fā)動(dòng)機(jī)推力估計(jì)器設(shè)計(jì)[J];推進(jìn)技術(shù);2013年06期

8 劉帥;王占學(xué);蔡元虎;劉增文;;升力風(fēng)扇和渦扇發(fā)動(dòng)機(jī)組合動(dòng)力系統(tǒng)性能模擬與分析[J];航空動(dòng)力學(xué)報(bào);2013年05期

9 黃偉;黃向華;;基于主動(dòng)防喘的航空發(fā)動(dòng)機(jī)加速控制仿真[J];測(cè)控技術(shù);2013年04期

10 Wang Jiankang;Zhang Haibo;Yan Changkai;Duan Shujing;Huang Xianghua;;An adaptive turbo-shaft engine modeling method based on PS and MRR-LSSVR algorithms[J];Chinese Journal of Aeronautics;2013年01期

相關(guān)博士學(xué)位論文 前10條

1 孫豐勇;超聲速狀態(tài)航空推進(jìn)系統(tǒng)耦合特性與綜合控制優(yōu)化研究[D];南京航空航天大學(xué);2017年

2 王元;變循環(huán)發(fā)動(dòng)機(jī)建模及性能尋優(yōu)控制技術(shù)研究[D];南京航空航天大學(xué);2015年

3 李業(yè)波;智能航空發(fā)動(dòng)機(jī)性能退化緩解控制技術(shù)研究[D];南京航空航天大學(xué);2014年

4 張書(shū)剛;民用渦扇發(fā)動(dòng)機(jī)在線健康診斷關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2014年

5 陳小磊;航空發(fā)動(dòng)機(jī)智能壽命延長(zhǎng)控制研究[D];西北工業(yè)大學(xué);2014年

6 黃偉;航空發(fā)動(dòng)機(jī)高穩(wěn)定性控制及其在加速控制中的應(yīng)用[D];南京航空航天大學(xué);2013年

7 王健康;航空發(fā)動(dòng)機(jī)模型基優(yōu)化控制技術(shù)研究[D];南京航空航天大學(xué);2013年

8 李秋紅;航空發(fā)動(dòng)機(jī)智能魯棒控制研究[D];南京航空航天大學(xué);2011年

9 趙永平;支持向量回歸機(jī)及其在智能航空發(fā)動(dòng)機(jī)參數(shù)估計(jì)中的應(yīng)用[D];南京航空航天大學(xué);2009年

10 孫豐誠(chéng);航空發(fā)動(dòng)機(jī)性能尋優(yōu)控制技術(shù)研究[D];南京航空航天大學(xué);2007年

相關(guān)碩士學(xué)位論文 前4條

1 王健康;基于機(jī)載復(fù)合模型及SQP的發(fā)動(dòng)機(jī)性能尋優(yōu)控制研究[D];南京航空航天大學(xué);2010年

2 吳丹;航空推進(jìn)系統(tǒng)非線性性能尋優(yōu)控制研究[D];西北工業(yè)大學(xué);2004年

3 陳耀楚;X型渦扇發(fā)動(dòng)機(jī)過(guò)渡態(tài)尋優(yōu)控制[D];西北工業(yè)大學(xué);2004年

4 倪凱;航空發(fā)動(dòng)機(jī)維修成本評(píng)估與分析[D];南京航空航天大學(xué);2002年

，

本文編號(hào)：2598095