【摘要】：航空發(fā)動機自問世以來始終是各航空強國必爭的戰(zhàn)略熱點,是國家實力的中流砥柱。而作為當(dāng)前航空發(fā)動機控制的最新核心技術(shù)之一,全權(quán)限數(shù)字控制受到學(xué)術(shù)界和產(chǎn)業(yè)界的熱捧。同時,由于近年來人工智能技術(shù)在航空發(fā)動機控制領(lǐng)域的應(yīng)用不斷深入,學(xué)術(shù)和實踐成果頗豐。因此本文基于渦軸發(fā)動機部件級模型和神經(jīng)網(wǎng)絡(luò)控制方法進行研究。首先,基于某型渦軸發(fā)動機實體在MATLAB/Simulink平臺下運用部件法建模方法構(gòu)建其數(shù)學(xué)模型。該數(shù)學(xué)模型被分為進氣道、壓氣機、燃燒室、燃氣渦輪、動力渦輪和尾噴管等6個相對獨立并彼此聯(lián)系的子部件,各部件依據(jù)發(fā)動機氣動熱力學(xué)規(guī)律進行協(xié)調(diào)工作。然后建立該模型的穩(wěn)態(tài)及動態(tài)共同工作方程組并進行數(shù)值求解,以確保模型在飛行包線內(nèi)的有效性和穩(wěn)定性。該部件級模型是本文神經(jīng)網(wǎng)絡(luò)控制方法研究的基礎(chǔ)。其次,以動力渦輪轉(zhuǎn)速單回路PID控制為基礎(chǔ),結(jié)合BP神經(jīng)網(wǎng)絡(luò)控制形成智能控制回路。同時利用遺傳算法(GA)來進一步改進BP神經(jīng)網(wǎng)絡(luò)的缺點,從而實現(xiàn)對PID控制器參數(shù)k _p、k _i、k_d的自整定。在仿真之前,利用Kalman濾波算法對實驗數(shù)據(jù)進行預(yù)處理。仿真結(jié)果表明,該控制方法對渦軸發(fā)動機的穩(wěn)態(tài)和過渡態(tài)的控制效果基本滿足恒動力渦輪轉(zhuǎn)速的控制律要求,但部分參量的變化曲線存在波動超調(diào)且曲線的平順性有待進一步改善。最后,在恒動力渦輪轉(zhuǎn)速控制律的基礎(chǔ)上引入燃氣渦輪轉(zhuǎn)速控制,并提出了基于NARX神經(jīng)網(wǎng)絡(luò)的串級PID控制方法。同時結(jié)合基于小波變換的信息融合方法對供油量信息進行融合,以期改善渦軸發(fā)動機部件級模型各參量控制曲線的平順性并減小超調(diào)量。仿真結(jié)果表明該方法改善了各參量控制曲線的平順性,保證了發(fā)動機模型的穩(wěn)定運行,同時也降低了各參量控制曲線的超調(diào)量,提高了模型的靈敏性。但基于小波變換的信息融合方法對于發(fā)動機過渡態(tài)下各參量的控制曲線的改善效果不是很明顯,仍待進一步改進。BP-GA神經(jīng)網(wǎng)絡(luò)單回路PID控制和NARX神經(jīng)網(wǎng)絡(luò)串級PID控制均能很好地滿足渦軸發(fā)動機部件級數(shù)學(xué)模型在穩(wěn)態(tài)和過渡態(tài)的控制律要求,但二者在各控制量曲線的平順性和超調(diào)量上各有優(yōu)缺�？傮w上,NARX神經(jīng)網(wǎng)絡(luò)控制效果更好。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP183;V233.7
【圖文】：

使其得到深入研究和廣泛應(yīng)用[1]。如圖1-1所示，渦軸發(fā)動機整體性能的優(yōu)劣程度、控制系統(tǒng)控制水平的高低將對直升機的可靠性、靈活性以及穩(wěn)定性產(chǎn)生關(guān)鍵影響。同時，渦軸發(fā)動機還可以作為船舶、坦克等設(shè)備的動力裝置，在發(fā)動機家族中具有不可替代的地位。不斷復(fù)雜的應(yīng)用場景促使直升機在功能及用途上更加完備，也對渦軸發(fā)動機設(shè)計及控制技術(shù)的探究提出更為迫切，也更為高水準的需求。圖 1-1 渦軸航空發(fā)動機整機圖研究航空發(fā)動機的各種關(guān)鍵技術(shù)，特別是發(fā)動機的控制系統(tǒng)仿真，必須有一個良好的發(fā)動機數(shù)學(xué)模型。基于大量的實驗測試數(shù)據(jù)和計算機仿真技術(shù)，利用數(shù)學(xué)模型模擬真實發(fā)動機并進行控制理論的研究可節(jié)約大量的試驗經(jīng)費，縮短研制周期。更為重要的是

電子科技大學(xué)碩士學(xué)位論文算法的單回路 PID 控制方法。以上一章構(gòu)建的非線性數(shù)學(xué)模型為基礎(chǔ)，動機穩(wěn)態(tài)、過渡態(tài)的控制效果進行仿真測試，同時進行控制效果分析。第四章由燃氣渦輪轉(zhuǎn)速控制和動力渦輪轉(zhuǎn)速控制共同構(gòu)成串級控制回路GA-BP 神經(jīng)網(wǎng)絡(luò)的靜態(tài)特性局限，采用 NARX 動態(tài)神經(jīng)網(wǎng)絡(luò)進一步設(shè)RX 神經(jīng)網(wǎng)絡(luò) PID 串級控制方案，并進行穩(wěn)態(tài)、過渡態(tài)控制的仿真實驗，表明該方法具有良好控制效果，最后將 BP、GA-BP 及 NARX 神經(jīng)網(wǎng)絡(luò)油量信息進行融合，將融合后的信息作為最終的供油量信號輸入模型，合前后的控制效果。第五章總結(jié)全文的研究工作，并進行適當(dāng)?shù)恼雇?

圖 2-4 渦軸發(fā)動機模型 Simulink 模塊圖2.5 本章小結(jié)本章基于MATLAB/Simulink平臺采用部件級建模方對某型號渦軸發(fā)動機進數(shù)學(xué)抽象，同時建立其數(shù)學(xué)模型，進而分析使發(fā)動機穩(wěn)定協(xié)調(diào)工作的動、穩(wěn)態(tài)型。采用部件法建模，發(fā)動機整體被分為 6 個相對獨立的子部件并分別進行氣熱力學(xué)分析并建立對應(yīng)的子模型；在一定誤差限條件下，建立穩(wěn)態(tài)、動態(tài)共同作方程組，并采用數(shù)值解法（N-R 法）進行方程組求解。經(jīng)過實際驗證，本文構(gòu)建的模型是有效的。此模型也為下文設(shè)計渦軸發(fā)動機神經(jīng)網(wǎng)絡(luò)控制器打下良基礎(chǔ)。

【參考文獻】

相關(guān)期刊論文 前10條

1 高揚;;基于改進遺傳算法的神經(jīng)網(wǎng)絡(luò)優(yōu)化設(shè)計思考[J];信息系統(tǒng)工程;2015年12期

2 姚華;;未來航空發(fā)動機控制技術(shù)的發(fā)展趨勢[J];航空科學(xué)技術(shù);2012年06期

3 趙強;陳玉春;王永文;周建平;周新新;;基于部件法的渦軸發(fā)動機性能計算模型研究[J];航空工程進展;2011年03期

4 姚華;袁鴦;鮑亮亮;孫健國;;航空發(fā)動機神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)PID控制[J];推進技術(shù);2007年03期

5 黃開明;尹澤勇;黃金泉;;參數(shù)限制對渦軸發(fā)動機過渡態(tài)控制的影響[J];航空動力學(xué)報;2006年02期

6 周文祥,黃金泉,黃開明;航空發(fā)動機簡化實時模型仿真研究[J];南京航空航天大學(xué)學(xué)報;2005年02期

7 金捷;美國推進系統(tǒng)數(shù)值仿真(NPSS)計劃綜述[J];燃氣渦輪試驗與研究;2003年01期

8 華清;某型渦扇發(fā)動機全包線實時仿真模型[J];航空發(fā)動機;2002年01期

9 郭迎清;航空發(fā)動機神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制研究[J];航空動力學(xué)報;2001年01期

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

相關(guān)博士學(xué)位論文 前1條

1 李秋紅;航空發(fā)動機智能魯棒控制研究[D];南京航空航天大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 王振昊;渦軸發(fā)動機部件級建模及神經(jīng)網(wǎng)絡(luò)控制研究[D];電子科技大學(xué);2018年

2 吳飛飛;基于投資者情緒和NARX動態(tài)神經(jīng)網(wǎng)絡(luò)的證券價格可預(yù)測性研究[D];首都經(jīng)濟貿(mào)易大學(xué);2017年

3 開文杰;航空發(fā)動機起動建模及控制規(guī)律優(yōu)化研究[D];南京航空航天大學(xué);2017年

4 梁宇玲;航空發(fā)動機的神經(jīng)網(wǎng)絡(luò)控制[D];沈陽航空航天大學(xué);2016年

5 吳操;基于小波變換的圖像融合研究[D];重慶大學(xué);2015年

6 張拓;基于多分辨率分析的多源圖像融合算法的研究[D];電子科技大學(xué);2014年

7 董紅霞;基于小波變換的多聚焦圖像融合研究[D];重慶大學(xué);2012年

8 孫慧慧;基于GA-BP神經(jīng)網(wǎng)絡(luò)的車內(nèi)聲品質(zhì)評價研究[D];吉林大學(xué);2012年

9 丁琳;渦軸發(fā)動機數(shù)字控制與仿真技術(shù)研究[D];南京航空航天大學(xué);2011年

10 曾雪琴;基于改進遺傳神經(jīng)網(wǎng)絡(luò)的深度圖像邊緣檢測研究[D];哈爾濱理工大學(xué);2011年

本文編號：2746421