本文關(guān)鍵詞：發(fā)動機自適應(yīng)建模及神經(jīng)網(wǎng)絡(luò)控制，，由筆耕文化傳播整理發(fā)布。

【摘要】：本文從數(shù)學(xué)模型和控制器兩方面著手研究提高航空發(fā)動機控制系統(tǒng)自適應(yīng)性的方法。包括機載自適應(yīng)實時模型研究和神經(jīng)網(wǎng)絡(luò)控制研究兩部分。 本文建立發(fā)動機機載自適應(yīng)實時模型的思想認為:發(fā)動機的任何非額定工況都必然導(dǎo)致其輸出參數(shù)變化,輸出參數(shù)會偏離它們的額定值產(chǎn)生輸出偏離量。通過設(shè)計卡爾曼濾波器和神經(jīng)網(wǎng)絡(luò)映射模塊的方法可以在線實時地獲得這些輸出偏離量,并將其用來修正按額定特性建立的發(fā)動機部件級模型的輸出,最后再利用修正后的模型參數(shù),經(jīng)過一系列非線性計算即可獲得發(fā)動機非額定工況下的性能量(推力、喘振裕度等)的準確值,從而具備對發(fā)動機非額定工況的自適應(yīng)能力。 關(guān)于神經(jīng)網(wǎng)絡(luò)控制,本文主要研究了基于 BP 網(wǎng)絡(luò)整定的 PID 控制和神經(jīng)網(wǎng)絡(luò)并行控制兩種方案。前者利用神經(jīng)網(wǎng)絡(luò)具有的非線性逼近能力,通過對系統(tǒng)性能指標的學(xué)習(xí)來實現(xiàn) PID 控制參數(shù)的最佳組合;后者將神經(jīng)網(wǎng)絡(luò)作為前饋控制器與 PID 反饋控制器共同起控制作用。兩種方案都充分利用了神經(jīng)網(wǎng)絡(luò)在線學(xué)習(xí)調(diào)整權(quán)值的能力,增強了控制器對對象特性變化的自適應(yīng)能力。本文最后還對 CMAC 網(wǎng)絡(luò)模型進行了學(xué)習(xí)和研究,并嘗試著將其應(yīng)用于航空發(fā)動機線性模型的控制,取得了較好的控制效果,為進一步研究做準備。
【關(guān)鍵詞】：航空發(fā)動機 自適應(yīng)建模 神經(jīng)網(wǎng)絡(luò)控制 卡爾曼濾波器 BP 網(wǎng)絡(luò) CMAC 網(wǎng)絡(luò)
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2005
【分類號】：V233
【目錄】：

• 第一章 緒論10-13
• 1.1 問題的提出10
• 1.2 發(fā)動機自適應(yīng)建模10-11
• 1.3 發(fā)動機神經(jīng)網(wǎng)絡(luò)控制11-12
• 1.4 本文內(nèi)容安排12-13
• 第二章 建立某型渦扇發(fā)動機部件級模型13-28
• 符號表13-15
• 2.1 概述15-16
• 2.2 沿發(fā)動機流程的各部件氣動熱力計算16-21
• 2.2.1 進氣道16
• 2.2.2 風(fēng)扇16-17
• 2.2.3 壓氣機17-18
• 2.2.4 燃燒室18
• 2.2.5 高壓渦輪18-19
• 2.2.6 低壓渦輪19
• 2.2.7 外函19
• 2.2.8 摻混室19-20
• 2.2.9 加力燃燒室20
• 2.2.10 尾噴管20-21
• 2.3 建立各部件共同工作方程21-22
• 2.3.1 穩(wěn)態(tài)控制方程21
• 2.3.2 動態(tài)控制方程21-22
• 2.4 部件級模型求解22-25
• 2.4.1 穩(wěn)態(tài)模型求解22-23
• 2.4.2 動態(tài)模型求解23-25
• 2.5 建模中兩個重要特點25-27
• 2.5.1 一次通過算法25-26
• 2.5.2 面向?qū)ο蟮某绦蛟O(shè)計方法26-27
• 2.6 小結(jié)27-28
• 第三章 建立某型渦扇發(fā)動機機載自適應(yīng)實時模型28-55
• 符號表28-30
• 3.1 概述30-31
• 3.2 建立自適應(yīng)模型各功能模塊31-48
• 3.2.1 發(fā)動機部件級模型模塊31
• 3.2.2 輸入\輸出轉(zhuǎn)換模塊31-32
• 3.2.3 狀態(tài)變量模型模塊32-38
• 3.2.4 增廣狀態(tài)變量模型和卡爾曼濾波器模塊38-43
• 3.2.5 神經(jīng)網(wǎng)絡(luò)映射模塊43-47
• 3.2.6 穩(wěn)態(tài)基點模塊47
• 3.2.7 非線性計算模塊47-48
• 3.3 機載自適應(yīng)實時模型仿真程序及其工作能力仿真48-53
• 3.3.1 機載自適應(yīng)實時模型仿真程序48-49
• 3.3.2 機載自適應(yīng)實時模型工作能力仿真49-53
• 3.3.3 機載自適應(yīng)實時模型的實時性53
• 3.4 小結(jié)53-55
• 第四章 BP 神經(jīng)網(wǎng)絡(luò) PID 控制55-69
• 4.1 概述55
• 4.2 BP神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)和學(xué)習(xí)算法55-59
• 4.3 控制對象及參考模型描述59
• 4.4 基于BP 神經(jīng)網(wǎng)絡(luò)整定的PID 控制59-63
• 4.4.1 控制方案59-60
• 4.4.2 控制器設(shè)計60-61
• 4.4.3 控制效果仿真61-63
• 4.5 BP 網(wǎng)絡(luò)與 PID 并行控制63-68
• 4.5.1 控制方案63-64
• 4.5.2 控制器設(shè)計64-65
• 4.5.3 控制效果仿真65-68
• 4.6 小結(jié)68-69
• 第五章 基于 CMAC 的神經(jīng)網(wǎng)絡(luò)控制69-80
• 5.1 概述69
• 5.2 CMAC 網(wǎng)絡(luò)69-74
• 5.2.1 CMAC 模型結(jié)構(gòu)69-71
• 5.2.2 CMAC 工作原理71-74
• 5.2.3 CMAC 學(xué)習(xí)算法74
• 5.3 基于 CMAC 與 PID 的并行控制器設(shè)計74-76
• 5.4 控制效果仿真76-78
• 5.5 小結(jié)78-80
• 第六章 總結(jié)與展望80-81
• 參考文獻81-84
• 致謝84
• 在學(xué)期間發(fā)表的論文84

【引證文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 尹大偉;廖瑛;王雷;梁加紅;;基于抗差Kalman濾波的航空發(fā)動機測試數(shù)據(jù)預(yù)處理技術(shù)[J];國防科技大學(xué)學(xué)報;2010年04期

2 尹大偉;樊照遠;廖瑛;;航空推進系統(tǒng)性能尋優(yōu)控制的系統(tǒng)模型[J];航空發(fā)動機;2011年01期

3 王永華;孫濤;王秀霞;;基于Kalman濾波的航空發(fā)動機模型研究[J];燃氣輪機技術(shù);2011年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 孫豐誠;航空發(fā)動機性能尋優(yōu)控制技術(shù)研究[D];南京航空航天大學(xué);2007年

2 李國勇;電控汽油機智能控制策略及故障診斷的研究[D];太原理工大學(xué);2007年

3 張翠平;電控汽油機燃油噴射及點火控制系統(tǒng)的設(shè)計與實驗研究[D];太原理工大學(xué);2007年

4 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

5 尹大偉;航空發(fā)動機模型求解算法及性能尋優(yōu)控制中的參數(shù)估計研究[D];國防科學(xué)技術(shù)大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 陳霆昊;發(fā)動機機載自適應(yīng)模型與高穩(wěn)定性控制技術(shù)研究[D];南京航空航天大學(xué);2010年

2 陳云;飛/推綜合控制仿真平臺監(jiān)控系統(tǒng)設(shè)計及仿真技術(shù)研究[D];南京航空航天大學(xué);2006年

3 黃偉斌;發(fā)動機健康管理的自適應(yīng)機載實時模型[D];南京航空航天大學(xué);2007年

4 李業(yè)波;航空發(fā)動機組件化建模及性能參數(shù)估計[D];南京航空航天大學(xué);2011年

5 田迪;發(fā)動機機載自適應(yīng)建模技術(shù)研究[D];南京航空航天大學(xué);2011年

6 祁儒明;基于MC9S12XS128的氫內(nèi)燃機電控系統(tǒng)硬件研究與開發(fā)[D];華北水利水電學(xué)院;2011年

7 朱子杰;航空發(fā)動機智能故障診斷與容錯控制的研究[D];南京航空航天大學(xué);2010年

  本文關(guān)鍵詞：發(fā)動機自適應(yīng)建模及神經(jīng)網(wǎng)絡(luò)控制，由筆耕文化傳播整理發(fā)布。

本文編號：314068