基于启发式优化算法的航空发动机自适应控制

发布时间：2017-10-19 12:31

  本文关键词：基于启发式优化算法的航空发动机自适应控制

  更多相关文章： 航空发动机 自适应控制 神经网络 反步法 GA PID

【摘要】：航空发动机是一类非常复杂而且非线性很强的被控对象，具有非常强的不确定性和时变性，，并且建立其精确数学模型非常困难，将传统的控制方法应用到航空发动机控制中一般都难以获得令人满意的效果。因此研究不依赖被控对象精确数学模型的控制算法成为一个重要研究方向。 首先，设计了一种遗传算法与PID控制器相结合的控制方法。根据经验初步估计PID参数的大致范围，然后再利用遗传算法(GA)在这一大致范围内进行搜索优化得到最优的PID参数。为满足性能指标的要求，设计了遗传算法与PID控制器相结合的航空发动机控制系统。 其次，设计了一种基于遗传算法的神经网络自适应控制的方法。利用遗传算法搜索出一组最优的神经网络初始权值，并利用神经网络对发动机进行在线实时辨识。神经网络辨识得到的灵敏度信息被反馈给神经网络控制器，确保神经网络控制器对发动机的准确控制。结合某型航空涡喷发动机，在选定的设计点处进行发动机控制系统设计。仿真结果表明该控制系统不仅具有良好的响应速度和超调量，而且具有较强抗干扰能力。 最后，设计了基于反步法的神经网络控制系统。由于发动机的空气和燃油的流量不可得，因此设计了神经网络观测器，由该观测器估计出发动机的状态变量。然后，基于反步法设计了神经网络控制器。仿真结果表明该控制系统有效的减小发动机燃烧的循环变动。
【关键词】：航空发动机 自适应控制 神经网络 反步法 GA PID
【学位授予单位】：沈阳航空航天大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：V23;TP273
【目录】：

• 摘要6-7
• Abstract7-12
• 第1章 绪论12-20
• 1.1 研究背景12-13
• 1.2 航空发动机控制研究概况13-16
• 1.3 低污染燃烧技术研究情况16-18
• 1.4 本文主要研究内容18-20
• 第2章 涡喷发动机的 GA-PID 控制20-30
• 2.1 引言20-21
• 2.2 PID 控制原理21-22
• 2.3 遗传算法的原理22-23
• 2.3.1 遗传算法的历史22-23
• 2.3.2 遗传算法的基本原理23
• 2.3.3 遗传算法的主要特点23
• 2.4 基于遗传算法的 PID 控制设计23-27
• 2.5 仿真与结果分析27-29
• 2.6 本章小结29-30
• 第3章 涡喷发动机的神经网络自适应控制30-40
• 3.1 引言30-31
• 3.2 神经网络自适应控制系统设计31-34
• 3.3 遗传算法学习神经网络初始权值34-36
• 3.3.1 编码方式35
• 3.3.2 适应度函数35
• 3.3.3 遗传操作35-36
• 3.4 仿真与结果分析36-39
• 3.5 本章小结39-40
• 第4章 活塞式发动机的神经网络反步法控制40-59
• 4.1 引言40-41
• 4.2 反步法基本原理41-44
• 4.3 控制系统设计44-55
• 4.3.1 发动机动力学模型45-46
• 4.3.2 神经网络观测器设计46-48
• 4.3.3 自适应神经网络反馈控制器设计48-51
• 4.3.4 神经网络权值更新51-55
• 4.4 仿真与结果分析55-58
• 4.5 本章小结58-59
• 结论59-61
• 参考文献61-63
• 致谢63-64
• 攻读硕士期间发表（含录用）的学术论文64

【参考文献】

中国期刊全文数据库 前10条

1 丁凯峰,樊思齐;基于RBF网络的航空发动机辨识模型[J];航空动力学报;2000年02期

2 郭迎清,章泓,杨云波,高光良;利用神经网络设计航空发动机全包线最优控制器[J];航空动力学报;2000年03期

3 蒋衍君,黄金泉;航空发动机自适应神经网络PID控制[J];航空动力学报;2000年03期

4 郭迎清;航空发动机神经网络自适应控制研究[J];航空动力学报;2001年01期

5 姜涛,李应红;基于动态RBF网络的发动机起动过程模型辨识[J];航空动力学报;2002年03期

6 林宇震,彭云晖,刘高恩;分级/预混合预蒸发贫油燃烧低污染方案NO_X排放初步研究[J];航空动力学报;2003年04期

7 董劲,黄金泉;航空发动机多变量模糊PID控制[J];航空动力学报;2003年04期

8 赵坚行;;民用发动机污染排放及低污染燃烧技术发展趋势[J];航空动力学报;2008年06期

9 陶涛,张加桢;航空发动机神经元网络控制[J];航空学报;1997年02期

10 谭华;韦林;;遗传算法基本理论的仿真研究[J];计算机与现代化;2011年01期

本文编号：1061125