基于动态神经网络的变循环发动机智能控制
发布时间：2021-03-04 19:19
随着科技的发展和使用要求的提高,传统的航空发动机很难满足高精度,高灵活性的作战需要。新一代变循环发动机融合了涡扇发动机和涡喷发动机的优点,成为当前航空发动机领域的研究重点。变循环发动机由于可调部件增多,导致控制变量增多,回路之间的耦合程度增强,控制系统复杂性增强等问题。本文依托某部委“XX发动机基础问题研究”项目,针对某型变循环发动机,提出了一种基于动态神经网络的变循环发动机智能控制方法,并基于某型变循环发动机机理模型进行仿真验证。具体内容包括:1.变循环发动机部件级模型研究。通过对变循环发动机国内外研究现状进行分析,在部件级建模方法框架下,依据变循环发动机变几何特性、外涵道稳态特性映射关系、可变几何部件性能关系,基于功率平衡方程、能量平衡方程及流量平衡方程等,明确了某型变循环发动机非线性部件级建模方法,并对发动机性能进行了仿真,为后续设计动态神经网络控制器奠定基础。2.基于灰色关联分析法的动态神经网络设计。针对神经网络结构过大,逼近效果较好但是容易出现过拟合和网络泛化能力差;网络结构过小,学习能力较弱,易导致训练精度不够的问题,提出了基于误差的结构增长算法和基于灰色关联分析法的结构修...
【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 变循环发动机研究现状
1.2.2 神经网络结构研究现状
1.3 本文主要研究内容及论文安排
2 变循环发动机部件级模型
2.1 概述
2.2 变循环发动机结构
2.3 部件级模型
2.3.1 变循环发动机各部件模型
2.3.2 共同工作方程
2.3.3 几何部件调节仿真
2.4 本章小结
3 基于灰色关联分析法的动态神经网络设计
3.1 BP神经网络
3.1.1 BP网络结构
3.1.2 BP算法原理
3.2 灰色关联分析法
3.3 动态神经网络结构设计
3.3.1 结构增加算法
3.3.2 基于灰色关联分析法的结构修剪算法
3.3.3 动态神经网络实现流程
3.3.4 仿真结果及分析
3.4 本章小结
4 基于动态神经网络的变循环发动机智能控制
4.1 变循环发动机控制方法设计
4.1.1 参数选择
4.1.2 控制器性能指标要求
4.1.3 控制器的结构
4.1.4 稳态工作点选择
4.2 获取训练样本
4.2.1 数据采集
4.2.2 数据处理
4.3 变循环发动机仿真
4.3.1 地面工作状态
4.3.2 亚声速巡航模式
4.3.3 超声速巡航模型
4.3.4 仿真结果对比分析
4.4 本章小结
5 变循环发动机智能控制仿真软件开发
5.1 软件需求分析和开发计划
5.1.1 软件的需求分析
5.1.2 系统的开发计划
5.2 软件总体方案设计及关键技术
5.2.1 软件总体方案设计
5.2.2 技术特点
5.3 软件的功能开发
5.3.1 用户登录模块
5.3.2 原始模型仿真
5.3.3 训练神经网络
5.3.4 神经网络控制器
5.4 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
【参考文献】：
期刊论文
[1]变循环发动机多涵道高隐身排气系统的气动研究[J]. 吴琼,余祖潮,窦健. 机械制造与自动化. 2020(01)
[2]基于参数优化的RBF神经网络结构设计算法[J]. 翟莹莹,左丽,张恩德. 东北大学学报(自然科学版). 2020(02)
[3]航空发动机控制发展趋势分析[J]. 过雨湫. 内燃机与配件. 2019(23)
[4]带核心机驱动风扇级的变循环发动机总体性能研究[J]. 丁朝霞,谷彬,赵龙波,郝旺. 燃气涡轮试验与研究. 2019(05)
[5]核心机驱动风扇级二维仿真模型与变循环发动机零维仿真模型耦合方法的研究[J]. 宋甫,周莉,王占学,张明阳,张晓博. 推进技术. 2020(03)
[6]变循环发动机调节机构研究现状[J]. 解俊琪,贾志刚,袁善虎. 航空动力. 2019(04)
[7]基于改进NS-SOMA的变循环发动机解耦控制方法[J]. 何凤林,李秋红,陈尚晰. 航空发动机. 2019(04)
[8]基于改进遗传算法的RBF神经网络结构优化研究[J]. 文常保,马文博,刘鹏里. 计算机工程与科学. 2019(05)
[9]变循环发动机核心机稳态性能计算模型修正方法[J]. 谷彬,李美金,余秋霞,丁朝霞. 燃气涡轮试验与研究. 2019(02)
[10]变循环发动机对飞机飞行性能影响研究[J]. 周红,高翔,王占学,秦浩. 航空科学技术. 2019(03)
博士论文
[1]变循环发动机建模及性能寻优控制技术研究[D]. 王元.南京航空航天大学 2015
[2]航空发动机及控制系统建模与面向对象的仿真研究[D]. 周文祥.南京航空航天大学 2006
硕士论文
[1]基于BP神经网络的PID控制系统研究与设计[D]. 李捷菲.吉林大学 2019
[2]变循环发动机控制技术研究及仿真验证[D]. 舒文君.南京航空航天大学 2019
[3]基于BP神经网络PID的DC-DC控制器设计[D]. 张治学.东南大学 2018
[4]三涵道变循环发动机建模及控制规律研究[D]. 陈浩颖.南京航空航天大学 2018
[5]基于灰色关联分析法的半夏质效评价研究[D]. 曾颂.广东药学院 2013
[6]变循环发动机多变量控制及性能寻优[D]. 薛益春.南京航空航天大学 2012
[7]BP算法的改进及其应用[D]. 刘翔.太原理工大学 2012
[8]BP神经网络结构优化方法的研究及应用[D]. 赵寿玲.苏州大学 2010
[9]航空发动机智能控制算法研究[D]. 孙晓东.南京航空航天大学 2009
[10]BP网络结构确定算法的研究及仿真[D]. 唐磊.中国石油大学 2008
本文编号：3063763
【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 变循环发动机研究现状
1.2.2 神经网络结构研究现状
1.3 本文主要研究内容及论文安排
2 变循环发动机部件级模型
2.1 概述
2.2 变循环发动机结构
2.3 部件级模型
2.3.1 变循环发动机各部件模型
2.3.2 共同工作方程
2.3.3 几何部件调节仿真
2.4 本章小结
3 基于灰色关联分析法的动态神经网络设计
3.1 BP神经网络
3.1.1 BP网络结构
3.1.2 BP算法原理
3.2 灰色关联分析法
3.3 动态神经网络结构设计
3.3.1 结构增加算法
3.3.2 基于灰色关联分析法的结构修剪算法
3.3.3 动态神经网络实现流程
3.3.4 仿真结果及分析
3.4 本章小结
4 基于动态神经网络的变循环发动机智能控制
4.1 变循环发动机控制方法设计
4.1.1 参数选择
4.1.2 控制器性能指标要求
4.1.3 控制器的结构
4.1.4 稳态工作点选择
4.2 获取训练样本
4.2.1 数据采集
4.2.2 数据处理
4.3 变循环发动机仿真
4.3.1 地面工作状态
4.3.2 亚声速巡航模式
4.3.3 超声速巡航模型
4.3.4 仿真结果对比分析
4.4 本章小结
5 变循环发动机智能控制仿真软件开发
5.1 软件需求分析和开发计划
5.1.1 软件的需求分析
5.1.2 系统的开发计划
5.2 软件总体方案设计及关键技术
5.2.1 软件总体方案设计
5.2.2 技术特点
5.3 软件的功能开发
5.3.1 用户登录模块
5.3.2 原始模型仿真
5.3.3 训练神经网络
5.3.4 神经网络控制器
5.4 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
【参考文献】：
期刊论文
[1]变循环发动机多涵道高隐身排气系统的气动研究[J]. 吴琼,余祖潮,窦健. 机械制造与自动化. 2020(01)
[2]基于参数优化的RBF神经网络结构设计算法[J]. 翟莹莹,左丽,张恩德. 东北大学学报(自然科学版). 2020(02)
[3]航空发动机控制发展趋势分析[J]. 过雨湫. 内燃机与配件. 2019(23)
[4]带核心机驱动风扇级的变循环发动机总体性能研究[J]. 丁朝霞,谷彬,赵龙波,郝旺. 燃气涡轮试验与研究. 2019(05)
[5]核心机驱动风扇级二维仿真模型与变循环发动机零维仿真模型耦合方法的研究[J]. 宋甫,周莉,王占学,张明阳,张晓博. 推进技术. 2020(03)
[6]变循环发动机调节机构研究现状[J]. 解俊琪,贾志刚,袁善虎. 航空动力. 2019(04)
[7]基于改进NS-SOMA的变循环发动机解耦控制方法[J]. 何凤林,李秋红,陈尚晰. 航空发动机. 2019(04)
[8]基于改进遗传算法的RBF神经网络结构优化研究[J]. 文常保,马文博,刘鹏里. 计算机工程与科学. 2019(05)
[9]变循环发动机核心机稳态性能计算模型修正方法[J]. 谷彬,李美金,余秋霞,丁朝霞. 燃气涡轮试验与研究. 2019(02)
[10]变循环发动机对飞机飞行性能影响研究[J]. 周红,高翔,王占学,秦浩. 航空科学技术. 2019(03)
博士论文
[1]变循环发动机建模及性能寻优控制技术研究[D]. 王元.南京航空航天大学 2015
[2]航空发动机及控制系统建模与面向对象的仿真研究[D]. 周文祥.南京航空航天大学 2006
硕士论文
[1]基于BP神经网络的PID控制系统研究与设计[D]. 李捷菲.吉林大学 2019
[2]变循环发动机控制技术研究及仿真验证[D]. 舒文君.南京航空航天大学 2019
[3]基于BP神经网络PID的DC-DC控制器设计[D]. 张治学.东南大学 2018
[4]三涵道变循环发动机建模及控制规律研究[D]. 陈浩颖.南京航空航天大学 2018
[5]基于灰色关联分析法的半夏质效评价研究[D]. 曾颂.广东药学院 2013
[6]变循环发动机多变量控制及性能寻优[D]. 薛益春.南京航空航天大学 2012
[7]BP算法的改进及其应用[D]. 刘翔.太原理工大学 2012
[8]BP神经网络结构优化方法的研究及应用[D]. 赵寿玲.苏州大学 2010
[9]航空发动机智能控制算法研究[D]. 孙晓东.南京航空航天大学 2009
[10]BP网络结构确定算法的研究及仿真[D]. 唐磊.中国石油大学 2008
本文编号：3063763
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3063763.html
