发动机自适应建模及神经网络控制

发布时间：2017-04-17 18:25

  本文关键词：发动机自适应建模及神经网络控制，，由笔耕文化传播整理发布。

【摘要】：本文从数学模型和控制器两方面着手研究提高航空发动机控制系统自适应性的方法。包括机载自适应实时模型研究和神经网络控制研究两部分。 本文建立发动机机载自适应实时模型的思想认为:发动机的任何非额定工况都必然导致其输出参数变化,输出参数会偏离它们的额定值产生输出偏离量。通过设计卡尔曼滤波器和神经网络映射模块的方法可以在线实时地获得这些输出偏离量,并将其用来修正按额定特性建立的发动机部件级模型的输出,最后再利用修正后的模型参数,经过一系列非线性计算即可获得发动机非额定工况下的性能量(推力、喘振裕度等)的准确值,从而具备对发动机非额定工况的自适应能力。 关于神经网络控制,本文主要研究了基于 BP 网络整定的 PID 控制和神经网络并行控制两种方案。前者利用神经网络具有的非线性逼近能力,通过对系统性能指标的学习来实现 PID 控制参数的最佳组合;后者将神经网络作为前馈控制器与 PID 反馈控制器共同起控制作用。两种方案都充分利用了神经网络在线学习调整权值的能力,增强了控制器对对象特性变化的自适应能力。本文最后还对 CMAC 网络模型进行了学习和研究,并尝试着将其应用于航空发动机线性模型的控制,取得了较好的控制效果,为进一步研究做准备。
【关键词】：航空发动机 自适应建模 神经网络控制 卡尔曼滤波器 BP 网络 CMAC 网络
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2005
【分类号】：V233
【目录】：

• 第一章 绪论10-13
• 1.1 问题的提出10
• 1.2 发动机自适应建模10-11
• 1.3 发动机神经网络控制11-12
• 1.4 本文内容安排12-13
• 第二章 建立某型涡扇发动机部件级模型13-28
• 符号表13-15
• 2.1 概述15-16
• 2.2 沿发动机流程的各部件气动热力计算16-21
• 2.2.1 进气道16
• 2.2.2 风扇16-17
• 2.2.3 压气机17-18
• 2.2.4 燃烧室18
• 2.2.5 高压涡轮18-19
• 2.2.6 低压涡轮19
• 2.2.7 外函19
• 2.2.8 掺混室19-20
• 2.2.9 加力燃烧室20
• 2.2.10 尾喷管20-21
• 2.3 建立各部件共同工作方程21-22
• 2.3.1 稳态控制方程21
• 2.3.2 动态控制方程21-22
• 2.4 部件级模型求解22-25
• 2.4.1 稳态模型求解22-23
• 2.4.2 动态模型求解23-25
• 2.5 建模中两个重要特点25-27
• 2.5.1 一次通过算法25-26
• 2.5.2 面向对象的程序设计方法26-27
• 2.6 小结27-28
• 第三章 建立某型涡扇发动机机载自适应实时模型28-55
• 符号表28-30
• 3.1 概述30-31
• 3.2 建立自适应模型各功能模块31-48
• 3.2.1 发动机部件级模型模块31
• 3.2.2 输入\输出转换模块31-32
• 3.2.3 状态变量模型模块32-38
• 3.2.4 增广状态变量模型和卡尔曼滤波器模块38-43
• 3.2.5 神经网络映射模块43-47
• 3.2.6 稳态基点模块47
• 3.2.7 非线性计算模块47-48
• 3.3 机载自适应实时模型仿真程序及其工作能力仿真48-53
• 3.3.1 机载自适应实时模型仿真程序48-49
• 3.3.2 机载自适应实时模型工作能力仿真49-53
• 3.3.3 机载自适应实时模型的实时性53
• 3.4 小结53-55
• 第四章 BP 神经网络 PID 控制55-69
• 4.1 概述55
• 4.2 BP神经网络的拓扑结构和学习算法55-59
• 4.3 控制对象及参考模型描述59
• 4.4 基于BP 神经网络整定的PID 控制59-63
• 4.4.1 控制方案59-60
• 4.4.2 控制器设计60-61
• 4.4.3 控制效果仿真61-63
• 4.5 BP 网络与 PID 并行控制63-68
• 4.5.1 控制方案63-64
• 4.5.2 控制器设计64-65
• 4.5.3 控制效果仿真65-68
• 4.6 小结68-69
• 第五章 基于 CMAC 的神经网络控制69-80
• 5.1 概述69
• 5.2 CMAC 网络69-74
• 5.2.1 CMAC 模型结构69-71
• 5.2.2 CMAC 工作原理71-74
• 5.2.3 CMAC 学习算法74
• 5.3 基于 CMAC 与 PID 的并行控制器设计74-76
• 5.4 控制效果仿真76-78
• 5.5 小结78-80
• 第六章 总结与展望80-81
• 参考文献81-84
• 致谢84
• 在学期间发表的论文84

【引证文献】

中国期刊全文数据库 前3条

1 尹大伟;廖瑛;王雷;梁加红;;基于抗差Kalman滤波的航空发动机测试数据预处理技术[J];国防科技大学学报;2010年04期

2 尹大伟;樊照远;廖瑛;;航空推进系统性能寻优控制的系统模型[J];航空发动机;2011年01期

3 王永华;孙涛;王秀霞;;基于Kalman滤波的航空发动机模型研究[J];燃气轮机技术;2011年01期

中国博士学位论文全文数据库 前5条

1 孙丰诚;航空发动机性能寻优控制技术研究[D];南京航空航天大学;2007年

2 李国勇;电控汽油机智能控制策略及故障诊断的研究[D];太原理工大学;2007年

3 张翠平;电控汽油机燃油喷射及点火控制系统的设计与实验研究[D];太原理工大学;2007年

4 李秋红;航空发动机智能鲁棒控制研究[D];南京航空航天大学;2011年

5 尹大伟;航空发动机模型求解算法及性能寻优控制中的参数估计研究[D];国防科学技术大学;2011年

中国硕士学位论文全文数据库 前7条

1 陈霆昊;发动机机载自适应模型与高稳定性控制技术研究[D];南京航空航天大学;2010年

2 陈云;飞/推综合控制仿真平台监控系统设计及仿真技术研究[D];南京航空航天大学;2006年

3 黄伟斌;发动机健康管理的自适应机载实时模型[D];南京航空航天大学;2007年

4 李业波;航空发动机组件化建模及性能参数估计[D];南京航空航天大学;2011年

5 田迪;发动机机载自适应建模技术研究[D];南京航空航天大学;2011年

6 祁儒明;基于MC9S12XS128的氢内燃机电控系统硬件研究与开发[D];华北水利水电学院;2011年

7 朱子杰;航空发动机智能故障诊断与容错控制的研究[D];南京航空航天大学;2010年

  本文关键词：发动机自适应建模及神经网络控制，由笔耕文化传播整理发布。

本文编号：314068