航空發(fā)動機智能魯棒控制研究.pdf

1、隨著對航空發(fā)動機性能要求越來越高，航空發(fā)動機控制已向多變量、智能、魯棒控制等先進控制方式發(fā)展。而魯棒控制能克服模型的不確定性，在非設計點也具有令人滿意的性能，在航空發(fā)動機控制中具有良好的應用前景。將魯棒控制和智能控制算法相結合，優(yōu)化控制器參數(shù)，可以進一步減少回路之間的耦合，提高系統(tǒng)性能。本文圍繞航空發(fā)動機智能多變量魯棒控制這一主題，研究了航空發(fā)動機建模，魯棒控制器智能參數(shù)優(yōu)化方法，智能推力估計和控制方法，最后通過控制結構分析設計了航空發(fā)

2、動機四變量分塊解耦控制系統(tǒng)，并進行了數(shù)字仿真和半物理仿真驗證。
　　 論文首先建立了某型航空動機非線性部件級模型，為論文的研究工作提供了仿真平臺。提出了基于智能優(yōu)化的航空發(fā)動機狀態(tài)變量模型建立方法，避免了傳統(tǒng)擬合法公式推導的復雜性和對系統(tǒng)模態(tài)的要求，并將粒子群優(yōu)化算法與最小二乘優(yōu)化算法相結合，實現(xiàn)了航空發(fā)動機四輸入系統(tǒng)狀態(tài)變量模型的建立，提高了高階系統(tǒng)建模的精度。
　　 在多變量魯棒控制系統(tǒng)設計中，提出了基于參考模型的智

3、能參數(shù)優(yōu)化方法，用于航空發(fā)動機轉速控制系統(tǒng)，避免了基于性能指標加權優(yōu)化中，性能指標與其權重沒有明確對應關系的缺點，使系統(tǒng)具有明確的性能要求。設計了基于小波神經網絡的航空發(fā)動機PID轉速控制系統(tǒng)和解耦ALQR轉速控制系統(tǒng)，提高了系統(tǒng)性能。提出了基于控制結構設計的模型逆控制方法，用于航空發(fā)動機直接推力控制系統(tǒng)。研究了推力估計的神經網絡、支持向量機算法、Kalman跟蹤濾波方法，并提出了基于控制器的跟蹤濾波推力估計方法。采用神經網絡逆模型和線