開關(guān)磁阻電機的非線性建模及在航空發(fā)動機多場耦合仿真中的應(yīng)用.pdf

1、開關(guān)磁阻電機(Switched Reluctance Machine,SRM)由于具有容錯性好、穩(wěn)定性高、調(diào)速范圍寬、功率密度大和易冷卻等優(yōu)點,因而比傳統(tǒng)電機更適合航空應(yīng)用場合。隨著多/全電飛機(More Electric Aircratt/AllElectric Aircraft,,MEA/AEA)成為未來航空的發(fā)展趨勢,SRM在航空應(yīng)用上面臨極大的機遇。目前,美國等航空強國己把SRM作為未來的MEA/AEA電源系統(tǒng)的首選方案,國際上

2、主要的航空發(fā)動機研究機構(gòu)如GE、Rolls-Roys和Pratt&Whitney等公司也都將SRM作為潛在的航空起動/發(fā)電機(Starter/Generator)系統(tǒng)進行研究?？梢灶A(yù)見,SRM系統(tǒng)將是航空發(fā)動機動力系統(tǒng)的一個潛在的重要組成部分。
　　 航空發(fā)動機動力系統(tǒng)是一個多領(lǐng)域復(fù)雜物理系統(tǒng),其研發(fā)進度是整個飛機研發(fā)進度的關(guān)鍵。基于CAE技術(shù)的仿真分析可以實現(xiàn)發(fā)動機動力系統(tǒng)的預(yù)測設(shè)計,從而縮短其研發(fā)周期并減少成本。當(dāng)前,我國的

3、航空工業(yè)正處于起步階段,嚴(yán)重落后于美、俄、英、法等航空強國,尤其在以發(fā)動機為主的航空動力系統(tǒng)的研發(fā)方面,差距更為明顯。鑒于我國航空工業(yè)的自主研制基礎(chǔ)較弱,開發(fā)虛擬樣機仿真分析的航空動力系統(tǒng)CAE技術(shù)對于發(fā)展我國航空工業(yè)具有重要意義。
　　 航空發(fā)動機動力系統(tǒng)仿真涉及到多學(xué)科的耦合研究。目前有關(guān)發(fā)動機和開關(guān)磁阻電機的特性仿真均是單獨進行的。發(fā)動機仿真往往只偏向于某一領(lǐng)域的諸如壓氣機特性、渦輪特性或燃燒特性等方面的仿真分析；開關(guān)磁阻

4、電機的仿真研究也都將其視為獨立的個體,集中在機電層面上。關(guān)于開關(guān)磁阻電機在航空發(fā)動機動力系統(tǒng)方面的應(yīng)用,組成發(fā)動機動力系統(tǒng)的系統(tǒng)級模型,涉及機、電、液、氣、熱等多場耦合的實時特性仿真分析時,還鮮見相關(guān)成果。從這個意義上,本文分析了發(fā)動機各子系統(tǒng)的耦合作用,實現(xiàn)了多場耦合的發(fā)動機系統(tǒng)級仿真,提供了發(fā)動機各耦合子系統(tǒng)的實時特性,和全域內(nèi)開關(guān)磁阻電機運行特性的分析依據(jù)。
　　 由此,本課題組致力于建立一個完整的、通用化的航空動力系統(tǒng)元

5、部件模型庫。該模型庫采用適用于多領(lǐng)域物理系統(tǒng)建模、被譽為新一代的統(tǒng)一建模語言--Modelica開發(fā),具有參數(shù)化、易擴展的特點,并力求標(biāo)準(zhǔn)化和通用化。相比傳統(tǒng)的面向塊、基于信號流的如Simulink等建模平臺,Modelica的面向?qū)ο笮允沟孟到y(tǒng)分解更接近實際物理系統(tǒng)結(jié)構(gòu),而其非因果性的特點則賦予模型雙向計算能力,因而能較好地解決子系統(tǒng)之間的耦合和計算流程的問題,增加了模型的可重用性。
　　 SRM系統(tǒng)是航空動力系統(tǒng)的一個潛在重

6、要子系統(tǒng),而開關(guān)磁阻驅(qū)動系統(tǒng)(Switched Reluctance Drive)本身則是個時變的強非線性系統(tǒng),其控制存在著諸多難題。SRD具有可控參數(shù)多、控制靈活但難以優(yōu)化的特點。常規(guī)的參數(shù)固定的PID控制方法難以取得理想的控制效果。神經(jīng)網(wǎng)絡(luò)技術(shù)具有良好的非線性逼近能力,自學(xué)習(xí)、自適應(yīng)能力和并行處理信息的能力,比較適用于具有不確定性或高度非線性系統(tǒng)的建模和控制,因此,從20世紀(jì)90年代后,神經(jīng)網(wǎng)絡(luò)技術(shù)開始被引進SRM的建模和SRD的控

7、制中。神經(jīng)網(wǎng)絡(luò)理論研究已形成多個流派,而多層前向神經(jīng)網(wǎng)絡(luò)是其中最富有成就、應(yīng)用最廣泛的研究成果之一。然而,目前網(wǎng)絡(luò)結(jié)構(gòu)還沒有有效的確定方法,動態(tài)辨識與控制用的一階梯度學(xué)習(xí)算法及其相應(yīng)的衍生方法收斂過于緩慢,以及難以利用先驗知識指導(dǎo)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)過程等問題成為制約神經(jīng)網(wǎng)絡(luò)技術(shù)實際應(yīng)用的障礙。
　　 鑒于SRM在航空方面的應(yīng)用前景,本文圍繞SRM的Modelica非線性建模,SRM的航空應(yīng)用分析的研究展開,并致力于解決SRM神經(jīng)網(wǎng)絡(luò)控

8、制的一些技術(shù)難點。本文主要完成的工作如下:
　　 (1)本文基于磁路特性原理提出了SRM的一個改進的非線性解析模型。該模型原始數(shù)據(jù)基于有限元分析的靜態(tài)磁特性參數(shù),較好地實現(xiàn)了高精度和快速可計算性的平衡。模型分別通過靜態(tài)、動態(tài)方面加以驗證,精度均在誤差的理想范圍內(nèi)。本文接著基于BP神經(jīng)網(wǎng)絡(luò)建立SRM的神經(jīng)網(wǎng)絡(luò)模型。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)采用黃金分割法確定,以求在精度和結(jié)構(gòu)上找到優(yōu)化計算的平衡點。相比較解析模型,神經(jīng)網(wǎng)絡(luò)模型具有更高的精度,然

9、而,模型的計算復(fù)雜性也更強。
　　 (2)本文采用Modelica語言并基于Dymola平臺開發(fā)了SRM系統(tǒng)相對完整的元部件模型庫。由于復(fù)雜物理系統(tǒng)的動態(tài)仿真具有計算量極大的特點,因此,子系統(tǒng)模型在確保精度的基礎(chǔ)上,必須力求簡單、可快速計算的特性。鑒于此,SRM的Modelica模型庫基于非線性解析模型建立。該模型庫具有參數(shù)化、通用化和易擴展的特點,既可為SRM的獨立設(shè)計提供CAE分析依據(jù),也能組建SRM系統(tǒng)模型與負(fù)載或原動機模

10、型相耦合的系統(tǒng)級模型,提供系統(tǒng)級仿真分析依據(jù)。
　　 (3)本文基于BP神經(jīng)網(wǎng)絡(luò)理論設(shè)計了SRD的自適應(yīng)神經(jīng)網(wǎng)絡(luò)PID控制算法。該算法探討了網(wǎng)絡(luò)初始權(quán)(閾)值的問題,旨在通過先驗知識指導(dǎo)權(quán)系數(shù)矩陣的生成,從而減小神經(jīng)網(wǎng)絡(luò)對于初始權(quán)系數(shù)矩陣的依賴性。本文提出并比較了兩種改進方法,結(jié)果顯示兩種改進算法對于初始權(quán)系數(shù)矩陣的依賴性均有較大下降。本文進一步探討了用于控制的多層前向神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法,嘗試把輸入向量的變化考慮進權(quán)值調(diào)整過程,

11、進而提出動態(tài)Levenberg-Marquardt法和動態(tài)梯度法。其目的在于加速網(wǎng)絡(luò)收斂速度并改善網(wǎng)絡(luò)經(jīng)過訓(xùn)練后的穩(wěn)態(tài)精度,解決由靜態(tài)空間建模到動態(tài)時間建模所帶來的問題。
　　 (4)最后,本文分析了SRM在航空方面的應(yīng)用及其控制方法的比較。航空應(yīng)用具有寬速運行的特點,傳統(tǒng)的SRM的航空應(yīng)用分析,通常是選取其典型的運行點進行分析。本文則通過搭建發(fā)動機動力系統(tǒng)的系統(tǒng)級模型提供了全域內(nèi)的分析依據(jù)。仿真結(jié)果顯示了SRM的航空控制方法的