智能航空發(fā)動(dòng)機(jī)性能退化緩解控制技術(shù)研究.pdf

1、智能發(fā)動(dòng)機(jī)控制技術(shù)是未來(lái)航空發(fā)動(dòng)機(jī)控制系統(tǒng)的發(fā)展方向之一，作為智能發(fā)動(dòng)機(jī)控制技術(shù)分支的性能退化緩解控制技術(shù)受到了研究人員的廣泛關(guān)注。本文從智能發(fā)動(dòng)機(jī)的角度開(kāi)展了發(fā)動(dòng)機(jī)建模技術(shù)、魯棒控制器設(shè)計(jì)、健康管理等發(fā)動(dòng)機(jī)性能退化緩解控制相關(guān)關(guān)鍵技術(shù)的研究，并進(jìn)行了數(shù)字仿真驗(yàn)證。
　　論文首先研究了渦扇發(fā)動(dòng)機(jī)模型的建立方法。針對(duì)狀態(tài)變量建模過(guò)程中，偏導(dǎo)數(shù)法和擬合法的缺點(diǎn)，對(duì)人工蜂群(ABC)算法進(jìn)行了改進(jìn)，并將其用于航空發(fā)動(dòng)機(jī)狀態(tài)變量模型參數(shù)的

2、優(yōu)化求解。經(jīng)過(guò)優(yōu)化得到的狀態(tài)變量模型與非線性模型具有較高的吻合度。同時(shí)，還研究了利用神經(jīng)網(wǎng)絡(luò)和改進(jìn)的迭代約簡(jiǎn)最小二乘支持向量回歸機(jī)(IRR-LSSVR)算法建立推力簡(jiǎn)化模型的方法。該方法通過(guò)飛行狀態(tài)映射傳感器信號(hào)，再通過(guò)傳感器信號(hào)映射推力，將推力簡(jiǎn)化模型分為兩個(gè)串接的子模型分別訓(xùn)練，彌補(bǔ)了直接映射推力精度不足的缺點(diǎn)，提高了推力簡(jiǎn)化模型的精度。
　　其次，論文研究了航空發(fā)動(dòng)機(jī)多變量魯棒控制算法，提出了基于ABC的多目標(biāo)優(yōu)化算法——多

3、目標(biāo)蜂群算法(MOABC)算法，并將其用于航空發(fā)動(dòng)機(jī)H2/H∞魯棒控制器的設(shè)計(jì)。MOABC算法利用外部存儲(chǔ)檔案中的非支配最優(yōu)解來(lái)產(chǎn)生子代食物源并與父代食物源一起進(jìn)行非支配排序，然后用處在最優(yōu)Parato前沿面的解來(lái)更新外部存儲(chǔ)檔案。通過(guò)與NSGA-II和SPEA-II的對(duì)比仿真表明 MOABC算法具有很好的收斂性和分布性。在將 MOABC算法應(yīng)用于航空發(fā)動(dòng)機(jī)H2/H∞魯棒控制器設(shè)計(jì)時(shí)，將H2指標(biāo)和H∞指標(biāo)作為多目標(biāo)優(yōu)化的目標(biāo)函數(shù)，得到了

4、控制器參數(shù)的Parato前沿面，并從中確定了一組發(fā)動(dòng)機(jī)控制器參數(shù)。在非線性模型上的仿真表明利用MOABC算法所設(shè)計(jì)控制器具有很好的魯棒性和抗干擾性，且動(dòng)態(tài)品質(zhì)良好。
　　再者，設(shè)計(jì)了發(fā)動(dòng)機(jī)部件故障與傳感器故障診斷系統(tǒng)。針對(duì)航空發(fā)動(dòng)機(jī)傳感器故障與突發(fā)性部件故障的診斷，提出了一種基于SVM-ELM-KF的診斷方法。該方法將IRR-LSSVR算法推廣到分類(lèi)機(jī)，用于區(qū)分識(shí)別傳感器故障與部件故障。然后利用ELM算法和改進(jìn)的Kalman濾波器

5、對(duì)傳感器故障和部件故障進(jìn)行精確定位，并通過(guò)數(shù)字仿真驗(yàn)證了該方法的可行性。同時(shí)，針對(duì)傳感器數(shù)目少于健康參數(shù)個(gè)數(shù)的氣路部件故障診斷，提出了一種基于模型和數(shù)據(jù)驅(qū)動(dòng)的融合診斷方法。對(duì)于極端學(xué)習(xí)機(jī)(ELM)隨機(jī)選擇輸入層權(quán)值和隱含層偏置帶來(lái)的缺點(diǎn)，提出改進(jìn)的微分進(jìn)化(IDE)算法對(duì)其進(jìn)行優(yōu)化，減少了ELM的隱含層節(jié)點(diǎn)數(shù)，提高了網(wǎng)絡(luò)的泛化能力，實(shí)現(xiàn)了基于數(shù)據(jù)的部件故障診斷。論文采用基于奇異值分解(SVD)的降維Kalman濾波器(KF)實(shí)現(xiàn)了基于模

6、型的部件故障診斷。然后，采用IRR-LSSVR算法對(duì)以上兩種算法的估計(jì)結(jié)果在特征層進(jìn)行定量融合，提高了診斷的準(zhǔn)確性。接著，本文提出了一種改進(jìn)的OS-ELM(ImOS-ELM)算法。該算法通過(guò)引入正則化因子，消除了矩陣奇異和病態(tài)的問(wèn)題，提高了預(yù)測(cè)精度，并使得算法能夠在初始階段就具有預(yù)測(cè)能力。同時(shí)以泛化能力為判斷依據(jù)，通過(guò)選擇策略對(duì)輸出權(quán)值進(jìn)行選擇性地更新，在很大程度上縮短了訓(xùn)練時(shí)間。通過(guò)在時(shí)間序列數(shù)據(jù)上驗(yàn)證了算法的有效性。然后，將ImOS

7、-ELM算法應(yīng)用于航空發(fā)動(dòng)機(jī)傳感器故障的診斷與隔離。仿真結(jié)果表明，該算法能夠?qū)娇瞻l(fā)動(dòng)機(jī)雙傳感器偏置故障和單傳感器漂移故障進(jìn)行有效地診斷與隔離，并具有較高的預(yù)測(cè)精度和實(shí)時(shí)性。
　　最后，論文對(duì)航空發(fā)動(dòng)機(jī)推力估計(jì)方法以及外環(huán)控制器的設(shè)計(jì)進(jìn)行了研究。針對(duì)退化發(fā)動(dòng)機(jī)，設(shè)計(jì)了基于ALQR控制器的推力估計(jì)器和基于IRR-LSSVR的推力估計(jì)器。接著，構(gòu)建了航空發(fā)動(dòng)機(jī)性能退化緩解控制的仿真平臺(tái)，并開(kāi)展了綜合仿真驗(yàn)證研究。通過(guò)對(duì)發(fā)動(dòng)機(jī)在不同狀態(tài)