基于新型灰狼优化算法的航空发动机非线性预测控制方法技术

本发明专利技术所公开的基于新型灰狼优化算法的航空发动机非线性预测控制方法，包括：预测模型建立，即利用高斯白噪声作为输入数据作用到航空发动机，得到相应的输出数据，针对于采集到的输入、输出数据运用BP神经网络方法离线训练好相应的神经网络模型，再基于神经网络模型利用递推方法建立预测模型；反馈校正，即运用k时刻预测模型输出值与发动机实际输出值之间存在的误差，对预测模型的输出值进行反馈校正；滚动优化，即采用新型灰狼优化算法进行求解，用预测模型输出值与发动机输出设定值的差作为滚动优化模块的输入，经过滚动优化后得到最优控制量燃油流量。该方法较一般的航空发动机控制方法具有更好的鲁棒性和处理约束的能力。

【技术实现步骤摘要】
基于新型灰狼优化算法的航空发动机非线性预测控制方法
本专利技术属于航空发动机控制
，尤其涉及一种基于新型灰狼优化算法航空发动机非线性预测控制方法。
技术介绍
航空发动机系统是一个复杂的气动热力学系统，其工作范围宽广、工作状况复杂，实际系统中不可避免地存在着大量的干扰和未建模动态等不确定性，要求航空发动机控制系统拥有很强的鲁棒性，而且在实际中航空发动机系统会存在着诸多物理约束，这又要求控制系统拥有良好的处理约束，预测控制则可以兼顾以上两点，得到很好的控制效果。而保证预测控制性能的重要因素是滚动优化中所采取算法的优化能力，因此在预测控制中，使用优化能力好的优化算法来实现滚动优化是非常重要的。传统的处理航空发动机非线性预测控制的非线性规划方法在求解预测控制输入时对初始条件有限制，且容易陷入局部最优，现有的群智能算法如遗传算法、人工蜂群算法、粒子群算法等已经成功运用在很多优化问题上，并取得了较传统非线性规划方法更为优秀的结果，但都仍然存在进化后期收敛速度较慢、对复杂问题计算精度不高、处理不当时容易陷入局部最优等问题。因此研究一个搜索能力强、收敛性高、计算速度快，而且具有很好的处理约束能本文档来自技高网...

【技术保护点】
一种基于新型灰狼优化算法的航空发动机非线性预测控制方法，其特征在于，该方法包括以下几个部分：预测模型建立：利用高斯白噪声作为输入数据作用到航空发动机，得到相应的输出数据，针对于采集到的输入、输出数据运用BP神经网络方法离线训练好相应的神经网络模型，再基于神经网络模型利用递推方法建立预测模型；反馈校正：运用k时刻预测模型输出值与发动机实际输出值之间存在的误差，对预测模型的输出值进行反馈校正，以提高预测输出值的精度；滚动优化：采用新型灰狼优化算法进行求解，用预测模型输出值与发动机输出设定值的差作为滚动优化模块的输入，经过滚动优化后得到最优控制量燃油流量。

【技术特征摘要】
1.一种基于新型灰狼优化算法的航空发动机非线性预测控制方法，其特征在于，该方法包括以下几个部分：预测模型建立：利用高斯白噪声作为输入数据作用到航空发动机，得到相应的输出数据，针对于采集到的输入、输出数据运用BP神经网络方法离线训练好相应的神经网络模型，再基于神经网络模型利用递推方法建立预测模型；反馈校正：运用k时刻预测模型输出值与发动机实际输出值之间存在的误差，对预测模型的输出值进行反馈校正，以提高预测输出值的精度；滚动优化：采用新型灰狼优化算法进行求解，用预测模型输出值与发动机输出设定值的差作为滚动优化模块的输入，经过滚动优化后得到最优控制量燃油流量。2.如权利要求1所述的航空发动机非线性预测控制方法，其特征在于，设计滚动优化模块的目标函数为：式中，P为预测时域，M为控制时域，Q、R分别为跟踪和控制项加权，yr为发动机输出设定值，为预测模型输出值，Δu(k)＝u(k)-u(k-1)，Δu(k)＜Δumax，umin＜u(k)＜umax，k表示当前时刻，j＝1,2,...,P。3.如权利要求1所述的航空发动机非线性预测控制方法，其特征在于，滚动优化采用新型灰狼优化算法进行求解，包括以下步骤：步骤一：确定种群数量，最大迭代次数，设定航空发动机的约束条件，设定预测时域P和控制时域M，设定交叉概率，根据约束条件产生初始灰狼种群个体位置；步骤二：根据灰狼位置X来计算灰狼种群个体的适应度值，并将适应度值进行排序，将适应度值排前三位的灰狼个体记作alpha狼、beta狼、delta狼，其余灰狼个体标记为omega狼；步骤三：计算收敛因子A、摆动因子C；步骤四：根据当前时刻alpha狼、beta狼及...

【专利技术属性】
技术研发人员：陈宇寒，肖玲斐，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32