航空发动机起动过程快速响应控制设计方法技术

本发明专利技术提供一种航空发动机起动过程快速响应控制设计方法，属于发动机控制领域。使用N

【技术实现步骤摘要】
航空发动机起动过程快速响应控制设计方法


[0001]本专利技术属于发动机控制领域，涉及一种实现航空发动机快速响应的控制设计方法。

技术介绍

[0002]航空发动机的起动过程是一个非常复杂的过渡态过程，处于该过程的航空发动机系统具有明显的非线性和时变的特性。而起动性能又直接影响飞机的飞行安全和用途以及发动机的可靠性和使用寿命，所以进行起动过程控制研究非常重要。
[0003]采用传统的起动控制方案，很难保证时间的一致性和较高的可靠性。航空发动机在使用机械液压控制系统时，由于调节器不可能设计得过于复杂，一般只能选用开环供油调节方案，经常出现起动超温或者悬挂现象，起动性能受制于各种外界因素。目前普遍采用的加速控制方法是基于燃油计划的开环控制，这种方法简单易行，但是针对同一批次的不同发动机或同一发动机的不同寿命阶段，其加速性能并不一致。对此，已有文献提出采用基于N
‑
dot控制计划的闭环控制方式；在《1种N
‑
dot过渡态PI控制律的设计方法》一文中王曦等学者通过仿真验证了采用转子加速度的闭环比例积分(PI)控制策略可以保证发动机的加速性能不受部件退化的影响，但是传统PI控制策略响应时间较长，在实际应用中仍存在着一些局限，限制了模型的实用性。
[0004]粒子群优化(PSO)算法作为一种仿生进化算法，是受到自然界生物群体行为机制的启发而提出的。PSO算法是由美国社会心理学家J.Kennedy和电气工程师R.Eberhart于1995年提出的一种进化计算方法。PSO算法根源于人工生命的研究，特别是对鸟群、鱼群等群体行为机制的模仿，并借鉴生物学家F.Heppner提出的生物群体模型，同时也融入进化计算的思想。PSO算法概念较为简单，需要调整的参数不多，易于编程实现，且其本身没有复杂的数学操作，对计算机硬件的速度和存储要求不高。
[0005]PSO算法作为一种仿生算法，目前还没有完备的数学理论基础，但其作为一种新兴的优化算法已在诸多领域展现了良好的应用前景。因此对PSO算法进行深入的研究在理论和应用实践上都具有重要的意义。本专利技术专利利用改进的粒子群算法具有实现简单、效果良好和通用性好等优点，用以求取在众多约束下的时间最优的起动控制问题。首先需要将设计的目标函数即起动过程时间进行离散化处理，通过保证每一子时间段的起动过程时间最优，获得整个起动过程的最优控制计划。由于智能算法在处理航空发动机性能优化问题中具有更好的搜索能力，发动机的性能参数收敛更快。然而，智能算法也存在一些缺点，例如容易陷入局部最优解、计算复杂度高等。因此需要结合具体情况，具体分析算法的适用性。

技术实现思路

[0006]针对现有技术存在的问题，本专利技术提供一种实现航空发动机过渡态快速响应的控制设计方法，能够满足航空发动机在起动过程中不喘振、不超温的情况下实现缩短过渡态
调节时间。
[0007]为了达到上述目的，本专利技术采用的技术方案如下：
[0008]一种用于航空发动机过渡态快速响应控制计划的控制设计方法，首先，基于N
‑
dot控制计划设计自抗扰控制(ADRC)控制器；其次，构建竞争粒子群智能控制算法；最后，应用于模型得到理想的控制结果。本专利技术能够在满足航空发动机稳定运行的前提下缩短过渡态调节时间。具体步骤如下：
[0009]第一步、基于N
‑
dot控制计划设计ADRC控制器
[0010]所述N
‑
dot控制计划的特征为：在N
‑
dot控制计划下的闭环控制可以保证航空发动机加速性能的一致性，在短时间内响应过渡态控制方案，充分发挥发动机的潜能。起动过程控制是航空发动机过渡态控制中的重要环节，要求保证该过程中发动机不喘振、不超温且缩短起动时间。基于以上研究本专利技术采用自抗扰控制(ADRC)算法代替PI控制算法，并应用于航空发动机的起动过程控制中，构建闭环控制回路如图1所示，具体步骤如下：
[0011](1)开环油气比控制计划的开环属性决定了其只能按照原有设计的加/减速计划为航空发动机供给燃油，而不能根据航空发动机的实时状态进行更灵活、更细致的过渡态控制。除此之外，开环油气比控制计划还存在着积分饱和、部件退化对性能影响较大等缺陷。在这样的背景下，更具有优势的N
‑
dot控制计划已成为目前过渡态控制主要方法之一。N
‑
dot控制计划通过控制发动机的转子加速度，来保证具有制造公差、性能蜕化的发动机实现过渡态性能一致的目标。
[0012](2)自抗扰控制器(ADRC)主要包括以下几个部分：跟踪微分器(TD)、线性扩张状态观测器(LESO)、非线性状态误差反馈(NLSEF)。其特点包括：1)通过安排过渡过程解决控制系统快速性和超调之间的矛盾。2)利用扩张状态观测器实时估计系统扰动，并进行扰动补偿，增强系统的鲁棒性。3)采用线性状态误差组合方式来显著提高控制功能。ADRC的n阶结构图如图2所示。二阶跟踪微分方程如下：
[0013][0014]式中，v0是高压轴转子加速度N
‑
dot的参考设定值，v1为参考输入的跟踪值；v2为N
‑
dot导数的跟踪值；r为速度因子,决定跟踪快慢的物理量；h是系统的采样点；h0为滤波因子；fhan(v1‑
v0,v2,r,h0)为非线性函数。
[0015](3)将N
‑
dot控制计划和ADRC控制器相结合，即保留了N
‑
dot控制计划所具有的特点，同时引入ADRC来增强闭环控制的强抗扰性和强鲁棒性。图3是在航空发动机起动模型中设计的基于N
‑
dot控制计划的ADRC闭环控制结构。
[0016]第二步、构建竞争粒子群智能控制算法
[0017]所述的智能控制算法，其特征为：可以解决传统优化算法约束条件过多或者具有多极值从而无法求解最优解的问题。
[0018](1)考虑传统粒子群算法对于小范围粒子优化效果尚可，但是针对大范围粒子优化效果达不到所需的优化标准。受传统粒子群优化算法的启发，本专利技术专利利用一种新的用于大规模优化的竞争粒子群优化算法(CSO)。此算法在概念上与传统粒子群优化算法有很大不同，在新的竞争粒子群优化算法中，更新粒子时既不涉及每个粒子的个人最佳位置，也不涉及全局最佳位置(或邻域最佳位置)。相反，引入了成对竞争机制，在这种机制下，竞
争输掉的粒子将通过向获胜的粒子学习来更新其位置。
[0019](2)不失一般性，本专利技术考虑以下最小化问题：
[0020]minf＝f(X)
[0021]s.t.X∈χ
[0022]其中χ∈R
n
是可行解集，n表示搜索空间的维数，即决策变量的个数。
[0023]为了解决上述优化问题，包含m个粒子的群体P(t)被随机初始化并迭代更新，其中m被称为群体大小，t是生成指数。每个粒子有一个二维位置，
[0024]X
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航空发动机起动过程快速响应控制设计方法，其特征在于，该方法能够在满足航空发动机稳定运行的前提下缩短过渡态调节时间，首先，基于N
‑
dot控制计划设计自抗扰控制ADRC控制器；其次，构建竞争粒子群智能控制算法；最后，应用于模型得到控制结果。2.根据权利要求1所述的一种航空发动机起动过程快速响应控制设计方法，其特征在于，包括以下步骤：第一步、基于N
‑
dot控制计划设计ADRC控制器采用自抗扰控制(ADRC)算法代替传统PI控制算法，并应用于航空发动机的起动过程控制中，构建闭环控制回路，具体步骤如下：(1)N
‑
dot控制计划通过控制发动机的转子加速度，来保证具有制造公差、性能蜕化的发动机实现过渡态性能一致的目标；(2)自抗扰控制器ADRC主要包括以下部分：跟踪微分器TD、线性扩张状态观测器LESO、非线性状态误差反馈NLSEF；其特点为：1)通过安排过渡过程解决控制系统快速性和超调之间的矛盾；2)利用扩张状态观测器实时估计系统扰动，并进行扰动补偿，增强系统的鲁棒性；3)采用线性状态误差组合方式来显著提高控制功能；二阶跟踪微分方程如下：式中，v0是高压轴转子加速度N
‑
dot的参考设定值，v1为参考输入的跟踪值；v2为N
‑
dot导数的跟踪值；r为速度因子,决定跟踪快慢的物理量；h是系统的采样点；h0为滤波因子；fhan(v1‑
v0,v2,r,h0)为非线性函数；(3)将N
‑
dot控制计划和ADRC控制器相结合，即保留N
‑
dot控制计划所具有的特点，同时引入ADRC来增强闭环控制的强抗扰性和强鲁棒性；第二步、构建竞争粒子群智能控制算法，用于解决传统优化算法约束条件过多或者具有多极值从而无法求解最优解的问题；具体步骤如下：(1)采用新的用于大规模优化的竞争粒子群优化算法(CSO)；此算法更新粒子时既不涉及每个粒子的个人最佳位置，也不涉及全局最佳位置或邻域最佳位置；相反，引入成对竞争机制，在这种机制下，竞争输掉的粒子将通过向获胜的粒子学习来更新其位置；(2)最小化问题为：minf＝f(X)s.t.X∈χ其中，χ∈R
n
是可行解集，n表示搜索空间的维数，即决策变量的个数；为了解决上述优化问题，包含m个粒子的群体P(t)被随机初始化并迭代更新...

【专利技术属性】
技术研发人员：赵旭东，张伟超，许宁，刘硕硕，石岩，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：