一种基于深度强化学习的压气机主动喘振控制方法及系统技术方案

本发明专利技术公开了一种基于深度强化学习的压气机主动喘振控制方法及系统，涉及航空发动机主动稳定性控制领域，其步骤包括：(1)建立含执行机构的压气机数学模型；(2)建立面向压气机主动喘振控制任务的深度强化学习智能体仿真训练环境；(3)使用软演员

【技术实现步骤摘要】
一种基于深度强化学习的压气机主动喘振控制方法及系统


[0001]本专利技术涉及航空发动机主动稳定性控制
，尤其涉及一种基于深度强化学习的压气机主动喘振控制方法及系统。

技术介绍

[0002]喘振作为压气机失稳的典型流态，对航空发动机的性能及安全性都有极大的影响，严重的情况下，还将引起发动机故障，从而导致灾难性的后果。为了避免压气机越过不稳定边界发生旋转失速和喘振，早期人们往往采取被动防喘措施，即在设计压气机时就留出足够的喘振裕度。这是一种开环的控制思路，能够一定程度上减少不稳定性状态发生的可能，但同时也大大限制了压气机工作流量和压比的范围，牺牲了性能和运行效率。随着人们对压气机不稳定特性研究的深入，主动喘振控制的思想应运而生，即通过摆动叶片排、高压喷气、扬声器、活塞阻尼机构、可控调节阀、紧连阀以及节流阀等执行机构的反馈控制抑制压气机喘振初期时流场内的压力或流量扰动的形成和发展，使压气机稳定运行在喘振边界内的高压比和高效率区域。
[0003]公开号为CN113279997A的专利提出了一种基于控制器模糊切换的航空发动机喘振主动控制系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度强化学习的压气机主动喘振控制方法及系统，其特征在于包括以下步骤：(1)建立含执行机构的压气机数学模型；(2)建立面向压气机主动喘振控制任务的深度强化学习智能体仿真训练环境；(3)使用软演员
‑
评论家算法训练智能体；(4)将训练完成的智能体的动作网络部署至电子控制器在线应用。2.根据权利要求1所述的一种基于深度强化学习的压气机主动喘振控制方法及系统，其特征是所述步骤(1)建立含执行机构的压气机数学模型包括：使用真实的压气机物理特性数据辨识出压气机的流量系数
‑
压比系数特性项；然后根据辨识出的压气机特性项建立最终的压气机数学模型。3.根据权利要求1所述的一种基于深度强化学习的压气机主动喘振控制方法及系统，其特征是所述步骤(2)所述建立面向压气机主动喘振控制任务的深度强化学习智能体仿真训练环境包括：步骤(2.1)，给定压气机的压比系数参考指令p
ref
作为压气机主动喘振控制的目标，压比系数参考指令用于保证压气机压比平滑过渡至喘振边界外的低流量区域，由以下公式给定：其中τ为惯性系数；C为压力系数参考指令终值；步骤(2.2)，选择观测变量O为k个历史控制周期及当前控制周期内的压比系数参考指令p
ref
、压气机模型的流量系数φ、压气机模型的压力系数ψ、压力系数的控制误差e＝p
ref
‑
ψ及其积分eint与导数edot，t时刻观测变量O
t
表示成维度为(k+1，6)的多元时间序列矩阵：步骤(2.3)，设计智能体的动作网络和评价网络；所述智能体的动作网络π
θ
包括一个输入层、全连接层、LSTM层、relu激活函数层，随后经两个分支网络分别输出；分支网络1依次由全连接层、relu激活函数、全连接层和输出层1；分支网络2依次由全连接层、relu激活函数、全连接层、softplus激活函数层和输出层2；动作网络输入参数为观测量O，输出层1为控制量的均值输出层2位控制量的标准差σ；所述智能体包括两个结构完全相同的评价网络，分别为和评价网络每个评价网络均由两个分支网络合并，分支网络1依次由输...

【专利技术属性】
技术研发人员：张兴龙，张天宏，黄向华，盛汉霖，庞淑伟，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：