一种航空发动机的执行机构和传感器故障诊断的区分方法

    公开(公告)号:CN103983453B

    公开(公告)日:2016-06-15

    申请号:CN201410193998.1

    申请日:2014-05-08

    Abstract: 本发明涉及一种航空发动机的执行机构和传感器故障诊断的区分方法,其特征在于以执行机构的预测模型来判断执行机构和传感器是否发生故障,以航空发动机的逆映射预测模型来对执行机构和传感器所发生的故障进行区分定位,具体步骤包括:步骤A建立执行机构的预测模型;步骤B建立航空发动机的逆映射预测模型;步骤C基于执行机构的预测模型和航空发动机的逆映射预测模型建立执行机构及其传感器故障诊断系统;步骤D设执行机构和传感器的故障阈值分别为D1和D2,诊断执行机构和传感器的故障。本发明不受航空发动机健康程度和航空发动机型号之间差异的影响,可直接应用于不同型号和不同使用程度的航空发动机上,具有广泛的推广应用价值。

    单旋翼直升机/涡轴发动机综合抗扰控制系统设计方法

    公开(公告)号:CN102411305B

    公开(公告)日:2014-03-05

    申请号:CN201110355360.X

    申请日:2011-11-11

    Abstract: 本发明公开了一种单旋翼直升机/涡轴发动机综合抗扰控制系统设计方法。本发明分别设计了用于对直升机进行控制的直升机多模型融合鲁棒控制器,以及用于对涡轴发动机进行控制的涡轴发动机非线性模型预测控制器;其中多模型融合鲁棒控制器通过以下方法得到:首先选取被控对象的某一特征参数,并将该特征参数的范围划分为多个控制子空间;然后在各控制子空间中分别设计其所对应的子控制器;最后将各子控制器进行在线融合。非线性模型预测控制器通过以下方法建立:对涡轴发动机模型进行在线训练,得到预测模型;利用序列二次规划算法库对预测模型进行滚动优化设计;反馈校正。本发明可使单旋翼直升机/涡轴发动机综合控制系统的抗扰能力得到明显提升。

    单旋翼直升机/涡轴发动机综合抗扰控制系统设计方法

    公开(公告)号:CN102411305A

    公开(公告)日:2012-04-11

    申请号:CN201110355360.X

    申请日:2011-11-11

    Abstract: 本发明公开了一种单旋翼直升机/涡轴发动机综合抗扰控制系统设计方法。本发明分别设计了用于对直升机进行控制的直升机多模型融合鲁棒控制器,以及用于对涡轴发动机进行控制的涡轴发动机非线性模型预测控制器;其中多模型融合鲁棒控制器通过以下方法得到:首先选取被控对象的某一特征参数,并将该特征参数的范围划分为多个控制子空间;然后在各控制子空间中分别设计其所对应的子控制器;最后将各子控制器进行在线融合。非线性模型预测控制器通过以下方法建立:对涡轴发动机模型进行在线训练,得到预测模型;利用序列二次规划算法库对预测模型进行滚动优化设计;反馈校正。本发明可使单旋翼直升机/涡轴发动机综合控制系统的抗扰能力得到明显提升。

    航空发动机多变量限制保护控制方法

    公开(公告)号:CN112523874B

    公开(公告)日:2021-09-14

    申请号:CN202011440326.8

    申请日:2020-12-07

    Abstract: 本发明公开了一种航空发动机多变量限制保护控制方法。针对现有航空发动机限制保护控制方法所存在的缺陷,本发明基于模型基控制思想,通过机载模型的在线线性化和参数预测,实时地选择激活主控制回路或是相应的限制保护回路,并利用预测结果实现多变量框架下的指令自适应重构,进而利用多变量控制器实现对不可测量的直接控制或限制。其适用对象为能够建立复杂解析模型、具有多个可调节变量的各种动力机械,包括但不限于涡喷发动机、涡扇发动机、涡轴发动机、涡桨发动机、变循环发动机、涡轮基冲压组合发动机等。

    基于神经网络的航空发动机线性变参数模型建立方法

    公开(公告)号:CN113282004A

    公开(公告)日:2021-08-20

    申请号:CN202110549309.6

    申请日:2021-05-20

    Abstract: 本发明公开了一种基于神经网络的航空发动机线性变参数模型建立方法,在线训练神经网络模型,神经网络模型包括隐含层、输出层以及设置于隐含层与输出层之间的乘法层,隐含层与乘法层之间为连接权值为1的局部连接,乘法层与输出层之间为全连接,乘法层的激励函数为比例函数,输出层的激励函数为线性函数,神经网络模型的输入为航空发动机线性变参数模型的调度参数,神经网络模型的输出为航空发动机线性变参数模型的状态方程和输出方程的输出;利用所述神经网络模型获得航空发动机线性变参数模型的参数,进而建立航空发动机线性变参数模型。相比现有技术,本发明能够基于个体发动机的输入输出数据,实现对发动机个体的快速线性变参数模型的建立。

    超声速进气道与涡扇发动机综合控制方法及装置

    公开(公告)号:CN109973221B

    公开(公告)日:2020-08-14

    申请号:CN201910227764.7

    申请日:2019-03-25

    Abstract: 本发明公开了一种超声速进气道与涡扇发动机综合控制方法,利用超声速进气道中的正激波位置,并根据总压恢复系数比值与正激波位置的关系以及飞行条件获得相应的总压恢复系数,然后用该总压恢复系数作为涡扇发动机控制所需的总压恢复系数。本发明还公开了一种超声速进气道与涡扇发动机综合控制装置。本发明将进气道正激波模型与发动机模型结合在一起,通过正激波位置对总压恢复系数进行修正,可模拟进气道不同工作状况,准确体现发动机与进气道之间的耦合关系,提高发动机控制性能。

    一种基于深强化学习的航空发动机控制方法、装置

    公开(公告)号:CN111486009A

    公开(公告)日:2020-08-04

    申请号:CN202010328588.9

    申请日:2020-04-23

    Abstract: 本发明公开了一种基于深强化学习的航空发动机控制方法,首先根据控制指令和反馈参数获得初始的燃油流量,然后根据预设的发动机物理限制对初步的燃油流量进行修正,最后按照修正后的燃油流量向航空发动机输入相应流量的燃油;所述根据控制指令和反馈参数获得初始的燃油流量,具体是通过深度强化学习网络实现。本发明还公开了一种基于深强化学习的航空发动机控制装置。相比现有技术,本发明采用深度增强学习方法来设计发动机控制器,使得发动机随学习时间增加,其响应速度不断提高,从而提高发动机响应速度。

    基于复合模型预测控制的航空发动机直接推力控制方法

    公开(公告)号:CN111425304A

    公开(公告)日:2020-07-17

    申请号:CN202010329284.4

    申请日:2020-04-23

    Abstract: 本发明公开了一种基于复合模型预测控制的航空发动机直接推力控制方法,利用非线性预测模型控制方法对发动机推力进行直接控制;所述非线性预测模型控制方法中所使用的预测模型为基于发动机状态变量模型、卡尔曼滤波器、发动机非线性模型所建立的复合预测模型,所述卡尔曼滤波器利用发动机测量参数值和发动机非线性模型计算值之差计算得到发动机退化量并将其反馈到发动机非线性模型,发动机非线性模型计算出发动机不可测参数并将其与发动机退化量一起反馈至发动机状态变量模型,发动机状态变量模型通过实时滚动优化求出预测控制量。相比现有技术,本发明可有效提高发动机模型预测控制的实时性。

Patent Agency Ranking