[發(fā)明專利]一種基于動態(tài)神經(jīng)網(wǎng)絡(luò)的變循環(huán)發(fā)動機智能控制方法

有效

• 申請?zhí)枺?/td>: 201911388033.7
• 申請日: 2019-12-30
• 公開（公告）號: CN111042928B
• 公開（公告）日: 2020-12-11
• 發(fā)明（設(shè)計）人: 王甜;馬艷華;杜憲;夏衛(wèi)國;孫希明
• 申請（專利權(quán)）人: 大連理工大學(xué)
• 主分類號: F02C9/00
• 分類號: F02C9/00
• 代理公司: 大連理工大學(xué)專利中心 21200
• 代理人: 溫福雪;侯明遠(yuǎn)

本發(fā)明屬于航空發(fā)動機控制技術(shù)領(lǐng)域，提供了一種基于動態(tài)神經(jīng)網(wǎng)絡(luò)的變循環(huán)發(fā)動機智能控制方法，通過在神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法中添加基于灰色關(guān)聯(lián)分析法的結(jié)構(gòu)調(diào)整算法，對神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行調(diào)整，構(gòu)建動態(tài)神經(jīng)網(wǎng)絡(luò)控制器，實現(xiàn)對變循環(huán)發(fā)動機的智能控制。通過本發(fā)明設(shè)計的基于灰色關(guān)聯(lián)度分析法的網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整算法進(jìn)行動態(tài)神經(jīng)網(wǎng)絡(luò)訓(xùn)練，構(gòu)建基于動態(tài)神經(jīng)網(wǎng)絡(luò)的變循環(huán)發(fā)動機動智能控制器。有效改善了變循環(huán)發(fā)動機控制變量增多帶來的非線性多變量之間的耦合問題和傳統(tǒng)的控制方法過于依賴模型精度的問題。同時，又能在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中進(jìn)行結(jié)構(gòu)的動態(tài)調(diào)整，使網(wǎng)絡(luò)結(jié)構(gòu)更加精簡，提高了運行速度和控制精度。

技術(shù)領(lǐng)域

本發(fā)明屬于航空發(fā)動機控制技術(shù)領(lǐng)域，具體涉及一種基于動態(tài)神經(jīng)網(wǎng)絡(luò)的變循環(huán)發(fā)動機智能控制方法。

背景技術(shù)

控制系統(tǒng)是航空發(fā)動機的重要組成部分，是影響航空發(fā)動機性能優(yōu)劣的關(guān)鍵因素。變循環(huán)發(fā)動機融合了渦噴及渦扇發(fā)動機的優(yōu)點，增加了幾何可調(diào)部件。通過自適應(yīng)調(diào)節(jié)這些部件的幾何形狀、位置等參數(shù)，使得變循環(huán)發(fā)動機能夠在加速和爬升等飛機機動飛行階段，擁有高單位推力；在亞音速巡航階段，能夠擁有較低的耗油率。然而，由于可調(diào)部件的增多，導(dǎo)致控制變量增多，控制器的結(jié)構(gòu)更加復(fù)雜；同時，變循環(huán)發(fā)動機非線性控制變量之間具有較強的耦合關(guān)系。如何很好地解決回路間的耦合，使得各個變量之間相互配合發(fā)揮出整體的性能，實現(xiàn)變循環(huán)發(fā)動機的多變量控制，是一個急需突破的難題，更是后序開展過渡態(tài)控制，全包線綜合控制的基礎(chǔ)。

目前，國內(nèi)外針對變循環(huán)發(fā)動機的多變量控制系統(tǒng)大多是在傳統(tǒng)的魯棒控制、線性二次調(diào)節(jié)器LQR控制等的基礎(chǔ)上增加遺傳(GA)算法、教學(xué)學(xué)習(xí)型算法(TLBO)等智能優(yōu)化算法或者添加補償控制器。現(xiàn)有的控制方法大多基于精確的發(fā)動機模型，會導(dǎo)致模型的精度直接影響控制器的控制效果，而且不能很好的解決非線性變量之間的耦合問題。由于神經(jīng)網(wǎng)絡(luò)自身的非線性特點，基于神經(jīng)網(wǎng)絡(luò)的控制器能夠很好的解決多變量之間的耦合問題，但是在訓(xùn)練時，無法直接確定隱含層的結(jié)構(gòu)，結(jié)構(gòu)過大會導(dǎo)致訓(xùn)練過慢以及過擬合；結(jié)構(gòu)過小則無法達(dá)到要求的精度。因此，針對以上問題，設(shè)計一種能夠解決神經(jīng)網(wǎng)絡(luò)自身結(jié)構(gòu)缺陷并將其用于變循環(huán)發(fā)動機控制的動態(tài)神經(jīng)網(wǎng)絡(luò)控制器，具有重大的意義。

發(fā)明內(nèi)容

針對現(xiàn)有變循環(huán)發(fā)動機多變量控制方法存在的問題，本發(fā)明提供了一種基于動態(tài)神經(jīng)網(wǎng)絡(luò)的變循環(huán)發(fā)動機智能控制方法，通過在神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法中添加基于灰色關(guān)聯(lián)分析法的結(jié)構(gòu)調(diào)整算法，對神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行調(diào)整，構(gòu)建動態(tài)神經(jīng)網(wǎng)絡(luò)控制器，實現(xiàn)對變循環(huán)發(fā)動機的智能控制。

本發(fā)明的技術(shù)方案：

一種基于動態(tài)神經(jīng)網(wǎng)絡(luò)的變循環(huán)發(fā)動機智能控制方法，步驟如下：

步驟1：構(gòu)建動態(tài)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本集

步驟1.1：以0.01s為采樣周期，采集變循環(huán)發(fā)動機在設(shè)定高度和油門桿角度下的運行參數(shù)，包括被控變量高壓相對轉(zhuǎn)速n_h的實際值和期望值、壓比π的期望值和實際值和控制變量；控制變量包括燃油流量W_f、尾噴口臨界面積A₈、高壓渦輪導(dǎo)向器面積A_HTG、風(fēng)扇導(dǎo)流葉片角度α_f、核心機風(fēng)扇導(dǎo)流葉片角度α_CDFS、壓氣機導(dǎo)流葉片角度α_c、高壓壓氣機導(dǎo)流葉片角度α_turb、核心機風(fēng)扇混合器面積A_CDFS的實際運行值；

步驟1.2：對步驟1.1采集的變循環(huán)發(fā)動機運行參數(shù)進(jìn)行數(shù)據(jù)處理，針對異常值即離群點進(jìn)行刪除；針對缺失值，進(jìn)行同類均值插補；

步驟1.3：將經(jīng)過數(shù)據(jù)處理后的變循環(huán)發(fā)動機運行參數(shù)中的高壓相對轉(zhuǎn)速n_h的期望值與實際值的偏差Δn_h、發(fā)動機壓比π的期望值和實際值的偏差值Δπ作為動態(tài)神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)，控制變量的變化值作為動態(tài)神經(jīng)網(wǎng)絡(luò)的目標(biāo)輸出；

構(gòu)建動態(tài)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本集：