[發明專利]變旋翼轉速直升機綜合控制方法、裝置

有效

• 申請號: 202010624159.6
• 申請日: 2020-07-01
• 公開（公告）號: CN111731490B
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 汪勇;宋劼;陳浩穎;鄭前鋼;張海波
• 申請（專利權）人: 南京航空航天大學
• 主分類號: B64D31/00
• 分類號: B64D31/00
• 代理公司: 北京德崇智捷知識產權代理有限公司 11467
• 代理人: 楊楠

1.一種變旋翼轉速直升機綜合控制方法，其特征在于，包括以下步驟：超前預測直升機旋翼需求扭矩；根據直升機旋翼需求扭矩預測結果獲得發動機期望輸出扭矩，并與渦軸發動機真實輸出扭矩作差，經比例環節的增益放大后生成前饋補償項；根據動力渦輪相對轉速與動力渦輪參考指令之間的誤差和閾值之間的關系判斷是否用所述前饋補償項對渦軸發動機內環燃氣渦輪轉速的控制指令進行修正：如所述誤差的絕對值大于等于閾值，則進行修正，否則，不進行修正；所述前饋補償項Δ按照下式生成：

其中，K為所述比例環節的增益放大倍數，T_qr為直升機旋翼需求扭矩預測結果，Ω_MR、Ω_pt分別為旋翼轉速、動力渦輪真實物理轉速，T_qe為渦軸發動機真實輸出扭矩。

2.如權利要求1所述變旋翼轉速直升機綜合控制方法，其特征在于，使用基于深度神經網絡的旋翼需求扭矩預測模型超前預測直升機旋翼需求扭矩；所述基于深度神經網絡的旋翼需求扭矩預測模型是以歷史與當前時刻的旋翼總距、飛行高度、前飛速度以及歷史時刻的旋翼轉速為輸入，以旋翼需求扭矩為輸出，通過采用深度神經網絡算法離線訓練得到。

3.如權利要求2所述變旋翼轉速直升機綜合控制方法，其特征在于，所述基于深度神經網絡的旋翼需求扭矩預測模型隱含層與輸出層激活函數分別為線性整流函數和線性函數。

4.如權利要求1所述變旋翼轉速直升機綜合控制方法，其特征在于，所述閾值為0.2。

5.一種變旋翼轉速直升機綜合控制裝置，其特征在于，包括：

旋翼需求扭矩預測模型，用于超前預測直升機旋翼需求扭矩；

扭矩差前饋模塊，用于根據直升機旋翼需求扭矩預測結果獲得發動機期望輸出扭矩，并與渦軸發動機真實輸出扭矩作差，經比例環節的增益放大后生成前饋補償項；所述前饋補償項Δ按照下式生成：

其中，K為所述比例環節的增益放大倍數，T_qr為直升機旋翼需求扭矩預測結果，Ω_MR、Ω_pt分別為旋翼轉速、動力渦輪真實物理轉速，T_qe為渦軸發動機真實輸出扭矩；

自適應前饋結構，用于根據動力渦輪相對轉速與動力渦輪參考指令之間的誤差和閾值之間的關系判斷是否用所述前饋補償項對渦軸發動機內環燃氣渦輪轉速的控制指令進行修正：如所述誤差的絕對值大于等于閾值，則進行修正，否則，不進行修正。

6.如權利要求5所述變旋翼轉速直升機綜合控制裝置，其特征在于，所述旋翼需求扭矩預測模型為基于深度神經網絡的旋翼需求扭矩預測模型，其是以歷史與當前時刻的旋翼總距、飛行高度、前飛速度以及歷史時刻的旋翼轉速為輸入，以旋翼需求扭矩為輸出，通過采用深度神經網絡算法離線訓練得到。

7.如權利要求6所述變旋翼轉速直升機綜合控制裝置，其特征在于，所述基于深度神經網絡的旋翼需求扭矩預測模型隱含層與輸出層激活函數分別為線性整流函數和線性函數。

8.如權利要求5所述變旋翼轉速直升機綜合控制裝置，其特征在于，所述閾值為0.2。