基于神经网络的航空发动机直接推力控制器
本发明涉及航空发动机控制，具体涉及一种基于神经网络的航空发动机直接推力控制器。
背景技术：
1、航空发动机因其复杂的机械结构和气动热力工作工程而具有较强的非线性，同时，在全包线内随着飞行高度、马赫数的发动机进口条件的变化，其时间常数和增益系数也随之变化，从而还呈现出较强的时变性。
2、传统控制采用的常规定参数pid控制器只能在设计点及其附近小范围内表现出良好的控制性能，而不能在全包线内实现较好的控制效果。因此，克服非线性和时变性是发动机控制算法设计的难点。模糊控制本身是一种非线性控制方法，工作范围宽，不依赖于被控对象的数学模型，可以较好地适应发动机系统的非线性和时变性。利用该方法在线调整pid控制参数形成模糊自整定pid控制器，既可使pid控制系统更好地适应发动机的非线性和时变性，又可继承定参数pid系统的鲁棒性强和适用面广等优点。
3、近年来，航空发动机控制已经从液压机械式控制方式发展到数字电子式控制方式。传统的基于传感器的控制方式不能直接控制推力、喘振裕度等最感兴趣的参数，鉴于发动机的复杂性，全包线、全状态以及使用期内性能蜕化，难以用转速、压比来表示推力大小；为此在发动机及其控制系统设计中，不得不保留足够的安全裕度来补偿上述不确定因素，直接推力控制系统具有较好的鲁棒性和解耦性，可以降低这种设计裕度或安全系数过大的问题，以提高发动机的性能和效益，随着计算机技术的进步，速度更快、可靠性更高的数字处理器的不断出现，发动机控制的概念完全可以利用数字计算机强大的逻辑推理能力和数字计算功能做出革命性的改变，因此，如何利用数字计算机的推力能力以直接进行发动机的推力控制是亟待解决的问题。
4、因此，需要提供一种基于神经网络的航空发动机直接推力控制器以解决上述问题。
技术实现思路
1、本发明提供一种基于神经网络的航空发动机直接推力控制器，以解决如何利用数字计算机的推力能力以直接进行发动机的推力控制的问题。
2、本发明的一种基于神经网络的航空发动机直接推力控制器采用如下技术方案，包括：
3、仿真模块，用于建立航空发动机模型；
4、参数获取模块，用于获取航空发动机模型进行全状态试车过程中每个时刻的航空发动机的实时推力以及与推力相关的相关参数，其中，相关参数为：高压压气机截面压力、涡轮截面压力、高压压气机截面温度、涡轮截面温度、涡扇发动机外涵道与内涵道空气流量的比值、发动机空气质量流量、低压轴转速以及高压轴转速；
5、神经网络模块，用于构建神经网络模型，基于当前时刻对应的相关参数并利用神经网络模型预测发动机的实际推力；
6、以及模糊pid控制模块，用于将发动机的实际推力与预设的目标推力的误差以及误差变化率作为模糊控制模型的输入参数，输出航空发动机的推力控制量，并根据航空发动机的推力控制量控制航空发动机的输出推力。
7、优选地，构建神经网络模型包括：
8、构建初始神经网络模型；
9、将每个时刻对应的相关参数作为初始神经网络模型的输入，每个时刻对应的发动机推力作为初始神经网络模型的输出；
10、对初始神经网络模型训练得神经网络模型。
11、优选地，模糊pid控制器模块包括：
12、模糊控制器，用于将发动机的实际推力与预设的目标推力的误差以及误差变化率作为模糊控制器的输入，输出比例参数、积分参数以及微分参数对应的变化量；
13、以及pid控制器，用于根据比例参数、积分参数以及微分参数对应的变化量，以及pid控制器的初始比例参数、初始积分参数以及初始微分参数，输出最终比例参数、最终积分参数以及最终微分参数，并根据最终比例参数、最终积分参数以及最终微分参数控制航空发动机的推力控制量。
14、优选地，模糊控制器的输出参数的隶属度函数为三角形隶属度函数。
15、优选地，模糊控制器的输入参数的隶属度函数为高斯型隶属度函数。
16、优选地，航空发动机的推力控制量为航空发动机的燃油流量。
17、优选地，在航空发动机的推力控制量控制航空发动机的输出推力之后，还包括：
18、获取根据航空发动机的推力控制量控制航空发动机时的输出推力与预设的目标推力的目标误差以及目标误差变化率；
19、将目标误差以及目标误差变化率输入模糊pid控制模块，输出航空发动机的推力控制量，并根据航空发动机的推力控制量控制航空发动机的输出推力，直至航空发动机的推力控制量控制航空发动机时的输出推力与预设的目标推力的误差为0，则将误差为0时的推力作为航空发动机的输出推力。
20、优选地，航空发动机的推力控制量为航空发动机的燃油流量。
21、本发明的有益效果是：
22、通过设计基于神经网络的航空发动机直接推力控制器，利用神经网络预测的发动机的推力和预设的目标推力的误差和误差变化率，进行模糊控制，以输出航空发动机的推力控制量，再根据航空发动机的推力控制量控制航空发动机的推力，以使系统调节时间减小，超调量减少，振荡次数减少，基于神经网络逆控制器的航空发动机直接推力控制器的控制精度高，跟踪速度快，具有较好的控制效果。
技术特征：
1.一种基于神经网络的航空发动机直接推力控制器，其特征在于，包括：
2.根据权利要求1所述的一种基于神经网络的航空发动机直接推力控制器，其特征在于，构建神经网络模型包括：
3.根据权利要求3所述的一种基于神经网络的航空发动机直接推力控制器，其特征在于，模糊pid控制器模块包括：
4.根据权利要求3所述的一种基于神经网络的航空发动机直接推力控制器，其特征在于，模糊控制器的输出参数的隶属度函数为三角形隶属度函数。
5.根据权利要求3所述的一种基于神经网络的航空发动机直接推力控制器，其特征在于，模糊控制器的输入参数的隶属度函数为高斯型隶属度函数。
6.根据权利要求1所述的一种基于神经网络的航空发动机直接推力控制器，其特征在于，航空发动机的推力控制量为航空发动机的燃油流量。
7.根据权利要求1所述的一种基于神经网络的航空发动机直接推力控制器，其特征在于，在航空发动机的推力控制量控制航空发动机的输出推力之后，还包括：
8.根据权利要求1所述的一种基于神经网络的航空发动机直接推力控制器，其特征在于，航空发动机的推力控制量为航空发动机的燃油流量。
技术总结
本发明涉及一种基于神经网络的航空发动机直接推力控制器，包括：仿真模块、参数获取模块、神经网络模块以及模糊PID控制模块，仿真模块用于建立航空发动机模型，参数获取模块用于获取航空发动机模型的实时推力以及与推力相关的相关参数；神经网络模块用于构建神经网络模型，并基于当前时刻对应的相关参数并利用神经网络模型预测发动机的实际推力；模糊PID控制模块用于将发动机的实际推力与预设的目标推力的误差以及误差变化率作为模糊控制模型的输入参数，输出航空发动机的推力控制量，并根据航空发动机的推力控制量控制航空发动机的输出推力。本发明的控制器具有调节时间减小，超调量减少，振荡次数减少的优点。
技术研发人员：张缤方,彭泽楠,孙阳,高昊,赵子言,司马冰清,陈毓智
受保护的技术使用者：西北工业大学
技术研发日：
技术公布日：2024/9/23