一、涡扇发动机噪声控制技术分析(论文文献综述)
安中彦[1](2021)在《航空涡扇发动机结构强度试验技术发展》文中指出航空涡扇发动机是军民用飞机的主要动力装置,航空发动机结构强度试验目的是验证发动机整机及零部件结构的强度、变形、振动、疲劳、蠕变、损伤容限、寿命及结构可靠性等是否满足设计规范、标准和实际使用需求。目前,中国开展的相关结构强度试验种类主要有零部件振动、转子件、结构静力与疲劳、热强度等试验。从航空涡扇发动机对强度试验的需求分析出发,对其强度试验技术进行概述,归纳了研制规范和技术发展方面对强度试验的需求,简述了强度试验技术国内外专业发展现状,分析认为中国与国外先进水平在试验硬件设备、适航性专用试验技术和能力、先进试验技术的自研能力方面存在差距与不足,提出夯实现有强度试验相关的技术基础、紧跟先进的强度试验技术发展、提升围绕发动机极端工况需求的研制能力的强度试验技术的发展思路和方向。
胡进泰[2](2021)在《变循环发动机健康状态评价及预测方法研究》文中进行了进一步梳理
刘小雨[3](2021)在《基于无模型自适应的航空发动机控制与验证》文中指出航空发动机因工作包线宽广、工作环境多变,以及强非线性和不确定性等特性,其控制系统设计要求严格。航空发动机控制系统的研究工作一直备受航空领域和控制应用领域的重视,其中结合自适应控制的算法被认为是未来发展的趋势。因此,本课题以某型双转子涡扇发动机为被控对象,开展无模型自适应控制算法研究以及搭建硬件在环仿真系统。最后,通过开展硬件在环试验,为所研究的控制算法的实际应用提供可行性验证。本课题主要工作如下:(1)研究航空发动机非线性数学模型的建模方法。在分析航空发动机各部件组成后,介绍各部件性能参数的计算。在部件级建模方法的框架下,基于气体动力学、热力学等基础定理,建立各部件的数学模型。最后,根据功率守恒、能量守恒和流量守恒方程,对各部件的非线性方程进行联立求解,得到表征航空发动机特性的非线性数学模型,即为本文的被控对象。(2)研究基于无模型自适应控制算法的航空发动机控制方案。首先设计航空发动机控制方案,主要包括主回路控制器和执行机构回路控制器。执行机构控制器采用PI控制算法。主回路控制器是在无模型自适应控制算法的基础上结合了比例控制和抗饱和方法。接着,证明了主控制器的误差收敛性问题。最后,开展数值仿真进行验证。通过仿真结果可以得出,相比于原无模型自适应控制方法,该控制方法在多工作点、存在噪声或时延环境下的稳定性和快速性均得到改善。(3)搭建硬件在环仿真系统。首先基于系统需求设计总体方案,接着对系统的硬件组成和软件方案进行详细的介绍。其中,硬件设备主要由工控机、计算机、反射内存卡和光纤组成,主要作用是为控制器、发动机相关程序提供实时运行环境,并实现控制系统内部的实时通信。软件系统主要包括模型软件和上位机监控软件,模型软件主要完成模型间的数据通信以及模型启停和运行控制等相关操作,上位机监控软件主要完成对模型输入输出数据的更新显示、控制系统输入指令的给定、运行曲线的绘制和模型软件的启停控制等。(4)开展硬件在环仿真试验。在完成系统通信验证,确保系统能够进行实时通信的前提下,将已经完成数值仿真的控制系统进行系统拆分、模型封装、注册。接着通过上位机监控软件完成模型的启动,并给定油门杆角度、飞行高度和马赫数等指令进行硬件在环试验。最后,通过分析试验结果,验证了本课题所搭建的硬件在环仿真系统的实时性以及所研究无模型自适应控制方法的工程应用价值。
李杰杰[4](2021)在《涡扇发动机H∞输出反馈控制及时延补偿策略》文中指出航空发动机控制系统作为发动机的“大脑与神经”,是保证发动机在气动、热力和机械设计等限制条件下以及全包线内稳定工作的关键功能系统。近年来,航空发动机分布式控制系统作为一种重量轻、易维护、高可靠性的控制系统架构成为研究热点,但是分布式架构下网络通信引入了影响系统性能的时延。因此,时延补偿策略的研究具有重要意义。本文依托某研究所“分布式架构下时延稳定性分析及补偿方法研究”项目,开展涡扇发动机H∞输出反馈控制及时延补偿策略的研究。主要研究内容如下:(1)针对涡扇发动机的强非线性及参数摄动大的稳定控制问题,基于H∞混合灵敏度方法实现发动机双变量控制器及直接推力控制器的设计。针对发动机推力无法直接测量的问题,研究了基于传感器方式的间接推力控制以及基于机载自适应模型的直接推力控制;基于系统辨识建立的线性模型,分别设计H∞输出反馈控制器,实现了转速与压比的跟踪控制以及直接推力控制。(2)针对存在时延的发动机双变量控制系统,给出了一种系统稳定性判定方法。分析了涡扇发动机控制系统中的时延组成及其对系统的影响,并给出了该时延系统的建模方法。依据李亚普诺夫稳定性原理,给出了系统稳定性分析方法与最大允许时延的确定方法,并通过仿真与理论分析结果的对比,验证了论文所提方法的合理性。(3)针对基于H∞鲁棒控制的涡扇发动机双变量系统在时延条件下性能下降的问题,给出了基于Smith原理的时延补偿方法。针对闭环回路中的前向通道时延及反馈通道时延,给出了不同的补偿算法及全时延补偿算法。针对传统Smith算法过于依赖被控对象精确模型的问题,研究了Smith预估自适应方法与双控制器Smith改进方法,仿真结果表明采用改进方法设计的控制系统具有良好的动态性能及鲁棒稳定性。(4)实现了基于Truetime平台的仿真以及硬件在环(HIL)试验验证,仿真结果表明时延的存在降低了系统的稳定性,并验证了所设计控制系统与时延补偿策略的有效性及其在工程应用上的可行性。
韩英举[5](2021)在《基于数据驱动的涡扇发动机非线性控制器设计研究》文中进行了进一步梳理涡扇发动机以其高推进效率和低耗油率在民用和军用航空领域有着广泛应用。然而,随着飞机对推进系统性能要求的提高,涡扇发动机结构愈加复杂,系统非线性和变量间耦合特性也相应增强,因此需要探索先进控制器设计方法以满足其性能和安全要求。近年来,随着人工智能技术的发展,基于数据驱动的控制器设计方法在航空发动机领域逐渐发展。因此,本文依托某部委重点项目“XX发动机基础问题研究”,针对某型涡扇发动机开展基于数据驱动的非线性控制器设计研究。主要研究内容包括:针对涡扇发动机直接控制器设计问题,提出了一种基于自适应增强的控制器设计方法。首先,将最小二乘支持向量机引入模型参考控制器设计架构,并基于凸优化方法完成控制器设计,从而保证了控制器的渐近收敛性。其次,采用多个基础控制器结合自适应增强算法,设计基于自适应增强的涡扇发动机控制器。仿真结果表明,该控制器设计可降低涡扇发动机稳态控制误差,由于引入自适应增强算法,有效抑制了过拟合。针对涡扇发动机多变量控制器设计问题,提出一种基于滑动模态变结构的控制方法。首先,分析了该型涡扇发动机控制参数、目标,确定了仿真工作点。其次,设计了涡扇发动机滑动模态控制器控制燃油流量和尾喷管面积,采用带饱和的幂次趋近律防止切换面抖振,通过鲸鱼优化算法(Whale Optimization Algorithm,WOA)优化增益和饱和边界层。硬件在环验证结果表明,该算法可保证实时性要求,稳态误差小于1%,具有良好控制性能。为了进一步提高涡扇发动机多变量控制器性能,本文提出了两种基于数据驱动的涡扇发动机多变量控制器设计方法。首先,提出了一种RBF神经网络滑模控制器,通过RBF神经网络对发动机系统不可测扰动做出实时补偿。仿真结果表明,所提方法能提高系统响应时间,相较经典滑模控制,稳态误差较小。其次,提出了一种因果卷积神经网络控制器,利用正则化降低过拟合,采用WOA优化初始权及学习率。仿真结果表明,所提方法可进一步降低稳态误差,满足涡扇发动机控制要求。
艾璐[6](2021)在《某型涡扇发动机部件特性预测与多变量控制研究》文中进行了进一步梳理随着航空技术的发展,传统单变量控制已不能满足未来先进飞行器对发动机的技术需求,开展多变量控制研究已成为航空发动机技术革新的重要方向。由于航空发动机工作环境多变、耦合性强,在实现多变量可靠控制的同时解决抗干扰问题是一个关键挑战。此外,航空发动机模型是控制设计和仿真的基础,而部件特性是建模的关键。目前,在慢车以下低转速状态,旋转部件特性受外界扰动影响变化大,台架试验很难获取准确的部件特性;而不同工况下的部件特性差异导致的发动机性能差异问题也亟待解决。本文依托某型高性能涡扇发动机建模仿真及多变量控制研究工程项目,基于某型涡扇发动机围绕上述问题展开研究,主要内容如下:针对发动机低转速旋转部件特性难获取问题,分别采用机理法和基于数据的方法实现低转速特性预测研究。基于相似原理可对低转速部件特性进行预测,此方法理论成熟但计算过程复杂,预测精度依赖于预测指数及已知特性数据;基于BP神经网络,通过建立部件特性与换算转速的映射关系可进行部件特性预测,此方法速度快、实现简单,预测精度仅依赖于已知特性的数据量,但随着预测特性远离已知特性,精度逐渐降低。经验证,两种方法的预测结果都符合部件特性分布规律,实用性与通用性较强。针对发动机部件特性受工作环境影响而导致的模型精度降低问题,采用了基于试验数据与智能化算法相结合的方法,通过优化算法修正部件特性参数,提高了模型整体精度。考虑到粒子群优化算法容易陷入局部最优的缺点,提出差分进化算法与粒子群算法相融合的思想,设计出粒子群混合差分算法的PSODE算法,在保证全局搜索最优的前提下保证了搜索速度。针对发动机多变量控制问题,实现了基于自抗扰控制理论的涡扇发动机多变量控制器的设计与验证。通过对高压转子转速与涡轮总落压比两个被控变量在不同工况下进行跟踪控制仿真分析,结果表明设计的控制器不仅能够实现发动机在稳态及过渡态状态下的准确可靠控制,且具有较好的抗干扰能力。
刘伯璋[7](2021)在《涡扇发动机性能监视与性能退化缓解控制研究》文中研究说明航空发动机性能退化缓解控制,是针对发动机在运行过程中,由于磨损、腐蚀等原因导致气路核心部件的性能退化,通过实时估计关键气路健康参数以及控制器设计,充分挖掘发动机性能,满足飞机对发动机推力的需求。本文依托于某部委重点项目“XX发动机基础问题研究”,围绕着某型涡扇发动机性能监视以及性能退化缓解控制进行研究。本文主要内容包括:首先,基于涡扇发动机气动热力学原理,构建发动机部件级模型。在此基础上,采用偏导数法和最小二乘拟合法,建立了发动机稳态点处的状态变量模型。通过与发动机非线性模型对比,所建状态变量模型具有较高的精度,为后续航空发动机机载自适应模型建立奠定了基础。其次,针对涡扇发动机性能监视中,基于卡尔曼滤波器的机载自适应模型在传感器数量少于待测状态量时产生的精度下降问题,提出了一种基于随机配置网络的改进卡尔曼滤波算法。首先,设计了基于随机配置网络的发动机气路健康参数估计器。进一步,将随机配置网络对健康参数的估计结果作为惩罚项,加入到改进卡尔曼滤波算法后验估计的目标函数中,实现了改进卡尔曼滤波器估计结果与随机配置网络估计结果的融合。最后,为了解决个别健康参数估计精度不足的问题,提高普适性,使用萤火虫算法对结构参数进行寻优计算。仿真结果表明,基于随机配置网络的改进卡尔曼滤波器估计结果的均方根误差平均下降63.14%,平均误差平均下降67.79%。因此,所提方法能够实现对发动机性能退化的准确估计,提高机载自适应模型精度。最后,为了实现航空发动机在性能退化状态下,仍能满足推力需求,提出了一种基于神经网络的发动机性能退化缓解控制器设计方法。首先,为了实现发动机性能退化条件下不可测推力的估计,设计了间接推力估计器,通过基于所提随机配置网络改进的卡尔曼滤波器得到的不可测健康参数,实时更新发动机机载自适应模型,从而得到输出推力的估计值。进一步,设计线性自抗扰控制器作为内环控制器,广义回归神经网络控制器作为外环控制器,使发动机在性能退化条件下仍能输出期望推力。最后,通过硬件在回路验证平台,对所提方法进行了验证。试验结果表明,在性能退化条件下,所提方法可以有效地实现发动机推力恢复。单退化情况下,推力的平均误差为0.342%;多退化情况下,推力的平均误差为0.677%,并且动态调节时间为3s左右,具有良好的动态特性,满足控制系统实时性要求。
乔渭阳,王良锋,段文华,赵磊[8](2021)在《航空发动机气动声学设计的理论、模型和方法》文中指出根据对飞机噪声控制技术历史发展演化过程的总结分析,研究了民用航空发动机气动与声学一体化设计的目标、方法、流程、理论模型和发展趋势等。基于对航空发动机气动设计过程的分析,给出了航空发动机气动与声学一体化设计的流程和方法。分别从"发动机总体热力循环设计""发动机部件通流设计""发动机部件三维详细设计"等三个流程,介绍了航空发动机声学设计理论和技术国内外的发展情况,详细论述了发动机气动声学设计的理论、模型和方法,分析了目前航空发动机声学设计理论的主要问题及未来的研究重点,并以具体发动机设计实例分析了不同设计阶段航空发动机的气动与声学一体化设计方法思想。
李玉鹏[9](2020)在《基于自抗扰的涡扇发动机多变量控制系统设计与硬件验证》文中研究表明涡扇发动机在民用航空和军事工业中有着广泛的应用,是国家综合国力的重要体现。由于涡扇发动机工作环境恶劣、结构复杂且可靠性要求高,需要设计先进控制系统满足其性能与安全的要求。本文依托“XXX鲁棒范围优化研究”项目,针对某型涡扇发动机,开展基于自抗扰控制(Active Disturbance Rejection Control,ADRC)的发动机多变量控制系统设计研究。主要研究内容包括:针对涡扇发动机的稳态控制器设计问题,首先通过系统辨识的方法建立涡扇发动机的转速控制稳态线性模型,设计了基于自抗扰的稳态转速控制系统。仿真结果表明,在涡扇发动机的性能退化状态下,基于自抗扰技术的稳态控制器的控制效果明显优于传统航空发动机控制器。针对涡扇发动机的过渡态控制器设计问题,首先建立基于增益调度PID和MIN-MAX控制逻辑相结合的经典涡扇发动机过渡态转速控制系统,分析了经典控制方法存在过渡态控制精度下降的问题。为了兼顾涡扇发动机过渡态控制性能和稳态控制性能,本文提出了基于b0增益调度的自抗扰控制器。仿真结果表明,所提方法既保证了涡扇发动机的过渡态控制效果,又能提高稳态控制的控制精度。针对涡扇发动机多变量控制器设计问题,本文首先分析涡扇发动机的控制目标和涡扇发动机的各组性能参数的效果,选择尾喷管面积和落压比作为第二组控制变量。然后,通过研究涡扇发动机不同转速下落压比对推力的影响,确定涡扇发动机落压比优化控制轨线,并使用粒子群算法对控制器参数进行优化。最后,通过基于数字电子控制器的硬件在回路仿真平台,对所提方法进行了实时性和准确性验证。试验结果表明,所提方法可以实现更加稳定的转速控制和落压比控制,有助于提高涡扇发动机推力的稳定性,具有很强的工程应用价值。
刘云霄[10](2020)在《齿轮传动涡扇发动机建模与抗扰控制研究和验证》文中研究指明齿轮传动涡扇(Geared Turbofan Engine,GTF)发动机作为未来大涵道比民机的研究方向之一,拥有广泛的市场应用前景。而大型商用发动机在大范围长时间的运行中会碰到各种类型且无法预知的干扰,这些干扰现象对于保证发动机的稳定性、飞机的安全性、乘客的舒适性提出了很大的挑战,所以对于发动机中的干扰问题和抗干扰控制的研究显得尤为重要。本文针对齿轮传动涡扇发动机开展了发动机部件级建模、发动机中的干扰建模以及抗扰算法的研究工作,并进行了全数字仿真平台和硬件在环仿真平台的集成与验证工作。具体研究内容如下:首先,建立了齿轮传动涡扇发动机部件级模型和线性化状态空间模型。根据基于模型的设计(Model Based Design,MBD)方法使用T-MATS工具箱的部件模块和仿真构架,建立齿轮传动涡扇发动机慢车以上状态的部件级模型。通过非设计点处数据对比验证部件级模型的合理性和准确性。通过小扰动法和拟合法建立齿轮传动涡扇发动机的线性化状态空间模型,仿真结果表明部件级模型和线性化后模型的误差很小,为下文设计抗扰控制器提供良好的基础。接着,对航空发动机中存在的干扰现象进行分析定义和建模,并研究系统开环运行时各种干扰的影响。针对大气湍流干扰,利用Kopasakis提出的基于Kolmogorov频谱改型方法建立大气湍流时域模型;针对功率提取干扰,借鉴混合动力发动机结构,根据电机和锂电池原理建立功率提取模型;针对引气干扰,根据引气机理建立引气系统模型。分别研究各类干扰作用的机理和对发动机的影响。所建干扰模型的可信度较高且通用性强,方便未来对干扰模型的深入研究和改进。再次,分析H∞控制理论、自抗扰控制(Active Disturbance Rejection Control,ADRC)理论抗扰原理并进行了LADRC、PI、H∞闭环转速控制器设计和抗扰算法对比研究。调节各类控制器参数使其在面对单位阶跃指令时具有大致相同的上升时间、信号跟踪能力以及控制能量。进而对比三类控制器在发动机不同状态点、不同干扰因素下的转速抗扰效果。结果表明LADRC这类主动控制方法较传统的PI、H∞等被动控制方法具有更好的抗扰性能,保证了发动机的平稳安全运行。最后,实现了模型和控制算法的全数字仿真平台和硬件在环仿真平台的集成与验证。将基于MBD方法设计的模型和控制器集成到FWorks全数字仿真平台进行测试,验证了模型代码和控制器代码的合理性和准确性,为硬件在环平台集成验证提供保障。通过按照规范设计流程的准备工作,最终实现LADRC、PI等算法的硬件在环仿真以及GTF发动机的干扰测试。仿真结果表明LADRC控制这类主动控制方法比普通被动控制在真实控制器中同样具有更好的抗扰性能。
二、涡扇发动机噪声控制技术分析(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、涡扇发动机噪声控制技术分析(论文提纲范文)
(1)航空涡扇发动机结构强度试验技术发展(论文提纲范文)
0 引言 |
1 结构强度试验概述 |
2 航空发动机对强度试验的需求分析 |
2.1 规范标准的要求 |
2.2 新型发动机、新材料、新结构对试验技术提出的新要求 |
2.3 故障复现与诊断的需求 |
3 强度试验专业现状及趋势 |
3.1 国外现状 |
3.2 中国现状 |
3.2.1 强度试验技术总体情况 |
3.2.2 零部件振动试验 |
3.2.3 转子强度试验 |
3.2.4 鸟撞试验 |
3.2.5 包容试验 |
3.2.6 结构静强度和疲劳寿命试验 |
3.2.7 热强度试验 |
4 技术差距与不足 |
4.1 试验硬件设备上的差距 |
4.2 适航性专用试验技术和能力不够完善 |
4.3 先进试验技术的自研能力不足 |
5 未来发展思路 |
6 结束语 |
(3)基于无模型自适应的航空发动机控制与验证(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 研究工作与结构安排 |
2 航空发动机预备知识 |
2.1 航空发动机组成 |
2.1.1 基本结构 |
2.1.2 部件性能参数 |
2.2 航空发动机部件级建模 |
2.3 航空发动机各部件共同工作 |
2.4 本章小结 |
3 控制器方案设计 |
3.1 控制需求描述 |
3.2 主控制器理论基础 |
3.2.1 无模型自适应控制器 |
3.2.2 仿真分析 |
3.3 主控制器及收敛性分析 |
3.3.1 改进的无模型自适应控制器 |
3.3.2 收敛性分析 |
3.3.3 仿真分析 |
3.4 本章小结 |
4 实时硬件在环仿真平台搭建 |
4.1 系统需求分析 |
4.2 总体组成 |
4.3 硬件方案设计 |
4.4 软件方案设计 |
4.4.1 控制器模型软件 |
4.4.2 上位机监控软件 |
4.5 本章小结 |
5 实时硬件在环仿真平台测试与验证 |
5.1 通信测试 |
5.1.1 反射内存测试结果分析 |
5.1.2 共享内存测试结果分析 |
5.2 上位机监控软件参数给定测试 |
5.3 模型代码生成 |
5.4 试验结果与分析 |
5.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(4)涡扇发动机H∞输出反馈控制及时延补偿策略(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景和意义 |
1.2 航空发动机控制技术发展概况 |
1.3 控制系统时延补偿研究现状 |
1.4 主要研究内容及章节安排 |
2 涡扇发动机数学模型基础 |
2.1 涡扇发动机非线性模型分析 |
2.1.1 非线性模型部件气动热力学计算 |
2.1.2 涡扇发动机共同工作方程组 |
2.2 线性状态空间模型的建立 |
2.2.1 线性模型概述 |
2.2.2 线性化模型的辨识 |
2.2.3 双变量控制系统模型 |
2.2.4 直接推力控制系统模型 |
2.3 本章小结 |
3 涡扇发动机H_∞鲁棒控制系统 |
3.1 H_∞控制器设计原理概述 |
3.2 基于H_∞鲁棒控制的发动机双变量控制 |
3.2.1 双变量控制系统建立 |
3.2.2 双变量控制器设计 |
3.2.3 数值仿真与分析 |
3.3 基于H_∞鲁棒控制的发动机直接推力控制 |
3.3.1 直接推力控制系统建立 |
3.3.2 直接推力控制器设计 |
3.3.3 数值仿真与分析 |
3.4 本章小结 |
4 面向涡扇发动机控制系统的时延分析 |
4.1 时延的组成与分析 |
4.2 面向涡扇发动机控制系统的时延影响分析 |
4.3 具有时延的涡扇发动机控制系统建模 |
4.3.1 短时延控制系统的建模 |
4.3.2 长时延控制系统的建模 |
4.4 系统稳定性分析 |
4.5 本章小结 |
5 涡扇发动机控制系统时延补偿策略研究 |
5.1 Smith预估补偿控制 |
5.1.1 Smith预估补偿基本原理 |
5.1.2 前向通道时延补偿 |
5.1.3 反馈通道时延补偿 |
5.1.4 系统全时延补偿 |
5.2 Smith预估控制器的改进 |
5.2.1 基于结构的Smith改进方法 |
5.2.2 Smith预估自适应方法 |
5.2.3 双控制器Smith改进方法 |
5.3 数值仿真与分析 |
5.4 本章小结 |
6 涡扇发动机控制系统仿真与分析 |
6.1 基于Truetime平台的仿真 |
6.1.1 Truetime工具箱概述 |
6.1.2 仿真结果与分析 |
6.2 硬件在回路仿真实验 |
6.2.1 硬件在回路仿真平台 |
6.2.2 仿真结果与分析 |
6.3 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(5)基于数据驱动的涡扇发动机非线性控制器设计研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2 涡扇发动机控制研究现状 |
1.3 智能控制研究发展及现状 |
1.4 主要研究内容 |
2 涡扇发动机模型基础 |
2.1 引言 |
2.2 涡扇发动机部件级模型 |
2.2.1 进气道 |
2.2.2 风扇 |
2.2.3 高压压气机 |
2.2.4 燃烧室 |
2.2.5 高压涡轮 |
2.2.6 低压涡轮 |
2.2.7 混合室 |
2.2.8 加力燃烧室 |
2.2.9 尾喷管 |
2.3 共同工作方程 |
2.4 涡扇发动机线性化模型 |
2.5 涡扇发动机LPV模型 |
2.6 本章小结 |
3 基于自适应增强的涡扇发动机控制器设计 |
3.1 引言 |
3.2 问题描述 |
3.3 控制系统结构设计 |
3.4 基于自适应增强的涡扇发动机控制器设计 |
3.5 仿真与分析 |
3.6 本章小结 |
4 基于滑动模态变结构的涡扇发动机多变量控制器设计 |
4.1 引言 |
4.2 涡扇发动机多变量控制 |
4.2.1 涡扇发动机多变量控制原理 |
4.2.2 控制参数选取 |
4.2.3 控制器性能指标 |
4.2.4 仿真工作点选择 |
4.3 基于滑动模态变结构的涡扇发动机控制器设计 |
4.3.1 滑模控制原理 |
4.3.2 鲸鱼优化算法 |
4.3.3 滑模控制器设计方法及趋近律分析 |
4.4 验证与分析 |
4.4.1 仿真验证 |
4.4.2 试验验证 |
4.5 本章小结 |
5 基于神经网络的涡扇发动机多变量控制器设计 |
5.1 引言 |
5.2 基于RBF神经网络滑模的涡扇发动机控制器设计 |
5.2.1 RBF神经网络 |
5.2.2 基于RBF神经网络滑模的涡扇发动机控制器设计 |
5.2.3 稳定性分析 |
5.2.4 仿真验证与分析 |
5.3 基于因果卷积神经网络的涡扇发动机控制器设计 |
5.3.1 因果卷积神经网络 |
5.3.2 基于因果卷积神经网络的涡扇发动机控制器设计 |
5.3.3 稳定性分析 |
5.3.4 仿真验证与分析 |
5.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(6)某型涡扇发动机部件特性预测与多变量控制研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 航空发动机低转速部件特性预测研究现状 |
1.2.2 航空发动机部件特性修正方法研究现状 |
1.2.3 航空发动机多变量控制方法研究现状 |
1.3 论文结构安排 |
2 涡扇发动机部件特性预测方法研究 |
2.1 基于相似原理的部件特性预测方法研究 |
2.1.1 基于相似原理的部件特性预测方法设计 |
2.1.2 预测结果分析 |
2.2 基于BP神经网络的部件特性预测方法研究 |
2.2.1 BP网络原理 |
2.2.2 BP网络建立 |
2.2.3 BP预测仿真 |
2.3 本章小结 |
3 涡扇发动机建模方法研究 |
3.1 涡扇发动机起动建模方法 |
3.1.1 涡扇发动机起动过程 |
3.1.2 起动机模型 |
3.2 涡扇发动机慢车以上建模方法 |
3.2.1 进气道 |
3.2.2 风扇 |
3.2.3 高压压气机 |
3.2.4 燃烧室 |
3.2.5 高压涡轮 |
3.2.6 低压涡轮 |
3.2.7 混合室 |
3.2.8 加力燃烧室 |
3.2.9 尾喷管 |
3.3 共同工作方程 |
3.4 本章小结 |
4 涡扇发动机模型修正方法研究 |
4.1 部件级模型修正方法设计 |
4.2 发动机模型部件特性修正 |
4.2.1 部件特性修正原理 |
4.2.2 修正系数取值范围 |
4.3 粒子群优化算法 |
4.3.1 PSO算法简介 |
4.3.2 PSO算法实现流程 |
4.3.3 PSO仿真分析 |
4.4 自适应差分混合粒子群优化算法 |
4.4.1 差分进化算法 |
4.4.2 PSO_DE算法 |
4.4.3 PSO_DE算法仿真分析 |
4.5 本章小结 |
5 基于ADRC的多变量控制方法研究 |
5.1 ADRC控制器原理 |
5.1.1 最速跟踪微分器 |
5.1.2 扩张状态观测器 |
5.1.3 非线性PID误差反馈 |
5.2 ADRC控制器设计 |
5.2.1 选取被控变量 |
5.2.2 控制器结构设计 |
5.2.3 控制器参数设计 |
5.3 ADRC控制器仿真分析 |
5.3.1 控制效果仿真分析 |
5.3.2 鲁棒性仿真分析 |
5.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(7)涡扇发动机性能监视与性能退化缓解控制研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究的背景、意义和必要性 |
1.2 涡扇发动机性能监视研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 涡扇发动机性能退化缓解控制研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 本文的内容安排 |
2 涡扇发动机部件级模型 |
2.1 引言 |
2.2 涡扇发动机非线性部件级模型概述 |
2.2.1 进气道 |
2.2.2 风扇 |
2.2.3 压气机 |
2.2.4 燃烧室 |
2.2.5 高压涡轮 |
2.2.6 低压涡轮 |
2.2.7 尾喷管 |
2.3 发动机非线性稳态模型 |
2.4 发动机状态变量模型 |
2.4.1 状态变量模型建立 |
2.4.2 仿真结果与分析 |
2.5 本章小结 |
3 涡扇发动机性能监视 |
3.1 引言 |
3.2 涡扇发动机混合卡尔曼滤波的设计 |
3.2.1 线性卡尔曼滤波器 |
3.2.2 混合卡尔曼滤波器 |
3.2.3 仿真结果与分析 |
3.3 基于随机配置网络的涡扇发动机健康参数估计方法 |
3.3.1 基于随机配置网络的改进卡尔曼滤波器设计 |
3.3.2 随机配置网络的设计 |
3.3.3 萤火虫算法 |
3.4 仿真结果与分析 |
3.5 本章小结 |
4 涡扇发动机性能退化缓解控制 |
4.1 引言 |
4.2 性能退化缓解控制器设计 |
4.2.1 内环控制器 |
4.2.2 外环控制器 |
4.2.3 间接推力估计器 |
4.3 仿真结果与分析 |
4.4 试验验证 |
4.5 本章小结 |
5 总结与展望 |
5.1 本文工作总结 |
5.2 本文工作展望 |
参考文献 |
附录 A 注释表 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(8)航空发动机气动声学设计的理论、模型和方法(论文提纲范文)
1 引言 |
2 航空发动机气动与声学一体化设计的流程和方法 |
2.1 航空发动机气动设计流程 |
2.2 发动机热力循环设计过程中气动与声学一体化设计 |
2.3 发动机通流设计过程中气动与声学一体化设计 |
2.4 发动机详细设计过程中气动与声学一体化设计 |
3 发动机热力循环设计中声学设计的理论、模型和方法 |
3.1 发动机部件远场点声源模型 |
3.2 发动机部件噪声半经验模型研究现状及发展趋势 |
3.3 发动机热力循环参数对发动机噪声影响计算分析 |
(1)风扇相对叶尖马赫数对风扇噪声影响的敏感性分析 |
(2)风扇总温升对风扇噪声影响的敏感性分析 |
(3)燃烧室总温升对核心噪声影响的敏感性分析 |
(4)末级涡轮叶尖速度对涡轮噪声影响的敏感性分析 |
(5)核心喷流速度对喷流噪声影响的敏感性分析 |
4 发动机通流设计中声学设计的理论、模型和方法 |
4.1 影响发动机噪声辐射的子午流道布局 |
4.2 关联子午流道气动设计参数的声学模型发展情况 |
4.3 多级低压涡轮通流气动与声学一体化设计实例 |
(1)级功分配对低压涡轮效率和噪声影响敏感性分析 |
(2)通道半径对低压涡轮效率和噪声影响敏感性分析 |
(3)出口马赫数对低压涡轮效率和噪声影响敏感性分析 |
5 发动机三维详细设计中声学设计的理论、模型和方法 |
5.1风扇/涡轮精细化三维详细声学设计 |
5.2 叶轮机三维气动声学模型面临的挑战及研究策略 |
5.2.1 流场/声场混合模型 |
5.2.2 混合模型的两种不同策略 |
5.3 航空叶轮机精细化声学数值模拟技术发展情况 |
5.3.1 叶轮机单音噪声数值模拟技术的研究进展 |
5.3.2 叶轮机宽频噪声数值模拟技术的研究进展 |
5.4 叶尖间隙对风扇转静干涉单音噪声影响计算实例分析 |
5.4.1 研究对象与计算设置 |
(1)研究对象 |
(2)数值计算方法及边界条件设置 |
(3)研究对象管道声模态分析 |
5.4.2 叶尖间隙变化对风扇单音噪声影响的计算分析 |
(1)叶尖间隙内网格层数无关性验证 |
(2)叶尖间隙对风扇气动性能的影响 |
(3)叶尖间隙对风扇单音噪声的影响 |
6 结论 |
(9)基于自抗扰的涡扇发动机多变量控制系统设计与硬件验证(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2 航空发动机控制系统研究现状 |
1.3 自抗扰控制研究现状 |
1.4 主要研究内容 |
2 涡扇发动机模型建立 |
2.1 涡扇发动机工作原理 |
2.2 涡扇发动机部件级模型 |
2.2.1 进气道 |
2.2.2 风扇 |
2.2.3 高压压气机 |
2.2.4 燃烧室 |
2.2.5 高压涡轮 |
2.2.6 低压涡轮 |
2.2.7 混合室 |
2.2.8 加力燃烧室 |
2.2.9 尾喷管 |
2.3 共同工作方程 |
2.4 涡扇发动机数学模型 |
2.5 本章小结 |
3 涡扇发动机稳态控制器设计 |
3.1 涡扇发动机自抗扰控制器设计 |
3.1.1 跟踪微分器 |
3.1.2 扩张状态观测器 |
3.1.3 非线性误差反馈 |
3.2 基于线性化模型的涡扇发动机稳态控制 |
3.2.1 涡扇发动机的稳态线性模型 |
3.2.2 控制器设计 |
3.2.3 仿真验证 |
3.3 基于非线性模型的涡扇发动机稳态控制 |
3.3.1 控制器设计 |
3.3.2 仿真验证 |
3.4 性能退化状态下涡扇发动机稳态控制 |
3.4.1 自抗扰控制系统的抗扰能力 |
3.4.2 仿真验证 |
3.5 本章小结 |
4 涡扇发动机过渡态控制器设计 |
4.1 经典过渡态控制器 |
4.1.1 控制器设计 |
4.1.2 仿真验证 |
4.2 基于b_0调度的自抗扰过渡态控制器设计 |
4.2.1 基于自抗扰的过渡态控制器设计 |
4.2.2 基于b_0调度的自抗扰过渡态控制器设计 |
4.2.3 仿真验证 |
4.3 本章小结 |
5 涡扇发动机多变量控制系统设计 |
5.1 多变量控制系统结构设计 |
5.1.1 控制参数选取 |
5.1.2 控制系统结构 |
5.2 基于粒子群算法的参数优化方法 |
5.2.1 粒子群优化算法 |
5.2.2 多变量控制系统参数优化 |
5.2.3 仿真验证 |
5.3 .试验验证 |
5.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(10)齿轮传动涡扇发动机建模与抗扰控制研究和验证(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 齿轮传动涡扇发动机研究概述 |
1.2.2 发动机中干扰研究概述 |
1.2.3 发动机抗干扰控制方法研究概述 |
1.3 本文的内容安排 |
第二章 齿轮传动涡扇发动机部件级模型 |
2.1 引言 |
2.2 齿轮传动涡扇发动机建模问题分析 |
2.2.1 GTF发动机基本部件数学模型 |
2.2.2 GTF可变几何部件建模 |
2.3 齿轮传动涡扇发动机共同工作方程及求解 |
2.3.1 GTF发动机稳态共同工作方程 |
2.3.2 GTF发动机动态共同工作方程 |
2.4 基于T-MATS工具箱的模型开发 |
2.5 GTF线性化模型的建立 |
2.6 仿真结果分析 |
2.6.1 发动机稳态点模型仿真与分析 |
2.6.2 发动机部件级模型和线性化模型动态仿真与分析 |
2.7 本章小结 |
第三章 齿轮传动涡扇发动机干扰建模 |
3.1 引言 |
3.2 大气湍流干扰模型 |
3.2.1 大气湍流干扰机理分析 |
3.2.2 基于Kolmogorov频谱的大气湍流模型 |
3.2.3 大气湍流模型仿真结果 |
3.3 功率提取干扰模型 |
3.3.1 发动机功率提取干扰机理 |
3.3.2 基于混合动力发动机结构的通用功率提取模型 |
3.3.3 发动机功率提取模型仿真结果 |
3.4 引气干扰模型 |
3.4.1 发动机引气干扰机理 |
3.4.2 基于引气机理的通用引气系统模型 |
3.4.3 引气模型仿真结果 |
3.5 本章小结 |
第四章 齿轮传动涡扇发动机抗扰控制研究 |
4.1 引言 |
4.2 基于 H_∞理论的GTF发动机转速控制 |
4.2.1 本文控制器架构 |
4.2.2 H_∞标准控制问题与基于2-Riccati方程的求解 |
4.2.3 GTF发动机的 H_∞鲁棒控制器设计 |
4.3 基于线性自抗扰的GTF发动机转速控制 |
4.3.1 经典PID控制的优缺点 |
4.3.2 自抗扰控制的抗扰原理 |
4.3.3 基于PSO优化算法的发动机线性自抗扰控制器设计 |
4.4 三类控制方法的仿真与抗扰效果比较 |
4.4.1 LADRC/PID/ H_∞控制器设计 |
4.4.2 控制器抗扰效果比较 |
4.5 本章小结 |
第五章 全数字仿真平台与硬件在环仿真平台的集成与验证 |
5.1 引言 |
5.2 FWorks仿真平台的集成与验证 |
5.2.1 FWorks平台介绍 |
5.2.2 FWorks平台功能 |
5.2.3 FWorks平台仿真结果分析 |
5.3 硬件在回路平台的集成与验证 |
5.3.1 HIL仿真平台简介 |
5.3.2 发动机模型及控制算法在HIL平台上的集成 |
5.3.3 HIL平台闭环仿真结果与分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 工作展望 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
四、涡扇发动机噪声控制技术分析(论文参考文献)
- [1]航空涡扇发动机结构强度试验技术发展[J]. 安中彦. 航空发动机, 2021(04)
- [2]变循环发动机健康状态评价及预测方法研究[D]. 胡进泰. 哈尔滨工业大学, 2021
- [3]基于无模型自适应的航空发动机控制与验证[D]. 刘小雨. 大连理工大学, 2021(01)
- [4]涡扇发动机H∞输出反馈控制及时延补偿策略[D]. 李杰杰. 大连理工大学, 2021(01)
- [5]基于数据驱动的涡扇发动机非线性控制器设计研究[D]. 韩英举. 大连理工大学, 2021(01)
- [6]某型涡扇发动机部件特性预测与多变量控制研究[D]. 艾璐. 大连理工大学, 2021(09)
- [7]涡扇发动机性能监视与性能退化缓解控制研究[D]. 刘伯璋. 大连理工大学, 2021(01)
- [8]航空发动机气动声学设计的理论、模型和方法[J]. 乔渭阳,王良锋,段文华,赵磊. 推进技术, 2021(01)
- [9]基于自抗扰的涡扇发动机多变量控制系统设计与硬件验证[D]. 李玉鹏. 大连理工大学, 2020(02)
- [10]齿轮传动涡扇发动机建模与抗扰控制研究和验证[D]. 刘云霄. 南京航空航天大学, 2020(07)