论文部分内容阅读
航空发动机是一类复杂的非线性系统,在飞行包线内,发动机工作状态变化非常大。航空发动机控制系统的研究主要基于发动机的数学模型来进行,然而由于发动机结构的变化、飞行环境的变化和发动机内部参数摄动等,使用各种方法获取的发动机数学模型与真实发动机之间存在不可避免的差异。因此,本文基于具有强鲁棒性的滑模变结构方法,以涡轴发动机为研究对象,开展了发动机多变量控制及仿真研究。具体工作如下:首先,使用SIMULINK与C语言混合编程的方法,根据发动机原理、质量能量守恒定律等法则,建立了涡轴发动机部件级模型,为后续的发动机控制系统设计及仿真平台的建立,提供了便于调用的仿真模块。相比于仅仅基于C语言的编程方法或仅仅基于MATLAB脚本文件的编程方法,基于混合编程方法建立的发动机部件级模型,具有更快速的仿真速度,更有利于开展控制系统的设计与分析。其次,改进了基于偏差修正法的小偏差建模方法,该方法计算过程简单快速,然而建模误差偏大。在这基础上研究了基于遗传算法的自寻优方法小偏差模型,这种方法计算量大,但是可以实现在指定性能指标下模型误差全局最小。此后研究了基于非线性函数最小二乘解数学计算方法的小偏差模型,该方法介于前二者之间,在计算复杂度与模型误差之间给予了一定的权衡。在小偏差模型的基础上,基于BP神经网络方法,建立了在较大飞行包线内的涡轴发动机变参数模型。BP神经网络的方法在高维度下结构简单、误差更小,相比线性插值方法更适合在仿真中使用。最后,根据滑模变结构控制理论,基于最优化滑模面设计方法,采用比例-等速-变速趋近律(PVC)和PID趋近律方法,分别设计了相应的滑模控制器。仿真结果表明,两种滑模控制方法均能有效降低外界干扰和系统不确定性的影响,其中在基于PID趋近律的滑模控制方法作用下,发动机转速具有更好的动态性能。