论文部分内容阅读
航空发动机是一种工作机理复杂、非线性强的控制对象,所以使许多现代控制理论在应用上都受到了限制。而神经网络是一种基本上不依赖于模型的数学工具,具有较强的学习能力和自适应能力,适合于像发动机这样具有不确定性和高度非线性系统的控制。本文就采用神经网络方法与PID控制算法相结合的思想,设计了某型涡扇发动机的控制系统。 首先,对发动机单变量控制系统进行了设计,该控制系统以RBF神经网络辨识为基础,对神经网络PID控制器的权值进行调整,辨识网络和控制网络均采用以梯度下降法为学习原则的在线学习算法,并给出了辨识网络的辨识原理和结构。通过大量仿真结果表明,采用该方法设计的系统控制精度高、跟踪性能和抗干扰能力强、鲁棒性良好,适合于航空发动机控制。 其次,针对涡扇发动机双变量控制中变量之间的耦合问题,在单变量控制系统的基础上,提出了基于RBF网络辨识的发动机双变量神经网络PID解耦控制,并给出了控制系统的控制结构及原理。仿真结果表明,该方法控制精度高、跟踪性能强、鲁棒性良好,能够有效地减小各回路间的耦合影响,并保证发动机控制系统具有良好的稳态和动态性能。 最后,采用神经网络控制和PID控制相结合的方法,设计了涡扇发动机的加速控制系统。加速控制系统设计时,所用的被控对象模型是把C++语言编写的发动机非线性模型程序打包成了S函数,设计完成后对控制系统进行了仿真,结果表明了神经网络适合于随动系统的控制。