CN109896026B - 变旋翼转速直升机-涡轴发动机综合控制方法及装置 - Google Patents

Abstract

本发明公开了一种变旋翼转速直升机‑涡轴发动机综合控制方法。该方法在综合考虑转速控制指标与经变传动比传动机构扭矩匹配的转子动力学特性的基础上，对涡轴发动机的燃油流量进行在线优化，可在满足压气机转速、发动机静强度等限制条件下，显著减小变旋翼转速过程中动力涡轮转速超调与下垂量，实现涡轴发动机的快速响应控制的同时，有利于改善发动机使用寿命。本发明还公开了一种变旋翼转速直升机‑涡轴发动机综合控制装置。本发明可在满足压气机转速、发动机静强度等限制条件下，显著减小变旋翼转速过程中动力涡轮转速超调与下垂量，实现涡轴发动机的快速响应控制的同时，有利于改善发动机使用寿命。

Description

变旋翼转速直升机-涡轴发动机综合控制方法及装置

技术领域

本发明涉及一种变旋翼转速直升机-涡轴发动机综合控制方法，属于航空宇航推进理论与工程中的系统控制与仿真技术领域。

背景技术

变旋翼转速直升机自问世以来发展非常迅速。凭借其超强攻击性、机动性、突袭性、隐蔽性、灵敏性等优异对空作战能力，应用领域与性能需求得到不断扩大，执行的飞行任务也向多元化发展。承担的任务也从过去的搜索与救援、物资运输等保障职能逐步发展到侦察机和对地攻击等职能(参见[Smith B J,Zagranski R.D.Next Generation ControlSystem for Helicopter Engines[C]])。

变旋翼转速时，直升机飞行器各个子系统之间相互关联与影响。涡轴发动机为直升机提供动力，同时对飞行速度和飞行姿态也产生重要影响。一个高品质的涡轴发动机控制系统，需具备对直升机需求功率的快速跟随能力，能实现涡轴发动机的快速响应控制。

然而现代燃气涡轮发动机的耗油率只能在一个相对较小的转速范围内达到最优，严重限制了调整发动机转速来实现变旋翼转速的能力(参见[变转速直升机/传动系统/发动机综合建模与控制研究[D]])。因此，通过变传动比实现变旋翼转速是极为必要的。

因而在直升机变旋翼转速运行时，变传动比传动机构实时匹配直升机需求扭矩和发动机输出扭矩，强化了直升机子系统与发动机子系统之间的耦合程度。传统的带总距前馈的串级PID控制方法，很难取得高品质的控制效果(参见[基于扭振抑制的涡轴发动机控制方法研究[D]])。尤其是在变旋翼转速过程中，存在由旋翼扭矩测量滞后、发动机控制动态响应等引起的不可忽略的时滞效应，这种滞后是必须得考虑在控制规律设计中的，而串级PID等控制方法因不具备预测功能，对于上述时滞效应显得能力不足。而预测控制因具备一定的超前预测能力，可作为求解时变迟滞非线性系统问题的替代方案。自上世纪90年代以来，线性预测控制理论与应用取得了突飞猛进的进展(参见[Data-Based PredictiveControl with Multirate Prediction Step[C]])，如动态矩阵控制，广义预测控制等，能够实时解决带约束优化问题的和动态规划。近年来，相继提出了一些新的预测方法，如鲁棒MPC和非线性模型预测控制(NMPC)。这些方法可有效地解决含复杂约束和扰动的非线性系统控制问题，也为涡轴发动机闭环控制提供了新的思路。王健康基于直升机/涡轴发动机综合仿真平台研究了涡轴发动机带约束优化的非线性模型预测控制技术[基于直升机/涡轴发动机综合仿真平台的发动机非线性模型预测控制[J]]，但传动机构变速比恒定，不具备模拟变旋翼转速的能力，因此在构建优化目标函数时，未考虑旋翼负载的影响，仅考虑涡轴发动机转速、燃油等关键参数，因而无法适用于旋翼转速大范围变化时涡轴发动机转速闭环控制。

发明内容

本发明所要解决的技术问题在于克服现有技术不足，提供一种变旋翼转速直升机-涡轴发动机综合控制方法，可在满足压气机转速、发动机静强度等限制条件下，显著减小变旋翼转速过程中动力涡轮转速超调与下垂量，实现涡轴发动机的快速响应控制的同时，有利于改善发动机使用寿命。

本发明具体采用以下技术方案解决上述技术问题：

一种变旋翼转速直升机-涡轴发动机综合控制方法，所述变旋翼转速直升机的旋翼与涡轴发动机之间通过变传动比传动机构连接，通过对以下优化模型进行求解来在线控制涡轴发动机的燃油流量W_fb：

其中，H、ν_c、θ₀、Ω_MR、T_r分别为飞行高度、前飞速度、旋翼总距、旋翼转速、旋翼需求扭矩；W_fb,、N_c、N_p、T₄₁、T_e分别表示燃油流量、压气机相对转速、动力涡轮相对转速、涡轮前温度、发动机输出扭矩，N_p为N_p对应的物理转速，r_d为动力涡轮相对转速真实指令，下标min、max分别表示最小值、最大值，下标ds表示发动机设计点，k表示当前采样时刻，Δ为当前时刻数值相对于前一时刻的变化量，i为计数器，ω_i(i＝1,2,3)为权系数。

进一步地，通过一种可实时模拟旋翼转速与负载动态特性的直升机旋翼预测模型来对旋翼转速与旋翼需求扭矩进行预测；所述直升机旋翼预测模型是以历史时刻的旋翼总距、旋翼转速、旋翼需求扭矩、飞行高度、前飞速度以及当前时刻的旋翼总距为输入量，以旋翼转速与旋翼需求扭矩为输出量，通过采用神经网络进行离线训练得到。所述神经网络优选为最小批量梯度下降法神经网络。

进一步地，通过一种基于状态空间模型的涡轴发动机预测模型来对涡轴发动机的动力涡轮相对转速和发动机输出扭矩进行预测；所述涡轴发动机预测模型是以燃油流量为输入，以压气机相对转速、动力涡轮相对转速、涡轮前温度以及发动机输出扭矩为状态量，以动力涡轮相对转速和发动机输出扭矩作为输出量，所构建的状态空间模型。

进一步地，所述控制方法还包括：以涡轴发动机动力涡轮相对转速与涡轴发动机预测模型的动力涡轮相对转速预测值之差作为反馈对动力涡轮相对转速参考指令进行在线修正的环节。

优选地，使用序列二次优化算法求解所述优化模型。

根据相同的发明思路还可以得到以下技术方案：

一种变旋翼转速直升机-涡轴发动机综合控制装置，所述变旋翼转速直升机的旋翼与涡轴发动机之间通过变传动比传动机构连接，该控制装置包括在线优化单元，用于通过对以下优化模型进行求解来在线控制涡轴发动机的燃油流量W_fb：

其中，H、ν_c、θ₀、Ω_MR、T_r分别为飞行高度、前飞速度、旋翼总距、旋翼转速、旋翼需求扭矩；W_fb,、N_c、N_p、T₄₁、T_e分别表示燃油流量、压气机相对转速、动力涡轮相对转速、涡轮前温度、发动机输出扭矩，

为N_p对应的物理转速，r_d为动力涡轮相对转速真实指令，下标min、max分别表示最小值、最大值，下标ds表示发动机设计点，k表示当前采样时刻，Δ为当前时刻数值相对于前一时刻的变化量，i为计数器，ω_i(i＝1,2,3)为权系数。

进一步地，所述综合控制装置还包括一种可实时模拟旋翼转速与负载动态特性的直升机旋翼预测模型，用于对旋翼转速与旋翼需求扭矩进行预测；所述直升机旋翼预测模型是以历史时刻的旋翼总距、旋翼转速、旋翼需求扭矩、飞行高度、前飞速度以及当前时刻的旋翼总距为输入量，以旋翼转速与旋翼需求扭矩为输出量，通过采用神经网络进行离线训练得到。所述神经网络优选为最小批量梯度下降法神经网络。

进一步地，所述综合控制装置还包括一种基于状态空间模型的涡轴发动机预测模型，用于对涡轴发动机的动力涡轮相对转速和发动机输出扭矩进行预测；所述涡轴发动机预测模型是以燃油流量为输入，以压气机相对转速、动力涡轮相对转速、涡轮前温度以及发动机输出扭矩为状态量，以动力涡轮相对转速和发动机输出扭矩作为输出量，所构建的状态空间模型。

进一步地，所述综合控制装置还包括控制指令修正模块，用于以涡轴发动机动力涡轮相对转速与涡轴发动机预测模型的动力涡轮相对转速预测值之差作为反馈对动力涡轮相对转速参考指令进行在线修正。

优选地，在线优化单元使用序列二次优化算法求解所述优化模型。

相比现有技术，本发明技术方案及其进一步改进和优选方案具有以下有益效果：

本发明在综合考虑转速控制指标与经变传动比传动机构扭矩匹配的转子动力学特性的基础上，对涡轴发动机的燃油流量进行在线优化，可在满足压气机转速、发动机静强度等限制条件下，显著减小变旋翼转速过程中动力涡轮转速超调与下垂量，实现涡轴发动机的快速响应控制的同时，有利于改善发动机使用寿命。

本发明进一步通过构建可实时模拟旋翼转速与负载动态特性的直升机旋翼预测模型以及基于状态空间模型的涡轴发动机预测模型，来对旋翼和涡轴发动机的核心参数进行快速准确的预测，从而有效提高了综合控制系统的准确性和实时性。

附图说明

图1是本发明变旋翼转速直升机-涡轴发动机综合控制装置的控制结构框图；

图2是直升机旋翼预测模型训练误差图；

图3是直升机前飞速度变化曲线图；

图4是涡轴发动机燃油流量变化曲线对比图；

图5是涡轴发动机动力涡轮相对转速变化曲线对比图

图6是旋翼转速变化曲线对比图；

图7是涡轴发动机燃气涡轮相对转速变化曲线对比图；

图8是涡轴发动机输出扭矩变化曲线对比图；

图9是旋翼总距变化曲线对比图；

图10是旋翼需求扭矩变化曲线对比图。

具体实施方式

下面通过一个优选实施例并结合附图来对本发明的技术方案进行详细说明：

如图1所示，本实施例中的变旋翼转速直升机-涡轴发动机综合控制装置由直升机旋翼预测模型、涡轴发动机预测模型以及在线优化单元这3个部分组成。涡轴发动机预测模型与直升机旋翼预测模型均离线获得。由图1可知，在单个仿真步长内，涡轴发动机预测模型与直升机旋翼预测模型分别根据输入量在线预测未来时刻的输出量，并将其传递至非线性模型预测控制器(即在线优化单元)，通过序列二次规划(SQP)算法在线求解目标函数，输出燃油控制量，完成涡轴发动机转速闭环控制。如图1所示，为了克服预测模型的误差，本发明还进一步增加了以涡轴发动机动力涡轮相对转速与涡轴发动机预测模型的动力涡轮相对转速预测值之差作为反馈对动力涡轮相对转速参考指令进行在线修正的环节，以获得更高的控制精度。为实现变旋翼转速目标，特设定传动指令以控制传动机构的传动比。其中，H、ν_c、θ₀、Ω_MR、T_r分别为飞行高度、前飞速度、旋翼总距、旋翼转速与旋翼需求扭矩；W_fb,、N_c、N_p、T₄₁、T_e分别代表燃油流量、压气机相对转速、动力涡轮相对转速、涡轮前温度以及发动机输出扭矩，N_pr为动力涡轮相对转速参考指令，r_d为动力涡轮相对转速真实指令，可通过上述以涡轴发动机动力涡轮相对转速与涡轴发动机预测模型的动力涡轮相对转速预测值之差作为反馈对动力涡轮相对转速参考指令进行在线修正的环节得到；当然，如果系统中未使用上述在线修正环节，则可直接以动力涡轮相对转速参考指令作为动力涡轮相对转速真实指令，即r_d＝N_pr。

下面对其中的各主要部分进行进一步详细说明：

1)可实时模拟旋翼转速与负载动态特性的直升机旋翼预测模型：

旋翼作为直升机的关键部件，不仅给直升机提供必需的升力与拉力，同时也为发动机提供外部负载甚至参与发动机控制，因此，旋翼预测模型需尽可能地保留原直升机旋翼系统的动态特性。本实施例采用最小批量梯度下降法神经网络进行离线训练以减小训练计算量，获得满足精度要求的直升机旋翼预测模型。变传动比传动机构的引入，使旋翼转速直升机运行过程中不断发生变化，因此，除了预测旋翼需求扭矩外，对旋翼转速的超前预测也尤为必要。

设直升机旋翼预测模型为2阶系统，可构建的直升机旋翼预测模型如下，下标代表时刻。

其中，输出量为当前时刻旋翼的Ω_MR与T_r，输入量为历史时刻的θ₀、Ω_MR、T_r、H、ν_c以及当前时刻的θ₀。因此，整个旋翼预测模型包含11个输入与2个输出。

在飞行高度H＝0.6km，前飞速度ν_c＝118m/s的飞行条件下，对模型充分激励，将采集的数据进行归一化处理，作为样本数据进行神经网络离线训练。图2给出了直升机旋翼预测模型的相对误差。各参数相对误差均小于0.2％，满足精度要求，可用于旋翼预测模型。

2)基于状态空间模型的涡轴发动机预测模型

航空发动机状态空间模型作为一种简化的实时模型，不需要进行迭代计算，运算负担得到显著减轻，适用于飞行/推进系统综合控制。对于涡轴发动机而言，其状态空间模型如下所示。

其中，输入量u为燃油流量W_fb，状态量x＝[N_c,N_p,T₄₁,T_e]^T，分别代表压气机相对转速、动力涡轮相对转速、涡轮前温度以及发动机输出扭矩，输出量y＝[N_p,T_e]^T。

直接将上式作为预测模型使用，假设从k时刻起系统输入发生M步变化，而后保持不变，则由上式可预测出在u(k),u(k+1),…u(k+M-1)作用下未来P(P≥M)个时刻的系统状态，根据上式中的输出方程，可预测未来P个时刻的系统输出：

这里令P＝5，M＝3。

3)变旋翼转速直升机-涡轴发动机综合控制：

涡轴发动机的控制目标为使动力涡轮相对转速尽可能地保持参考指令不变。然而，在变旋翼转速过程中，旋翼总距的突变，使得旋翼负载与发动机输出扭矩瞬间不匹配，动力涡轮转速随之出现瞬间超调与下垂。因此，为了有效减小动力涡轮转速在变旋翼转速过程中的超调与下垂量，实现涡轴发动机的快速响应控制，旋翼负载扭矩经变传动比传动机构与发动机输出扭矩匹配的误差应尽可能小。另外，在控制过程中，燃油流量应该限制在约束范围内且遵循最大步长变化，涡轴发动机需满足不超温、不超转等约束条件，因此整个控制目标函数如下。

式中，

为N_p对应的物理转速，r_d为动力涡轮相对转速真实指令，可通过对参考指令在线反馈修正获得。式中目标函数第一项可用于降低控制过程中的燃油消耗；第二项使N_p恒定在参考指令左右；第三项使发动机输出扭矩与负载扭矩经变传动比传动机构匹配后的误差最小，可用于优化变旋翼转速过程中动力涡轮转速的超调与下垂。同时，式中的压气机转速与涡轴发动机输出扭矩约束限制是为了确保涡轴发动机压气机不超转、发动机输出扭矩不超限。

为了验证上述技术方案的效果，接下来在变飞行条件下进行本发明非线性模型预测控制(NMPC)效果仿真测试。直升机飞行高度H＝0.6km，直升机前飞速度ν_c如图3所示。t＝10s时，ν_c由118m/s线性加速至125m/s；15-45s间，ν_c保持125m/s不变；随后5s，ν_c线性减速至118m/s，并一直保持到仿真结束，具体仿真结果如图4-10所示。

由图3、6可知，t＝10s时，直升机前飞加速；其后，旋翼转速由18.5rad/s减小至11rad/s。t＝35s时，旋翼转速迅速增至18.5rad/s，10s后直升机前飞减速。在旋翼转速降低/前飞加速阶段，图5所示的动力涡轮相对转速低于设定值100％。这是由于加速时拉力增加，而此时旋翼转速降低，为了使前飞速度保持恒定，需增大旋翼总距(如图9所示)。由图5、6可知，PID与非线性模型预测控制(NMPC)器均能确保动力涡轮转速基本保持100％的前提下使旋翼转速连续变化40％。而相比于PID控制器，NMPC控制器可使动力涡轮转速的超调量减小50％以上，下垂量有效降低至0.4％以内，且几乎无稳态误差，实现了涡轴发动机快速响应控制。这是因为变旋翼转速过程中，发动机输出扭矩与旋翼需求扭矩通过变传动比传动机构相互匹配，而NMPC目标函数中将经变传动比传动机构匹配后扭矩的误差作为性能指标，从根源处减小了动力涡轮转速在旋翼转速变化过程中因扭矩不匹配出现的瞬态超调与下垂量。由图4可知，随着Ω_MR的减小，燃油流量W_fb迅速减小。但由于NMPC控制器中，W_fb及其变化量均需满足一定的约束条件，所以燃油流量减小时存在限制下界。如图7所示，使用PID控制器时，在旋翼转速升档阶段，压气机相对转速接近102％，有超转的风险。同时，由图8可知，发动机输出扭矩的峰值超过5kN·m，严重威胁涡轴发动机的静强度；相反，NMPC控制器可以使压气机相对转速始终保持在100％以下，发动机输出扭矩始终低于5kN·m，有利于改善发动机的使用寿命。

Claims (10)

1.一种变旋翼转速直升机-涡轴发动机综合控制方法，所述变旋翼转速直升机的旋翼与涡轴发动机之间通过变传动比传动机构连接，其特征在于，通过对以下优化模型进行求解来在线控制涡轴发动机的燃油流量W_fb：

其中，H、ν_c、θ₀、Ω_MR、T_r分别为飞行高度、前飞速度、旋翼总距、旋翼转速、旋翼需求扭矩；W_fb,、N_c、N_p、T₄₁、T_e分别表示燃油流量、压气机相对转速、动力涡轮相对转速、涡轮前温度、发动机输出扭矩，

为N_p对应的物理转速，r_d为动力涡轮相对转速真实指令，下标min、max分别表示最小值、最大值，下标ds表示发动机设计点，k表示当前采样时刻，Δ为当前时刻数值相对于前一时刻的变化量，i为计数器，ω_i(i＝1,2,3)为权系数，M、P分别为涡轴发动机预测模型的系统输入变化步数、系统输出预测步数。

2.如权利要求1所述综合控制方法，其特征在于，通过一种可实时模拟旋翼转速与负载动态特性的直升机旋翼预测模型来对旋翼转速与旋翼需求扭矩进行预测；所述直升机旋翼预测模型是以历史时刻的旋翼总距、旋翼转速、旋翼需求扭矩、飞行高度、前飞速度以及当前时刻的旋翼总距为输入量，以旋翼转速与旋翼需求扭矩为输出量，通过采用神经网络进行离线训练得到。

3.如权利要求1所述综合控制方法，其特征在于，通过一种基于状态空间模型的涡轴发动机预测模型来对涡轴发动机的动力涡轮相对转速和发动机输出扭矩进行预测；所述涡轴发动机预测模型是以燃油流量为输入，以压气机相对转速、动力涡轮相对转速、涡轮前温度以及发动机输出扭矩为状态量，以动力涡轮相对转速和发动机输出扭矩作为输出量，所构建的状态空间模型。

4.如权利要求3所述综合控制方法，其特征在于，还包括：以涡轴发动机动力涡轮相对转速与涡轴发动机预测模型的动力涡轮相对转速预测值之差作为反馈对动力涡轮相对转速参考指令进行在线修正的环节。

5.如权利要求1～4任一项所述综合控制方法，其特征在于，使用序列二次优化算法求解所述优化模型。

6.一种变旋翼转速直升机-涡轴发动机综合控制装置，所述变旋翼转速直升机的旋翼与涡轴发动机之间通过变传动比传动机构连接，其特征在于，该控制装置包括在线优化单元，用于通过对以下优化模型进行求解来在线控制涡轴发动机的燃油流量W_fb：

其中，H、ν_c、θ₀、Ω_MR、T_r分别为飞行高度、前飞速度、旋翼总距、旋翼转速、旋翼需求扭矩；W_fb,、N_c、N_p、T₄₁、T_e分别表示燃油流量、压气机相对转速、动力涡轮相对转速、涡轮前温度、发动机输出扭矩，

为N_p对应的物理转速，r_d为动力涡轮相对转速真实指令，下标min、max分别表示最小值、最大值，下标ds表示发动机设计点，k表示当前采样时刻，Δ为当前时刻数值相对于前一时刻的变化量，i为计数器，ω_i(i＝1,2,3)为权系数，M、P分别为涡轴发动机预测模型的系统输入变化步数、系统输出预测步数。

7.如权利要求6所述综合控制装置，其特征在于，还包括一种可实时模拟旋翼转速与负载动态特性的直升机旋翼预测模型，用于对旋翼转速与旋翼需求扭矩进行预测；所述直升机旋翼预测模型是以历史时刻的旋翼总距、旋翼转速、旋翼需求扭矩、飞行高度、前飞速度以及当前时刻的旋翼总距为输入量，以旋翼转速与旋翼需求扭矩为输出量，通过采用神经网络进行离线训练得到。

8.如权利要求6所述综合控制装置，其特征在于，还包括一种基于状态空间模型的涡轴发动机预测模型，用于对涡轴发动机的动力涡轮相对转速和发动机输出扭矩进行预测；所述涡轴发动机预测模型是以燃油流量为输入，以压气机相对转速、动力涡轮相对转速、涡轮前温度以及发动机输出扭矩为状态量，以动力涡轮相对转速和发动机输出扭矩作为输出量，所构建的状态空间模型。

9.如权利要求8所述综合控制装置，其特征在于，还包括控制指令修正模块，用于以涡轴发动机动力涡轮相对转速与涡轴发动机预测模型的动力涡轮相对转速预测值之差作为反馈对动力涡轮相对转速参考指令进行在线修正。

10.如权利要求6～9任一项所述综合控制装置，其特征在于，在线优化单元使用序列二次优化算法求解所述优化模型。

Images