CN110488609A - 一种航空发动机直接推力逆控制方法及装置 - Google Patents

一种航空发动机直接推力逆控制方法及装置 Download PDF

Info

Publication number
CN110488609A
CN110488609A CN201910823671.0A CN201910823671A CN110488609A CN 110488609 A CN110488609 A CN 110488609A CN 201910823671 A CN201910823671 A CN 201910823671A CN 110488609 A CN110488609 A CN 110488609A
Authority
CN
China
Prior art keywords
fuel flow
engine
limitation
aero
motor power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN201910823671.0A
Other languages
English (en)
Inventor
郑前钢
杜紫岩
汪勇
陈浩颖
刘子赫
胡忠志
张海波
李秋红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201910823671.0A priority Critical patent/CN110488609A/zh
Publication of CN110488609A publication Critical patent/CN110488609A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种航空发动机直接推力逆控制方法，逆控制器根据所输入的发动机推力命令得到初步的燃油流量，然后根据燃油流量限制对初步的燃油流量进行修正，最后按照修正后的燃油流量向航空发动机输入相应流量的燃油；所述逆控制器是以当前和历史的发动机推力以及历史的燃油流量作为输入并以当前的燃油流量作为输出的在线滑动窗口深度神经网络，所述在线滑动窗口深度神经网络利用发动机非线性模型所估计出的发动机推力进行在线学习。本发明还公开了一种航空发动机直接推力逆控制装置。本发明可在发动机退化时获得所需的推力，同时发动机具有快速的响应能力。

Description

一种航空发动机直接推力逆控制方法及装置
技术领域
本发明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，具体涉及一种航空发动机直接推力逆控制方法及装置。
背景技术
航空发动机的主要功能是连续稳定地为飞机提供推力或动力。传统控制器通过控制与推力密切相关的可测量参数(例如转子速度，发动机压力比)间接控制发动机推力。由于在服役期的退化、制造和位置公差等因素的影响，推力和可测量参数之间的关系将会改变，这导致在某些条件下通过控制可测量参数不能获得期望的推力。
因此，许多学者在直接推力控制方面做了大量的研究工作。克里希那介绍了涡轮喷气发动机性能估算方法，如径向基神经网络，递归神经网络，扩展卡尔曼滤波器。陈提出了直接推力控制，它使用相关分析和神经网络设计了推力估计器。美国宇航局格伦研究中心提出了基于最佳调谐器卡尔曼滤波器的直接推力控制。最佳调谐器卡尔曼滤波器估计发动机的不可测量参数，例如推力，喘振裕度和高压涡轮的进口温度等。杰弗里提出了基于最优调谐器扩展卡尔曼滤波器的直接推力控制，它的控制精度比基于最优调谐器卡尔曼滤波器的控制精度更高。
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，提供一种航空发动机直接推力逆控制方法，可在发动机退化时获得所需的推力，同时发动机具有快速的响应能力。
本发明具体采用以下技术方案解决上述技术问题：
一种航空发动机直接推力逆控制方法，逆控制器根据所输入的发动机推力命令得到初步的燃油流量，然后根据燃油流量限制对初步的燃油流量进行修正，最后按照修正后的燃油流量向航空发动机输入相应流量的燃油；所述逆控制器是以当前和历史的发动机推力以及历史的燃油流量作为输入并以当前的燃油流量作为输出的在线滑动窗口深度神经网络，所述在线滑动窗口深度神经网络利用发动机非线性模型所估计出的发动机推力进行在线学习。
优选地，所述燃油流量限制是确保发动机安全稳定运行所需的一系列操作限制所分别对应的燃油流量限值，所述操作限制包括风扇转子转速限制、压气机转子转速限制、燃烧室进口压力限制、比率单位限制。
根据相同的发明思路还可以得到以下技术方案：
一种航空发动机直接推力逆控制装置，包括：
发动机非线性模型，用于对发动机推力进行估计；
逆控制器，用于根据所输入的发动机推力命令得到初步的燃油流量，所述逆控制器是以当前和历史的发动机推力以及历史的燃油流量作为输入并以当前的燃油流量作为输出的在线滑动窗口深度神经网络，所述在线滑动窗口深度神经网络利用发动机非线性模型所估计出的发动机推力进行在线学习；
限制保护模块，用于输出燃油流量限制；
最小和最大选择器，用于根据燃油流量限制对初步的燃油流量进行修正；
执行器，用于按照修正后的燃油流量向航空发动机输入相应流量的燃油。
优选地，所述限制保护模块所输出的燃油流量限制是确保发动机安全稳定运行所需的一系列操作限制所分别对应的燃油流量限值，所述操作限制包括风扇转子转速限制、压气机转子转速限制、燃烧室进口压力限制、比率单位限制。
相比现有技术，本发明技术方案具有以下有益效果：
本发明采用基于在线滑动窗口深度神经网络的逆控制器来获取直接推力指令所对应的燃油流量，然后根据据燃油流量限制进行修正；与传统的基于PID的控制方法相比，由于采用在线学习策略，在发动机退化时具有更好的推力控制精度；而且，与传统的控制方法相比，发动机快速响应能力得到大幅提高，发动机推力增加到95％目标值的加速时间减少了1.35秒。
附图说明
图1是本发明航空发动机直接推力逆控制装置的结构原理示意图；
图2是深度神经网络的结构示意图；
图3是滑动窗口的原理示意图；
图4是反向传播算法原理示意图；
图5a、图5b是本发明方法和传统方法的退化仿真结果对比；
图6a～图6g是本发明方法与传统方法的仿真结果对比。
具体实施方式
本发明针对发动机由于在服役期的退化、制造和位置公差等因素的影响，导致在某些条件下通过控制可测量参数不能获得期望的推力这一问题，通过采用在线滑动窗口深度神经网络来建立逆控制器，控制对象是推力而不是可测量参数，通过采用在线学习策略，发动机在退化时具有更好的推力控制精度和响应速度。
本发明所提出的航空发动机直接推力逆控制方法具体如下：逆控制器根据所输入的发动机推力命令得到初步的燃油流量，然后根据燃油流量限制对初步的燃油流量进行修正，最后按照修正后的燃油流量向航空发动机输入相应流量的燃油；所述逆控制器是以当前和历史的发动机推力以及历史的燃油流量作为输入并以当前的燃油流量作为输出的在线滑动窗口深度神经网络，所述在线滑动窗口深度神经网络利用发动机非线性模型所估计出的发动机推力进行在线学习。
本发明所提出的航空发动机直接推力逆控制装置，包括：
发动机非线性模型，用于对发动机推力进行估计；
逆控制器，用于根据所输入的发动机推力命令得到初步的燃油流量，所述逆控制器是以当前和历史的发动机推力以及历史的燃油流量作为输入并以当前的燃油流量作为输出的在线滑动窗口深度神经网络，所述在线滑动窗口深度神经网络利用发动机非线性模型所估计出的发动机推力进行在线学习；
限制保护模块，用于输出燃油流量限制；
最小和最大选择器，用于根据燃油流量限制对初步的燃油流量进行修正；
执行器，用于按照修正后的燃油流量向航空发动机输入相应流量的燃油。
为了便于公众理解，下面结合附图来对本发明的技术方案进行详细说明：
本发明所提出的航空发动机直接推力逆控制装置的基本结构如图1所示，其中Nf和Nc分别是风扇和压气机的转子转速，Ps3是燃烧室进口压力，RU是比率单位(燃料流量Wfb/Ps3)。如图1所示，该控制装置包括逆控制器、限制保护模块、最小和最大选择器、发动机非线性模型、执行器和航空发动机。限制保护模块包括一系列操作限制，其主要目的是确保发动机安全稳定运行，每个操作限制都有一个独立的能产生所需的燃油流量的调节器，使发动机运行满足限制。飞行员推动油门杆角度(PLA)并获得控制命令——推力而不是传统控制结构的可测量参数。逆控制器计算出使得发动机快速响应到推力指令的燃油流量Wfb。逆控制器所输出的燃油流量Wfb和和各限制保护调节器的输出都输入到最小和最大选择器，最小和最大选择器输出的修正后的燃油流量，执行器按照修正后的燃油流量向航空发动机输入相应流量的燃油。其中的发动机非线性模型用于估计发动机推力，逆控制器根据发动机非线性模型所顾忌的发动机推力进行在线学习。
本发明的关键技术是如何设计逆控制器，本发明采用在线滑动窗口深度神经网络来构建所述逆控制器，其具体设计过程如下：
深度神经网络的结构如图2所示。它具有多层结构，可以描述为：
yDNN＝fDNN(xDNN) (1)
其中，xDNN是输入向量，yDNN是输出向量。
为了保持发动机的瞬态特性，深度神经网络的输入包括当前和历史的发动机推力F和历史的燃油流量Wfb，输出是当前的燃油流量Wfb。深度神经网络的输入和输出如下：
其中m1和m2与发动机瞬态过程的非线性有关。
深度神经网络是多层结构，每层可以表示为：
al+1＝Wlhl+bl (3)
hl+1＝σ(al+1) (4)
其中，Wl是质量矩阵，bl是偏移矢量，σ是激活函数，hl(l>0)是第l层的输出，l＝1,2,L nl，nl是层数。
传统的在线深度神经网络始终只选择一个最新数据作为训练数据，使网络对噪声数据敏感。因此，如图3所示，提出在线滑动窗口深度神经网络以提高在线深度神经网络的鲁棒性，其选择长度为L的最近的数据作为训练数据。在线滑动窗口深度神经网络的损失函数可以描述为：
W,b的更新过程如下：
其中，η是学习速率，是分别是的梯度。
如图4所示，采用反向传播计算和将设为：
其中是
当l＝nnet,nnet-1,L,2时，有
W,b的梯度计算如下：
为了验证本发明的有效性，进行了本发明控制方法和基于间接推力控制的传统PID控制方法的仿真。为方便起见，下面分别将这两种方法描述为传统的控制方法和本发明的控制方法。选择加速过程作为模拟过程。加速度的起点和终点是发动机在PLA＝20°和PLA＝70°时稳定工作时的点。模拟的条件都在标准大气状态下，高度H＝0km，马赫数Ma＝0。图5a、图5b和图6a～图6g中的发动机参数已经归一化。
图5a、图5b给出了当发动机出现不同程度的退化时，所提出的控制方法和传统控制方法的仿真结果。在图中，“未退化*”表示发动机没有发生退化。“退化#1*”表示发动机在风扇气流降低压气机空气流量降低 高压涡轮效率降低低压涡轮效率降低的情况下运行。“退化#2*”表示发动机在 下运行。从图中可以推断，本发明的方法和传统方法都可以在发动机未退化时获得所需的推力。然而，当发动机退化时，“退化#1PID”和“退化#2PID”中传统控制方法的推力控制误差分别为2.924％和6.829％。相反，本发明的控制方法在“退化#1逆控制”和“退化#2逆控制”中的推力控制误差可以忽略。主要原因是本发明方法采用推力作为控制对象，传统控制方法采用可测参数作为控制对象。当发动机发生退化时，可测量参数与推力之间的关系将发生变化。
图6a～图6g给出了本发明方法和传统方法的仿真结果。如图6a所示，发动机推力增加到95％时所需时间，在传统的控制方法和本发明的控制方法分别为4.75秒和3.4秒。与传统的控制方法相比，本发明的控制方法将加速时间减少了1.35秒。如图6g所示，加速过程中的发动机工作点沿着喘振线移动，这是航空发动机原理中最快的加速路线。如图6c～6f所示，发动机不会出现超速，过热或发生喘振。因此，本发明的控制方法具有高精度和响应速度。

Claims (4)

1.一种航空发动机直接推力逆控制方法，其特征在于，逆控制器根据所输入的发动机推力命令得到初步的燃油流量，然后根据燃油流量限制对初步的燃油流量进行修正，最后按照修正后的燃油流量向航空发动机输入相应流量的燃油；所述逆控制器是以当前和历史的发动机推力以及历史的燃油流量作为输入并以当前的燃油流量作为输出的在线滑动窗口深度神经网络，所述在线滑动窗口深度神经网络利用发动机非线性模型所估计出的发动机推力进行在线学习。
2.如权利要求1所述航空发动机直接推力逆控制方法，其特征在于，所述燃油流量限制是确保发动机安全稳定运行所需的一系列操作限制所分别对应的燃油流量限值，所述操作限制包括风扇转子转速限制、压气机转子转速限制、燃烧室进口压力限制、比率单位限制。
3.一种航空发动机直接推力逆控制装置，其特征在于，包括：
发动机非线性模型，用于对发动机推力进行估计；
逆控制器，用于根据所输入的发动机推力命令得到初步的燃油流量，所述逆控制器是以当前和历史的发动机推力以及历史的燃油流量作为输入并以当前的燃油流量作为输出的在线滑动窗口深度神经网络，所述在线滑动窗口深度神经网络利用发动机非线性模型所估计出的发动机推力进行在线学习；
限制保护模块，用于输出燃油流量限制；
最小和最大选择器，用于根据燃油流量限制对初步的燃油流量进行修正；
执行器，用于按照修正后的燃油流量向航空发动机输入相应流量的燃油。
4.如权利要求3所述航空发动机直接推力逆控制装置，其特征在于，所述限制保护模块所输出的燃油流量限制是确保发动机安全稳定运行所需的一系列操作限制所分别对应的燃油流量限值，所述操作限制包括风扇转子转速限制、压气机转子转速限制、燃烧室进口压力限制、比率单位限制。
CN201910823671.0A 2019-09-02 2019-09-02 一种航空发动机直接推力逆控制方法及装置 Withdrawn CN110488609A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910823671.0A CN110488609A (zh) 2019-09-02 2019-09-02 一种航空发动机直接推力逆控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910823671.0A CN110488609A (zh) 2019-09-02 2019-09-02 一种航空发动机直接推力逆控制方法及装置

Publications (1)

Publication Number Publication Date
CN110488609A true CN110488609A (zh) 2019-11-22

Family

ID=68556162

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910823671.0A Withdrawn CN110488609A (zh) 2019-09-02 2019-09-02 一种航空发动机直接推力逆控制方法及装置

Country Status (1)

Country Link
CN (1) CN110488609A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111443606A (zh) * 2020-04-04 2020-07-24 西北工业大学 输入受限的航空发动机最大推力状态降保守性鲁棒控制器
CN111459028A (zh) * 2020-04-04 2020-07-28 西北工业大学 航空发动机最大推力状态降保守性二自由度μ控制器
CN111577468A (zh) * 2020-04-23 2020-08-25 浙江大学 基于非平衡态线性化的航空发动机加减速自适应控制方法
CN113741170A (zh) * 2021-08-17 2021-12-03 南京航空航天大学 一种基于深度神经网络的航空发动机直接推力逆控制方法
CN113864067A (zh) * 2020-06-30 2021-12-31 中国航发商用航空发动机有限责任公司 一种滚动优化预测闭环控制器及系统
CN116880198A (zh) * 2023-07-25 2023-10-13 杭州牧星科技有限公司 一种用于超声速无人机的动力装备自适应控制系统及其方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2060768A2 (en) * 2007-11-16 2009-05-20 Pratt & Whitney Canada Corp. Thrust reverser for a turbofan gas turbine engine
CN102289203A (zh) * 2011-04-26 2011-12-21 北京航空航天大学 一种用于航空发动机性能寻优控制的新型混合优化方法
US20130238173A1 (en) * 2012-03-07 2013-09-12 Ge Aviation Systems Llc Methods for derated thrust visualization
US20140150440A1 (en) * 2012-12-05 2014-06-05 United Technologies Corporation Gas turbine engine with a low speed spool driven pump arrangement
CN104834785A (zh) * 2015-05-15 2015-08-12 南京航空航天大学 基于单纯形样条函数的航空发动机稳态模型的建模方法
CN105676640A (zh) * 2016-01-13 2016-06-15 南京航空航天大学 基于贝塞尔曲线的涡扇发动机加速过程控制律设计方法
CN105785791A (zh) * 2016-02-26 2016-07-20 南京航空航天大学 一种超声速状态下机载推进系统的建模方法
CN105868467A (zh) * 2016-03-28 2016-08-17 南京航空航天大学 一种动稳态航空发动机机载模型构建方法
CN108762089A (zh) * 2018-06-15 2018-11-06 大连理工大学 一种基于模型预测的航空发动机在线优化及多变量控制设计方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2060768A2 (en) * 2007-11-16 2009-05-20 Pratt & Whitney Canada Corp. Thrust reverser for a turbofan gas turbine engine
CN102289203A (zh) * 2011-04-26 2011-12-21 北京航空航天大学 一种用于航空发动机性能寻优控制的新型混合优化方法
US20130238173A1 (en) * 2012-03-07 2013-09-12 Ge Aviation Systems Llc Methods for derated thrust visualization
US20140150440A1 (en) * 2012-12-05 2014-06-05 United Technologies Corporation Gas turbine engine with a low speed spool driven pump arrangement
CN104834785A (zh) * 2015-05-15 2015-08-12 南京航空航天大学 基于单纯形样条函数的航空发动机稳态模型的建模方法
CN105676640A (zh) * 2016-01-13 2016-06-15 南京航空航天大学 基于贝塞尔曲线的涡扇发动机加速过程控制律设计方法
CN105785791A (zh) * 2016-02-26 2016-07-20 南京航空航天大学 一种超声速状态下机载推进系统的建模方法
CN105868467A (zh) * 2016-03-28 2016-08-17 南京航空航天大学 一种动稳态航空发动机机载模型构建方法
CN108762089A (zh) * 2018-06-15 2018-11-06 大连理工大学 一种基于模型预测的航空发动机在线优化及多变量控制设计方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
QIANGANG ZHENG: "A Study on Aero-Engine Direct Thrust Control with Nonlinear Model Predictive Control Based on Deep Neural Network", 《INTERNATIONAL JOURNAL OF AERONAUTICAL AND SPACE SCIENCES》 *
李秋红等: "航空发动机推力估计新方法", 《控制理论与应用》 *
李秋红等: "航空发动机直接推力控制", 《南京航空航天大学学报》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111443606A (zh) * 2020-04-04 2020-07-24 西北工业大学 输入受限的航空发动机最大推力状态降保守性鲁棒控制器
CN111459028A (zh) * 2020-04-04 2020-07-28 西北工业大学 航空发动机最大推力状态降保守性二自由度μ控制器
CN111443606B (zh) * 2020-04-04 2022-06-07 西北工业大学 输入受限的航空发动机最大推力状态降保守性鲁棒控制器
CN111459028B (zh) * 2020-04-04 2022-06-07 西北工业大学 航空发动机最大推力状态降保守性二自由度μ控制器
CN111577468A (zh) * 2020-04-23 2020-08-25 浙江大学 基于非平衡态线性化的航空发动机加减速自适应控制方法
CN111577468B (zh) * 2020-04-23 2021-04-06 浙江大学 基于非平衡态线性化的航空发动机加减速自适应控制方法
CN113864067A (zh) * 2020-06-30 2021-12-31 中国航发商用航空发动机有限责任公司 一种滚动优化预测闭环控制器及系统
CN113864067B (zh) * 2020-06-30 2022-08-02 中国航发商用航空发动机有限责任公司 一种滚动优化预测闭环控制器及系统
CN113741170A (zh) * 2021-08-17 2021-12-03 南京航空航天大学 一种基于深度神经网络的航空发动机直接推力逆控制方法
CN116880198A (zh) * 2023-07-25 2023-10-13 杭州牧星科技有限公司 一种用于超声速无人机的动力装备自适应控制系统及其方法
CN116880198B (zh) * 2023-07-25 2024-03-12 杭州牧星科技有限公司 一种用于超声速无人机的动力装备自适应控制系统及其方法

Similar Documents

Publication Publication Date Title
CN110488609A (zh) 一种航空发动机直接推力逆控制方法及装置
US7853392B2 (en) Systems and methods for initializing dynamic model states using a Kalman filter
CN109162813B (zh) 一种基于迭代学习修正的航空发动机智能转速控制方法
CN106951634B (zh) 一种航空发动机鲁棒跟踪控制器设计方法
CN110219736B (zh) 基于非线性模型预测控制的航空发动机直接推力控制方法
CN110195660B (zh) 基于深度q学习的航空发动机控制装置
CN109611217B (zh) 一种航空发动机过渡态控制规律优化的设计方法
JP2002180851A (ja) ガスタービンエンジン作動を監視する方法及び装置
Linyuan et al. Designing method of acceleration and deceleration control schedule for variable cycle engine
CN105676640B (zh) 基于贝塞尔曲线的涡扇发动机加速过程控制律设计方法
CN108386276B (zh) 基于延寿控制的航空发动机加速控制实时优化方法、装置
Zheng et al. A study of aero-engine control method based on deep reinforcement learning
CN115217635B (zh) 一种涡扇发动机全包线自适应加速控制方法
Kim et al. Adaptation method for overall and local performances of gas turbine engine model
Főző et al. Description of an intelligent small turbo-compressor engine with variable exhaust nozzle
CN114237029B (zh) 基于主动切换逻辑的涡扇发动机加速过程控制方法及装置
Montazeri-Gh et al. Fuzzy logic computing for design of gas turbine engine fuel control system
Sielemann et al. Multi-point design of parallel hybrid aero engines
Kim Application of machine learning and its effectiveness in performance model adaptation for a turbofan engine
Yarlagadda Performance analysis of J85 turbojet engine matching thrust with reduced inlet pressure to the compressor
CN110222464A (zh) 基于燃油逆映射的航空发动机极限保护方法及装置
Carter et al. The Development of an NPSS Engine Cycle Model to Match Engine Cycle Data, Using a Multi-Design-Point Method
Zheng et al. A Research on Aero-engine Control Based on Deep Q Learning
Dang et al. Design of transient state control mode based on rotor acceleration
Li et al. Optimization of aero engine acceleration control in combat state based on genetic algorithms

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20191122

WW01 Invention patent application withdrawn after publication