CN111006843A - 一种暂冲式超声速风洞的连续变速压方法 - Google Patents

一种暂冲式超声速风洞的连续变速压方法 Download PDF

Info

Publication number
CN111006843A
CN111006843A CN201911229202.2A CN201911229202A CN111006843A CN 111006843 A CN111006843 A CN 111006843A CN 201911229202 A CN201911229202 A CN 201911229202A CN 111006843 A CN111006843 A CN 111006843A
Authority
CN
China
Prior art keywords
total pressure
pressure
regulating valve
front chamber
wind tunnel
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.)
Granted
Application number
CN201911229202.2A
Other languages
English (en)
Other versions
CN111006843B (zh
Inventor
赵煊
宋法振
祝令谱
吴军飞
刘国东
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.)
China Academy of Aerospace Aerodynamics CAAA
Original Assignee
China Academy of Aerospace Aerodynamics CAAA
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 China Academy of Aerospace Aerodynamics CAAA filed Critical China Academy of Aerospace Aerodynamics CAAA
Priority to CN201911229202.2A priority Critical patent/CN111006843B/zh
Publication of CN111006843A publication Critical patent/CN111006843A/zh
Application granted granted Critical
Publication of CN111006843B publication Critical patent/CN111006843B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
    • G01M9/06—Measuring arrangements specially adapted for aerodynamic testing
    • G01M9/065—Measuring arrangements specially adapted for aerodynamic testing dealing with flow

Landscapes

  • Physics & Mathematics (AREA)
  • Fluid Mechanics (AREA)
  • General Physics & Mathematics (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明一种暂冲式超声速风洞的连续变速压方法。该方法的原理是：连续变速压通过连续变总压实现，通过跟踪控制算法实现总压按给定曲线连续变化，从而使速压按照给定曲线变化。本发明的核心是将单神经元网络PID+前馈补偿控制策略作为跟踪控制算法，该方法鲁棒性好，跟踪能力强，能够实现良好的速压跟踪效果。本发明提出的连续变速压方法流程如下：根据试验马赫数和试验要求速压范围确定前室总压初始值及总压变化曲线及变化速率，同时确定相关控制参数；开启主调压阀开始调节前室总压；待前室总压达到初始设定值并稳定后，发送总压变化曲线和总压变化速率，开始连续变总压过程；待总压调节完成后，关闭主调压阀，收集数据，试验完成。

Description

一种暂冲式超声速风洞的连续变速压方法
技术领域
本发明属于风洞特种试验领域，涉及到风洞系统运行和压力闭环控制，具体是一种暂冲式超声速风洞的连续变速压方法。
背景技术
风洞是以人工的方式产生并且控制气流，用来模拟飞行器或实体周围气体的流动情况，并度量气流对实体的作用效果的实验设备，是进行空气动力实验最常用、最有效的工具之一。本发明针对一类超声速风洞开展研究。图1给出了一种超声速风洞的总体布局，其核心包括气源、主调压阀、前室、喷管、试验段、扩散段和引射器。
对于超声速风洞，流场马赫数由喷管喉道和试验段面积比确定，只要风洞前室总压高于一定值，流场即可建立，且马赫数不变。常规试验中，前室总压由主调压阀调节维持在恒定值。但对于一类机翼颤振特种试验，马赫数确定的情况下，不同速压导致的机翼抖动情况是试验关注的重点，故获取连续不同速压下的试验数据是试验要求。改变速压可以通过改变前室总压或试验段静压实现。其中，改变静压需要驻室抽吸系统，实现困难，故本发明采用改变总压的方式改变速压。
目前，鲜有文献专利针对风洞的连续变速压/总压技术开展研究。马赫数固定的情况下，总压和速压存在如下线性关系：p0＝0.7Ma2·pv，其中p0代表前室总压，Ma代表马赫数，pv代表速压。可见速压的精确线性控制实际上转换为了前室总压的精确线性控制。而当前传统PID控制对于未知干扰的鲁棒性不足，同时对于时变控制目标的跟踪能力也难言优秀。基于此，本发明开展基于单神经元PID+前馈补偿控制策略的连续变速压方法研究，使连续变速压性能指标达到飞机机翼颤振试验的要求。
发明内容
本发明解决的技术问题是：克服现有技术的不足，提出了一种暂冲式超声速风洞的连续变速压方法，该方法通过连续改变前室总压实现连续变速压，可实现速压的高精度线性跟踪。
本发明的技术解决方案为：一种暂冲式超声速风洞的连续变速压方法，包括下列步骤：
步骤1：根据风洞试验给定马赫数Ma确定给定前室总压初始值p0ini，并预置主调压阀开度a0＝f0(Ma)，其中f0(·)是由历史吹风数据拟合得到的以Ma为自变量的函数。
步骤2：根据试验速压要求变化范围和变化轨迹，确定总压曲线p0g(k)和总压变化速率vp，并确定算法参数。其中，k代表不同控制周期，即控制目标不是恒定值，且满足给定总压曲线初始值p0g(0)等于步骤1所得的所述给定前室总压初始值p0ini；算法参数包括神经元比例系数为K，积分、比例、微分的学习速率系数ηI、ηP和ηD。
步骤3：开启主调压阀。
步骤4：根据步骤1所得的所述的前室总压初始值p0ini和气压传感器实时测量的前室总压p0(k)，利用单神经元网络PID+前馈补偿控制律计算主调压阀控制输出电压u(k)，此时执行机构驱动调压阀运动，进行前室总压闭环调节。
步骤5：待步骤4所得的所述p0(k)稳定在步骤1所得的所述p0ini之后，向下位机发送步骤2所得的所述总压曲线p0g(k)作为新的前室总压控制目标，并同样利用单神经元网络PID+前馈补偿控制律对前室总压进行闭环调节。在此过程中实时采集风洞试验数据。
步骤6：待步骤4所得的所述p0(k)依照步骤2所得的所述总压曲线p0g(k)调节完成后，关闭主调压阀，试验完成。
步骤4和步骤5所述的单神经元网络PID+前馈补偿控制律是连续变速压的核心。单神经元网络PID具有自学习和自适应能力，结构简单，有较强的鲁棒性；而前馈补偿在理想状态下可以实现输出完全复现输入，具有较强的跟踪性能，特别适用于连续变总压过程中的总压跟踪。单神经元网络PID+前馈补偿控制律的算法流程具体为以下10个顺序执行步骤：
a、将主调压阀建模为如下传递函数模型：
Figure BDA0002303070360000031
式中，s是拉普拉斯算子，Y(s)、U(s)分别是输出信号和输入信号的拉普拉斯变换；a,b,c为主调压阀的模型参数，分别代表加速度系数、速度系数和质量系数。首先基于历史吹风数据，通过模型辨识获取主调压阀模型参数a,b和c。
b、设定控制周期为T，神经元比例系数为K，积分、比例、微分的学习速率系数分别为ηI、ηP和ηD。其中K的选择尤为重要，K越大，系统快速性越好，稳态误差越小，但K过大会导致系统超调量大，甚至会导致震荡发散。
c、根据步骤2所得的所述给定总压曲线p0g(k)和步骤4所得的所述实测前室总压p0(k)，计算总压误差e(k)，其中
e(k)＝p0g(k)-p0(k)
d、计算误差函数xi(k),i＝1,2,3，其中
x1(k)＝e(k)
x2(k)＝e(k)-e(k-1)
x3(k)＝e(k)-2e(k-1)+e(k-2)
e(k-j)代表当前控制周期之前的第j个控制周期的总压误差。
e、计算加权系数wi(k),i＝1,2,3，其中
w1(k)＝w1(k-1)+ηIe(k)u1(k-1)x1(k)
w2(k)＝w2(k-1)+ηPe(k)u1(k-1)x2(k)
w3(k)＝w3(k-1)+ηDe(k)u1(k-1)x3(k)
式中，wi(k-1)上一控制周期的加权系数，u1(k-1)为上一控制周期单神经元网络PID控制输出。
f、计算总加权系数
Figure BDA0002303070360000041
Figure BDA0002303070360000042
g、计算单神经元网络PID控制输出u1(k)：
Figure BDA0002303070360000043
h、计算前馈补偿控制输出u2(k)：
Figure BDA0002303070360000044
式中，
Figure BDA0002303070360000045
代表p0g(k)对时间的二阶导数，
Figure BDA0002303070360000046
代表p0g(k)对时间的一阶导数。
i、计算主调压阀控制输出电压u(k)：
u(k)＝u1(k)+u2(k)
j、返回c，继续循环，进行闭环控制。
本发明与现有技术相比的优点在于：
(1)本发明通过改变总压进而改变速压，相比于通过改变静压进而改变速压，该方法实现方式简单，无需其它辅助机构；
(2)本发明提出的单神经元网络PID具有自学习和自适应能力，结构简单，可应对外界慢变的未知干扰，有较强的鲁棒性
(3)本发明提出的前馈补偿可对连续变化的给定总压曲线进行预先判断，控制的跟踪性较强。
附图说明
图1为暂冲式超声速风洞的总体布局结构示意图；
图2暂冲式超声速风洞的连续变速压方法流程图；
图3为单神经元网络PID+前馈补偿控制律的原理框图；
图4为单神经元网络PID+前馈补偿控制律的算法流程图；
图5为实施例结果图。
具体实施方式
本发明一种暂冲式超声速风洞的连续变速压方法，系统流程图如图2所示。具体包括下列步骤：
步骤1：根据风洞试验给定马赫数Ma确定给定前室总压初始值p0ini，并预置主调压阀开度a0＝f0(Ma)，其中f0(·)是由历史吹风数据拟合得到的以Ma为自变量的函数。
步骤2：根据试验速压要求变化范围和变化轨迹，确定总压曲线p0g(k)和总压变化速率vp，并确定算法参数。其中，k代表不同控制周期，即控制目标不是恒定值，且满足给定总压曲线初始值p0g(0)等于步骤1所得的所述给定前室总压初始值p0ini；算法参数包括神经元比例系数为K，积分、比例、微分的学习速率系数ηI、ηP和ηD。
步骤3：开启主调压阀。
步骤4：根据步骤1所得的所述的前室总压初始值p0ini和气压传感器实时测量的前室总压p0(k)，利用单神经元网络PID+前馈补偿控制律计算主调压阀控制输出电压u(k)，此时执行机构驱动调压阀运动，进行前室总压闭环调节；
步骤5：待步骤4所得的所述p0(k)稳定在步骤1所得的所述p0ini之后，向下位机发送步骤2所得的所述总压曲线p0g(k)作为新的前室总压控制目标，并同样利用步骤4所得的所述单神经元网络PID+前馈补偿控制律对前室总压进行闭环调节。在此过程中实时采集风洞试验数据。
步骤6：待步骤4所得的所述p0(k)依照步骤2所得的所述总压曲线p0g(k)调节完成后，关闭主调压阀，试验完成。
步骤4和步骤5所述的单神经元网络PID+前馈补偿控制律是连续变速压的核心。图3展示了单神经元网络PID+前馈补偿控制律的原理框图。单神经元网络PID具有自学习和自适应能力，结构简单，有较强的鲁棒性；而前馈补偿在理想状态下可以实现输出完全复现输入，具有较强的跟踪性能，特别适用于连续变总压过程中的总压跟踪。图4展示了单神经元网络PID+前馈补偿控制律的算法流程图，具体整理为以下10个顺序执行步骤：
a、将主调压阀建模为如下传递函数模型：
Figure BDA0002303070360000061
式中，s是拉普拉斯算子，Y(s)、U(s)分别是输出信号和输入信号的拉普拉斯变换；a,b,c为主调压阀的模型参数，分别代表加速度系数、速度系数和质量系数。首先基于历史吹风数据，通过模型辨识获取主调压阀模型参数a,b和c。
b、设定控制周期为T，神经元比例系数为K，积分、比例、微分的学习速率系数分别为ηI、ηP和ηD。
c、根据步骤2所得的所述给定总压曲线p0g(k)和步骤4所得的所述实测前室总压p0(k)，计算总压误差e(k)，其中
e(k)＝p0g(k)-p0(k)
d、计算误差函数xi(k),i＝1,2,3，其中
x1(k)＝e(k)
x2(k)＝e(k)-e(k-1)
x3(k)＝e(k)-2e(k-1)+e(k-2)
e(k-j)代表当前控制周期之前的第j个控制周期的总压误差。
e、计算加权系数wi(k),i＝1,2,3，其中
w1(k)＝w1(k-1)+ηIe(k)u1(k-1)x1(k)
w2(k)＝w2(k-1)+ηPe(k)u1(k-1)x2(k)
w3(k)＝w3(k-1)+ηDe(k)u1(k-1)x3(k)
式中，wi(k-1)上一控制周期的加权系数，u1(k-1)为上一控制周期单神经元网络PID控制输出。
f、计算总加权系数
Figure BDA0002303070360000062
Figure BDA0002303070360000063
g、计算单神经元网络PID控制输出u1(k)：
Figure BDA0002303070360000064
h、计算前馈补偿控制输出u2(k)：
Figure BDA0002303070360000071
式中，
Figure BDA0002303070360000072
代表p0g(k)对时间的二阶导数，
Figure BDA0002303070360000073
代表p0g(k)对时间的一阶导数。
i、计算主调压阀控制输出电压u(k)：
u(k)＝u1(k)+u2(k)
j、返回c，继续循环，进行闭环控制。
按照上述步骤，通过以下实施例验证本发明的有效性，相关参数配置如下：试验马赫数Ma＝2，前室总压初始值p0ini＝0.2MPa，总压变化速率vp＝0.03MPa/s，总压上升至0.25MPa停止。控制周期T＝0.02s，神经元比例系数为K＝2.8，积分、比例、微分的学习速率系数分别为ηI＝0.15、ηP＝0.1和ηD＝0.08，模型参数a＝1，b＝0.1，c＝0.011。实施例结果展示在图5之中。可以看到，总压稳定在0.2MPa之后，在第8.2s开始连续变总压过程，其中，最大跟踪相对误差
Figure BDA0002303070360000074
在连续变总压过程之中，总压变化相对误差始终小于国军标0.3％，满足飞机机翼颤振试验要求，证明本发明可以对总压变化过程进行跟踪，进而对速压进行跟踪，跟踪效果良好。
需要说明的是，上述实施过程中的算法相关参数可依据实际情况酌情修改，并非是本发明的实施方式限定。对于本专利所属领域的从业人员来说，在上述说明的基础之上可以酌情修改相关算法参数。

Claims (4)

1.一种暂冲式超声速风洞的连续变速压方法，其特征在于包含以下步骤：
步骤1：根据风洞试验给定马赫数Ma确定给定前室总压初始值p0ini，并预置主调压阀开度a0＝f0(Ma)，其中f0(·)是由历史吹风数据拟合得到的以Ma为自变量的函数；
步骤2：根据试验速压要求变化范围和变化轨迹，确定总压曲线p0g(k)和总压变化速率vp，并确定算法参数；其中，k代表不同控制周期，即控制目标不是恒定值，且满足给定总压曲线初始值p0g(0)等于步骤1所得的所述给定前室总压初始值p0ini；
步骤3：开启主调压阀；
步骤4：根据步骤1所得的所述的前室总压初始值p0ini和气压传感器实时测量的前室总压p0(k)，利用单神经元网络PID+前馈补偿控制律计算主调压阀控制输出电压u(k)，此时执行机构驱动调压阀运动，进行前室总压闭环调节；
步骤5：待所述p0(k)稳定在步骤1所得的所述p0ini之后，向下位机发送步骤2所得的所述总压曲线p0g(k)作为新的前室总压控制目标，并按步骤4同样利用单神经元网络PID+前馈补偿控制律对前室总压进行闭环调节；同时在此过程中实时采集风洞试验数据；
步骤6：待步骤4所得的所述p0(k)依照步骤2所得的所述总压曲线p0g(k)调节完成后，关闭主调压阀，试验完成。
2.根据权利要求1所述的一种暂冲式超声速风洞的连续变速压方法，其特征在于：所述连续变速压通过连续变总压实现。
3.根据权利要求1所述的一种暂冲式超声速风洞的连续变速压方法，其特征在于：所述算法参数包括神经元比例系数为K，积分、比例、微分的学习速率系数ηI、ηP和ηD。
4.根据权利要求3所述的一种暂冲式超声速风洞的连续变速压方法，其特征在于：所述利用单神经元网络PID+前馈补偿控制律进行闭环调节包含以下步骤：
a、将主调压阀建模为如下传递函数模型：
Figure FDA0002303070350000021
式中，s是拉普拉斯算子，Y(s)、U(s)分别是输出信号和输入信号的拉普拉斯变换；a,b,c为主调压阀的模型参数，分别代表加速度系数、速度系数和质量系数；首先基于历史吹风数据，通过模型辨识获取主调压阀模型参数a,b和c；
b、设定控制周期为T，神经元比例系数为K，积分、比例、微分的学习速率系数分别为ηI、ηP和ηD；
c、根据步骤2所得的所述给定总压曲线p0g(k)和步骤4所得的所述实测前室总压p0(k)，计算总压误差e(k)＝p0g(k)-p0(k)；
d、计算误差函数xi(k),i＝1,2,3，其中
x1(k)＝e(k)
x2(k)＝e(k)-e(k-1)
x3(k)＝e(k)-2e(k-1)+e(k-2)
e(k-j)代表当前控制周期之前的第j个控制周期的总压误差；
e、计算加权系数wi(k),i＝1,2,3，其中
w1(k)＝w1(k-1)+ηIe(k)u1(k-1)x1(k)
w2(k)＝w2(k-1)+ηPe(k)u1(k-1)x2(k)
w3(k)＝w3(k-1)+ηDe(k)u1(k-1)x3(k)
式中，wi(k-1)上一控制周期的加权系数，u1(k-1)为上一控制周期单神经元网络PID控制输出；
f、计算总加权系数
Figure FDA0002303070350000022
Figure FDA0002303070350000023
g、计算单神经元网络PID控制输出u1(k)：
Figure FDA0002303070350000031
h、计算前馈补偿控制输出u2(k)：
Figure FDA0002303070350000032
式中，
Figure FDA0002303070350000033
代表p0g(k)对时间的二阶导数，代表p0g(k)对时间的一阶导数；
i、计算得到主调压阀控制输出电压u(k)：
u(k)＝u1(k)+u2(k)
j、返回c，继续循环，进行闭环控制。
CN201911229202.2A 2019-12-04 2019-12-04 一种暂冲式超声速风洞的连续变速压方法 Active CN111006843B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911229202.2A CN111006843B (zh) 2019-12-04 2019-12-04 一种暂冲式超声速风洞的连续变速压方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911229202.2A CN111006843B (zh) 2019-12-04 2019-12-04 一种暂冲式超声速风洞的连续变速压方法

Publications (2)

Publication Number Publication Date
CN111006843A true CN111006843A (zh) 2020-04-14
CN111006843B CN111006843B (zh) 2021-09-07

Family

ID=70115601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911229202.2A Active CN111006843B (zh) 2019-12-04 2019-12-04 一种暂冲式超声速风洞的连续变速压方法

Country Status (1)

Country Link
CN (1) CN111006843B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112763178A (zh) * 2020-12-25 2021-05-07 中国空气动力研究与发展中心超高速空气动力研究所 可自动提前中止的高超声速风洞调节阀开度预置方法
CN113267314A (zh) * 2021-04-25 2021-08-17 中国航天空气动力技术研究院 一种暂冲式风洞的超声速流场总压控制系统
CN113532786A (zh) * 2021-06-10 2021-10-22 中国航天空气动力技术研究院 一种用于暂冲式风洞的第二喉道控制系统及方法
CN114593889A (zh) * 2022-05-10 2022-06-07 中国空气动力研究与发展中心高速空气动力研究所 一种获取大范围超声速射流均匀区静压匹配精度的方法
CN115236977A (zh) * 2022-09-23 2022-10-25 中国航空工业集团公司沈阳空气动力研究所 一种风洞连续变速压流场控制方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003014576A (ja) * 2001-06-28 2003-01-15 Mitsubishi Heavy Ind Ltd 超音速可変ノズルシステム
CN103123504A (zh) * 2012-12-18 2013-05-29 中国空气动力研究与发展中心高速空气动力研究所 一种适用于暂冲式跨声速风洞的变速压流场控制方法
CN103135624A (zh) * 2012-12-19 2013-06-05 中国空气动力研究与发展中心高速空气动力研究所 一种带引射功能的暂冲式超声速风洞控制方法
CN104932565A (zh) * 2015-06-04 2015-09-23 中国空气动力研究与发展中心高速空气动力研究所 一种高精度暂冲型引射式跨声速风洞流场控制结构
CN106527519A (zh) * 2016-12-07 2017-03-22 中国空气动力研究与发展中心高速空气动力研究所 一种大型直流暂冲式超声速风洞变速压流场控制方法
CN106813890A (zh) * 2016-12-19 2017-06-09 中国航天空气动力技术研究院 一种用于风洞跨声速试验前室超压的预判方法
CN106979852A (zh) * 2017-03-24 2017-07-25 中国空气动力研究与发展中心高速空气动力研究所 一种适用于全尺寸内埋武器舱高速风洞试验的流场控制方法
CN107272412A (zh) * 2017-07-13 2017-10-20 中国航天空气动力技术研究院 一种暂冲式风洞流场控制的辩识方法
CN108388281A (zh) * 2018-05-30 2018-08-10 中国空气动力研究与发展中心高速空气动力研究所 引射驱动的闭环回流的暂冲式超声速风洞流场控制方法
CN208026450U (zh) * 2018-04-03 2018-10-30 中国航空工业集团公司西安飞机设计研究所 气动发电机吹风实验装置
CN109520699A (zh) * 2018-12-20 2019-03-26 中国航天空气动力技术研究院 一种激波风洞喷流响应速度和总压测试系统及测试方法
CN110161841A (zh) * 2019-06-05 2019-08-23 中国空气动力研究与发展中心高速空气动力研究所 一种适用于暂冲式跨声速风洞的前馈-模糊pid控制方法
CN110207936A (zh) * 2019-05-30 2019-09-06 中国航天空气动力技术研究院 一种亚跨超风洞的亚跨声速引射开车方法
US10533923B2 (en) * 2016-11-18 2020-01-14 Brian Jeffrey Birch Wind tunnel with an effective variable nozzle for testing various aerospace specific sensors and probes

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003014576A (ja) * 2001-06-28 2003-01-15 Mitsubishi Heavy Ind Ltd 超音速可変ノズルシステム
CN103123504A (zh) * 2012-12-18 2013-05-29 中国空气动力研究与发展中心高速空气动力研究所 一种适用于暂冲式跨声速风洞的变速压流场控制方法
CN103135624A (zh) * 2012-12-19 2013-06-05 中国空气动力研究与发展中心高速空气动力研究所 一种带引射功能的暂冲式超声速风洞控制方法
CN104932565A (zh) * 2015-06-04 2015-09-23 中国空气动力研究与发展中心高速空气动力研究所 一种高精度暂冲型引射式跨声速风洞流场控制结构
US10533923B2 (en) * 2016-11-18 2020-01-14 Brian Jeffrey Birch Wind tunnel with an effective variable nozzle for testing various aerospace specific sensors and probes
CN106527519A (zh) * 2016-12-07 2017-03-22 中国空气动力研究与发展中心高速空气动力研究所 一种大型直流暂冲式超声速风洞变速压流场控制方法
CN106813890A (zh) * 2016-12-19 2017-06-09 中国航天空气动力技术研究院 一种用于风洞跨声速试验前室超压的预判方法
CN106979852A (zh) * 2017-03-24 2017-07-25 中国空气动力研究与发展中心高速空气动力研究所 一种适用于全尺寸内埋武器舱高速风洞试验的流场控制方法
CN107272412A (zh) * 2017-07-13 2017-10-20 中国航天空气动力技术研究院 一种暂冲式风洞流场控制的辩识方法
CN208026450U (zh) * 2018-04-03 2018-10-30 中国航空工业集团公司西安飞机设计研究所 气动发电机吹风实验装置
CN108388281A (zh) * 2018-05-30 2018-08-10 中国空气动力研究与发展中心高速空气动力研究所 引射驱动的闭环回流的暂冲式超声速风洞流场控制方法
CN109520699A (zh) * 2018-12-20 2019-03-26 中国航天空气动力技术研究院 一种激波风洞喷流响应速度和总压测试系统及测试方法
CN110207936A (zh) * 2019-05-30 2019-09-06 中国航天空气动力技术研究院 一种亚跨超风洞的亚跨声速引射开车方法
CN110161841A (zh) * 2019-06-05 2019-08-23 中国空气动力研究与发展中心高速空气动力研究所 一种适用于暂冲式跨声速风洞的前馈-模糊pid控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
季辰等: ""高超声速风洞连续变动压舵面颤振试验"", 《实验流体力学》 *
尼文斌等: ""自适应遗传PID算法在风洞风速控制中的应用"", 《实验流体力学》 *
郭洪涛等: ""高速风洞连续变速压颤振试验技术研究"", 《实验流体力学》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112763178A (zh) * 2020-12-25 2021-05-07 中国空气动力研究与发展中心超高速空气动力研究所 可自动提前中止的高超声速风洞调节阀开度预置方法
CN113267314A (zh) * 2021-04-25 2021-08-17 中国航天空气动力技术研究院 一种暂冲式风洞的超声速流场总压控制系统
CN113532786A (zh) * 2021-06-10 2021-10-22 中国航天空气动力技术研究院 一种用于暂冲式风洞的第二喉道控制系统及方法
CN113532786B (zh) * 2021-06-10 2024-05-03 中国航天空气动力技术研究院 一种用于暂冲式风洞的第二喉道控制系统及方法
CN114593889A (zh) * 2022-05-10 2022-06-07 中国空气动力研究与发展中心高速空气动力研究所 一种获取大范围超声速射流均匀区静压匹配精度的方法
CN114593889B (zh) * 2022-05-10 2022-08-09 中国空气动力研究与发展中心高速空气动力研究所 一种获取大范围超声速射流均匀区静压匹配精度的方法
CN115236977A (zh) * 2022-09-23 2022-10-25 中国航空工业集团公司沈阳空气动力研究所 一种风洞连续变速压流场控制方法

Also Published As

Publication number Publication date
CN111006843B (zh) 2021-09-07

Similar Documents

Publication Publication Date Title
CN111006843B (zh) 一种暂冲式超声速风洞的连续变速压方法
Wang et al. Fixed-time disturbance observer based fixed-time back-stepping control for an air-breathing hypersonic vehicle
WO2019237320A1 (zh) 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
CN108803336B (zh) 一种航空发动机自适应lqg/ltr控制器设计方法
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
Liu et al. Barrier Lyapunov function based reinforcement learning control for air-breathing hypersonic vehicle with variable geometry inlet
CN111413872B (zh) 基于扩张状态观测器的空气容腔压力快速主动抗扰方法
CN114967474B (zh) 一种基于神经网络的通用风洞流场控制方法
CN114675535B (zh) 一种基于强化学习的航空发动机过渡态寻优控制方法
CN110161841A (zh) 一种适用于暂冲式跨声速风洞的前馈-模糊pid控制方法
CN110647052B (zh) 一种变循环发动机模式切换自适应身份证模型构建方法
CN112286047B (zh) 基于神经网络的narma-l2多变量控制方法
CN110207936B (zh) 一种亚跨超风洞的亚跨声速引射开车方法
WO2021097696A1 (zh) 一种航空发动机在最优加速跟踪控制中的自适应动态规划方法
CN110687800A (zh) 一种数据驱动自适应抗干扰控制器结构及其估计方法
CN113267314A (zh) 一种暂冲式风洞的超声速流场总压控制系统
CN111679576B (zh) 一种基于改进确定性策略梯度算法的变循环发动机控制器设计方法
CN111413865B (zh) 一种扰动补偿的单回路过热汽温自抗扰控制方法
CN115494892B (zh) 高空模拟试车台进气环境模拟系统解耦控制方法
CN111666648A (zh) 一种航空发动机动态特性模拟方法
CN110985216B (zh) 一种含在线修正的航空发动机智能多变量控制方法
CN113189871B (zh) 一种面向火电机组灵活性运行的协调控制策略
CN114035429B (zh) 一种基于干扰观测器的涡扇发动机切换系统的输出跟踪控制方法
Dodd et al. Using neural networks to optimise gas turbine aero engines
CN103235511B (zh) 一种基于内分泌算法的托卡马克装置等离子体密度智能化控制方法

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
GR01 Patent grant
GR01 Patent grant