CN111273554B - 航空发动机最大推力状态降保守性二自由度h∞控制器 - Google Patents

航空发动机最大推力状态降保守性二自由度h∞控制器 Download PDF

Info

Publication number
CN111273554B
CN111273554B CN202010261734.0A CN202010261734A CN111273554B CN 111273554 B CN111273554 B CN 111273554B CN 202010261734 A CN202010261734 A CN 202010261734A CN 111273554 B CN111273554 B CN 111273554B
Authority
CN
China
Prior art keywords
engine
maximum thrust
degree
freedom
conservative
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.)
Active
Application number
CN202010261734.0A
Other languages
English (en)
Other versions
CN111273554A (zh
Inventor
缑林峰
刘志丹
孙楚佳
赵东柱
孙瑞谦
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202010261734.0A priority Critical patent/CN111273554B/zh
Publication of CN111273554A publication Critical patent/CN111273554A/zh
Application granted granted Critical
Publication of CN111273554B publication Critical patent/CN111273554B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive 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
    • G05B13/042Adaptive 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
    • G05B13/045Adaptive 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 using a perturbation signal
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive 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
    • G05B13/048Adaptive 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 using a predictor
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

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

本发明提出一种航空发动机最大推力状态降保守性二自由度H∞控制器,包括最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块和退化参数估计回路。本发明设计的最大推力状态降保守性二自由度H∞鲁棒控制器采用小摄动不确定性发动机模型,消除发动机不确定性中的退化项,降低不确定模型的摄动范围,降低鲁棒增益调度控制器的保守性。退化参数估计回路实现了退化参数的可靠估计,利用退化参数实现发动机性能退化时的增益调度控制。本发明具有强的鲁棒性并且保守性低,最大限度的提高发动机在最大推力状态的性能,使发动机在最大推力状态不仅稳定工作,并且提高发动机最大推力状态的推力,提高战斗机的机动性能。

Description

航空发动机最大推力状态降保守性二自由度H∞控制器
技术领域
本发明涉及航空发动机控制技术领域,尤其涉及一种航空发动机最大推力状态降保守性二自由度H∞控制器。
背景技术
航空发动机是一个复杂的非线性动力学系统,其控制系统容易受到工作条件,发动机性能下降,环境条件变化的影响,并且很难事先知道外部干扰和测量噪声的影响。由于飞机发动机的工作过程非常复杂,难以建立准确的数学模型,所以数学模型与实际系统之间总是存在差异。因此,有必要设计一种鲁棒控制器,用于在外部干扰信号,噪声干扰,未建模的动态特性和参数变化的情况下稳定航空发动机控制系统,并具有良好的性能。
战斗机由于需要实现高机动性,发动机的最大推力状态的性能至关重要。传统的鲁棒控制器虽然可以对发动机在最大推力状态实现稳定控制,然而,它们是非常保守的,因为它们将发动机退化看作发动机模型的不确定性进行鲁棒控制器的设计。事实上,发动机的性能退化程度可以通过测量参数来估计,从而消除不确定性模型中的退化项,缩小不确定性模型的范围,降低鲁棒控制器的保守性,提高发动机在最大推力状态的性能,从而使得飞机具有更好的机动性,在战斗中具有更加明显的优势。
另外,传统单自由度控制器无法同时兼顾航空发动机控制系统的鲁棒稳定性和鲁棒性能。我们引入自由度H∞控制器设计方法对航空发动机进行鲁棒控制器设计。在传统H∞控制器的基础上加入前置滤波器和反馈控制器,通过调整反馈控制器使扰动抑制的能力达到最佳,在此基础上调整前置滤波器使系统的指令跟踪能力达到最佳。
发明内容
为解决现有技术存在的问题,本发明提出一种航空发动机最大推力状态降保守性二自由度H∞控制器,同时兼顾航空发动机控制系统的鲁棒稳定性和鲁棒性能,且保守性低,最大限度的提高发动机在最大推力状态的性能,使发动机在最大推力状态不仅稳定工作,并且提高发动机最大推力状态的推力,提高战斗机的机动性能。
本发明的技术方案为:
所述一种航空发动机最大推力状态降保守性二自由度H∞控制器,其特征在于:包括最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块和退化参数估计回路;
其中最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块、退化参数估计回路与航空发动机本体以及航空发动机上的若干传感器组成退化参数调度控制回路;
所述最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块产生控制输入向量u并输出给航空发动机本体,传感器得到航空发动机测量参数y;控制输入向量u以及测量参数y共同输入到退化参数估计回路,退化参数估计回路解算得到航空发动机的退化参数h,并输出到最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块;
所述最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块内设计有两个最大推力状态降保守性二自由度H∞鲁棒控制器;所述最大推力状态降保守性二自由度H∞鲁棒控制器包含前置滤波器和反馈控制器;两个最大推力状态降保守性二自由度H∞鲁棒控制器采用以下过程得到:
分别在发动机正常状态h1和设定退化程度hbase处,在航空发动机最大推力状态下对包含退化参数的发动机非线性模型进行线性化得到2个线性化模型,对线性化模型加入不含发动机性能退化的摄动块得到小摄动不确定性发动机模型,对两个小摄动不确定性发动机模型利用H∞回路成形方法分别设计得到最大推力状态降保守性二自由度H∞鲁棒控制器;
所述最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块根据输入的退化参数h,利用内部设计的两个最大推力状态降保守性二自由度H∞鲁棒控制器计算得到适应的最大推力状态降保守性二自由度H∞鲁棒控制器,该最大推力状态降保守性二自由度H∞鲁棒控制器根据参考输入r和测量参数y的差值e产生控制输入向量u。
进一步的,所述退化参数估计回路中包括非线性机载发动机模型和最大推力状态处卡尔曼滤波器;
所述非线性机载发动机模型为带退化参数的发动机非线性模型:
Figure BDA0002439599470000039
y=g(x,u,h)
其中
Figure BDA00024395994700000310
为控制输入向量,
Figure BDA00024395994700000311
为状态向量,
Figure BDA00024395994700000312
为输出向量,
Figure BDA00024395994700000313
为退化参数向量,f(·)为表示系统动态的n维可微非线性向量函数,g(·)为产生系统输出的m维可微非线性向量函数;非线性机载发动机模型输入为控制输入向量u以及上一周期的退化参数h,其输出的健康稳态参考值(xaug,NOBEM,yNOBEM)作为最大推力状态处卡尔曼滤波器当前周期的估计初始值;
所述最大推力状态处卡尔曼滤波器的输入为测量参数y以及非线性机载发动机模型输出的健康稳态参考值(xaug,NOBEM,yNOBEM),根据公式
Figure BDA0002439599470000031
计算得到当前周期的发动机的退化参数h;其中
Figure BDA0002439599470000032
K为卡尔曼滤波的增益,满足
Figure BDA0002439599470000033
P为Ricati方程
Figure BDA0002439599470000034
的解;系数Aaug和Caug根据公式
Figure BDA0002439599470000035
确定,而A、C、L、M是将退化参数h看作发动机的控制输入,并对非线性机载发动机模型在健康稳态参考点处进行线性化得到的反映发动机性能退化的增广线性状态变量模型
Figure BDA0002439599470000036
的系数:
Figure BDA0002439599470000037
Figure BDA0002439599470000038
w为系统噪声,v为测量噪声,相应的协方差矩阵为对角阵Q和R。
进一步的,所述最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块根据航空发动机正常状态h1和设定退化程度hbase处的最大推力状态降保守性二自由度H∞鲁棒控制器K、Kh_base,通过公式
Figure BDA0002439599470000041
计算得到航空发动机当前退化状态适应的最大推力状态降保守性二自由度H∞鲁棒控制器Kh
进一步的,所述测量参数包括进气道出口、风扇出口、压气机出口、高压涡轮后、低压涡轮后的温度和压力,风扇转速和压气机转速。
有益效果
与现有技术相比较,本发明的航空发动机最大推力状态降保守性二自由度H∞控制器利用传统鲁棒控制器的设计方法,通过新增退化参数估计回路,并对增益调度控制器组进行了改进,新增了发动机一定退化程度下的最大推力状态降保守性二自由度H∞鲁棒控制器,得到最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块。设计的最大推力状态降保守性二自由度H∞鲁棒控制器采用小摄动不确定性发动机模型,消除了发动机不确定性中的退化项,降低了不确定模型的摄动范围,降低了鲁棒增益调度控制器的保守性。退化参数估计回路实现了退化参数的可靠估计,利用退化参数实现发动机性能退化时的增益调度控制。本发明实现发动机最大推力状态的降保守性二自由度H∞鲁棒控制,具有强的鲁棒性并且保守性低,最大限度的提高发动机在最大推力状态的性能,使发动机在最大推力状态不仅稳定工作,并且提高发动机最大推力状态的推力,提高战斗机的机动性能。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明航空发动机最大推力状态降保守性二自由度H∞控制器的结构简图;
图2是本实施例退化参数调度控制回路中化参数估计回路的结构示意图;
图3是本实施例退化参数估计回路中卡尔曼滤波器的结构示意图;
图4是发动机模型摄动结构图;
图5是退化项分离的发动机模型摄动结构图;
图6是退化后新的发动机模型摄动结构图;
图7是不确定模型结构示意图;
图8是二自由度控制器的闭环系统结构图;
图9是二自由度控制器的闭环系统标准结构图;
图10是带有干扰和噪声的闭环结构图;
图11是指定L的期望奇异值示意图。
具体实施方式
战斗机由于需要实现高机动性,发动机的最大推力状态的性能至关重要。传统的鲁棒控制器虽然可以对发动机在最大推力状态实现稳定控制,然而,它们是非常保守的,因为它们将发动机退化看作发动机模型的不确定性进行鲁棒控制器的设计,这严重降低了发动机的性能;另外,传统单自由度控制器无法同时兼顾航空发动机控制系统的鲁棒稳定性和鲁棒性能。针对这一问题,下面给出本发明的分析研究过程。
1、发动机性能退化的估计
发动机性能退化是指发动机经过多次循环运行后,由于自然磨损、疲劳、积垢等原因造成的正常老化现象。此时,有些发动机的性能会慢慢偏离额定状态。以涡轮部件为例,当它与发动机一起工作多个周期时,其工作效率会缓慢下降。将高温高压气体转化为机械能的能力将会降低,发动机在一个工作点处的线性化模型也会改变。
发动机性能退化的最终特征是不同转子部件的工作效率和流量的变化,风扇、压气机、主燃烧、高压涡轮和低压涡轮部件的效率系数或流量系数的变化可以表征发动机性能的退化,风扇、压气机、主燃烧室、高压涡轮和低压涡轮部件的效率系数或流量系数被称为退化参数或健康参数。
基于部件法,建立带退化参数的发动机非线性模型
Figure BDA0002439599470000051
y=g(x,u,h)
其中
Figure BDA0002439599470000061
为控制输入向量,
Figure BDA0002439599470000062
为状态向量,
Figure BDA0002439599470000063
为输出向量,
Figure BDA0002439599470000064
为退化参数向量,f(·)为表示系统动态的n维可微非线性向量函数,g(·)为产生系统输出的m维可微非线性向量函数。
将退化参数h看作发动机的控制输入,采用小扰动法或拟合法对发动机非线性模型在健康稳态参考点处进行线性化。
Figure BDA0002439599470000065
其中
A′=A,B′=(B L),C′=C,
D′=(D M),Δu′=(Δu Δh)T
w为系统噪声,v为测量噪声,h为退化参数,Δh=h-h0;上述w与v皆为不相关的高斯白噪声,其均值均为0,协方差矩阵为对角阵Q和R,即满足条件如下:
E(w)=0 E[wwT]=Q
E(v)=0 E[vvT]=R
Δ表示该参数的变化量,h0表示发动机初始状态退化参数。
进一步得到了反映发动机性能退化的增广线性状态变量模型
Figure BDA0002439599470000066
其中系数矩阵可由下式得到:
Figure BDA0002439599470000067
Figure BDA0002439599470000068
这些系数在发动机不同的工作状态具有不同的值。
实际上,退化参数很难测量,甚至不可能测量,而发动机各部分的压力、温度、转速等参数比较容易通过测量得到,通常称为“测量参数”,主要包括进气道出口、风扇出口、压气机出口、高压涡轮后、低压涡轮后的温度和压力,风扇转速和压气机转速。当发动机工作环境不发生变化时,退化参数的变化会引起被测参数的相应变化,二者之间存在气动热力学关系。因此,可以设计最优估计滤波器,通过测量参数来实现退化参数的最优估计。
由于发动机的性能退化过程相对较慢,可以做出以下合理假设,即Δh的变化率
Figure BDA0002439599470000078
,将退化参数进一步转化为状态变量,可以得到
Figure BDA0002439599470000071
其中
Figure BDA0002439599470000072
Figure BDA0002439599470000073
建立的退化参数估计回路主要由两部分组成,一部分是基于性能退化的非线性机载发动机模型,另一部分是由最大推力状态处模型和稳态点对应的卡尔曼滤波器组成的最大推力状态处卡尔曼滤波器。基本工作原理是将非线性机载发动机模型的输出作为最大推力状态处卡尔曼滤波器的稳态参考值,并扩展退化参数,通过最大推力状态处卡尔曼滤波器进行在线实时估计,最后反馈给非线性机载发动机模型进行在线实时更新。实现对实际发动机的实时跟踪,建立发动机的机载自适应模型。
卡尔曼估计方程为:
Figure BDA0002439599470000074
K为卡尔曼滤波的增益,满足
Figure BDA0002439599470000079
P为Ricati方程
Figure BDA0002439599470000075
的解;利用非线性机载模型输出的健康稳态参考值(xaug,NOBEM,yNOBEM)作为式
Figure BDA0002439599470000076
的初值,可得计算公式:
Figure BDA0002439599470000077
根据该计算公式可以得到发动机的退化参数h。
2.具有退化参数的不确定模型的鲁棒控制器设计
任何实际系统都不可避免地存在不确定性,它可以分为两类:扰动信号和模型不确定性。扰动信号包括干扰、噪声等。模型的不确定性代表了数学模型与实际对象之间的差异。
模型不确定性可能有几个原因:线性模型中总有一些参数是有误差的;线性模型中的参数可能由于非线性或工作条件的变化而变化;建模时人为的简化;由于磨损等因素发动机性能的退化。
不确定性可能会对控制系统的稳定性和性能产生不利影响。
实际的发动机和标称模型(标称模型是一个常规的不带退化参数的发动机非线性模型)之间的误差可以表示为一个摄动块Δ。请参阅图4,在标称模型加入摄动块建立发动机不确定模型
Figure BDA0002439599470000081
Figure BDA0002439599470000082
它也可以表示为
G(s)=[I+Δ(s)]Gnom(s)
式中G(s)为发动机的不确定模型,Gnom(s)为标称模型,Δ(s)为摄动块。
摄动块Δ(s)包含性能退化,请参阅图5,可以通过测量参数进行预测。将摄动块Δ(s)分为不含发动机性能退化的摄动块Δh(s)和退化参数。请参阅图6,在标称模型加入不含发动机性能退化的摄动块Δh(s)与退化参数,将发动机不确定模型表示为
Figure BDA0002439599470000083
Figure BDA0002439599470000084
它也可以表示为
G(s)=[I+Δh(s)]Gh_nom(s)
式中Δh(s)为不含发动机性能退化的摄动块,Gh_nom(s)为在发动机性能退化状态h下的新的标称模型,满足
G(s)=[I+Δ(s)]Gnom(s)
=[I+Δh(s)+h(s)]Gnom(s)
=[I+Δh(s)]Gh_nom(s)
我们可以得到,
Figure BDA0002439599470000091
请参阅图7,上、下小圆区域分别代表无退化和性能退化h的发动机线性不确定模型,大圆区域代表一般鲁棒控制器设计中发动机线性不确定模型。在一般鲁棒控制器的设计中,直接将发动机的退化看作是模型中的不确定性,不改变发动机的标称模型。因此,不确定项的不确定半径必须足够大,以容纳退化发动机的不确定模型,使不确定模型的摄动半径过大。本专利针对发动机性能退化h的情况,在此状态下建立了新的标称模型,并以新的标称模型为圆心建立了不确定发动机模型。针对某一退化状态下的新的标称模型,在选择不含发动机性能退化的摄动块Δh(s)时,要选择能够覆盖发动机除退化外所有不确定性的最小摄动半径摄动块。请参阅图7,通过对发动机性能退化的估计,发动机不确定性中摄动块的摄动半径||Δh||=||Δ||-||h||<||Δ||,不确定性模型的摄动范围减小了
Figure BDA0002439599470000092
最后根据小摄动不确定模型利用H∞回路成形方法设计鲁棒控制器,这里设计的鲁棒控制器保守性更低。
3.二自由度H∞控制器设计
具有二自由度控制器的闭环系统的框图如图8所示。该系统有一个参考输入(r),输出干扰(d)和两个输出误差(z1)和(z2)。系统M0是闭环系统应该匹配的理想模型。在这种结构中,除了内部稳定性要求之外,两个信号e和u将被最小化。信号e显示系统输出和参考模型输出之间的差异。u是控制信号,也与摄动中的鲁棒稳定性有关。在图8中,包含两个加权函数以反映这两个惩罚信号之间的特征。
所谓二自由度控制,就是对使目标值跟踪特性为最优的参数和使外扰抑制特性为最优的参数分别独立进行整定,使用反馈控制器(Ky)来实现内部稳定性、鲁棒稳定性和干扰抑制等,并且在前馈路径上设计另一个控制器(Kr)以满足跟踪需求,最小化整个系统的输出与参考模型M的输出之间的差异,使两特性同时达到最优。
图8的结构可以通过定义w=r,
Figure BDA0002439599470000101
来重新排列为图9的标准结构。控制器K由用于干扰衰减的反馈控制器Ky和预滤波器Kr组成,以实现期望的闭环性能,并表示为
K=[Kr Ky]
多变量传递函数的
Figure BDA0002439599470000102
回路整形设计的思想是通过设置前置或后置补偿器对开环对象进行扩展,以使开环频率响应的奇异值有期望的形状。如图10中所示的结构,系统G和控制器K的互连是由参考命令r、输入干扰di、输出干扰do和测量噪声n驱动的,y为要控制的输出,u为控制信号。
对于输入灵敏度函数Si=(I+KG)-1、输出灵敏度函数So=(I+GK)-1和输出互补灵敏度函数To=GK(I+GK)-1,有如下关系:
Figure BDA0002439599470000103
这些关系决定了几个闭环目标:
1.对于输入干扰的衰减,使
Figure BDA0002439599470000104
很小。
2.对于输出干扰衰,使
Figure BDA0002439599470000105
很小。
3.用于噪声抑制,使
Figure BDA0002439599470000106
很小。
4.为好的参考跟踪,使
Figure BDA0002439599470000107
在经典的环路整形中,所整形的是开环传递函数L=GK幅值的大小,如图11所示。
采用
Figure BDA0002439599470000108
回路整形设计方法设计的控制器阶数高,限制了控制器的实时性,难以实现。利用绝对误差逼近法对设计的鲁棒控制器进行适当的降阶,得到降阶控制器Kr(s),即使下式最小
||K(s)-Kr(s)||
4、控制器的插值
这部分说明了图1中的最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块通过退化参数调度线性插值获得相应的最大推力状态降保守性二自由度H∞鲁棒控制器的调度计算原理。
分别在发动机最大推力状态的正常状态和性能退化hbase状态下设计降保守性二自由度H∞鲁棒控制器。这将产生图1中的最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块中的控制器
Kh、Kh_base
根据公式
Figure BDA0002439599470000111
计算得到航空发动机当前退化状态适应的最大推力状态降保守性二自由度H∞鲁棒控制器Kh,并对发动机进行有效控制。
基于上述过程,下面给出本实施例中提出的一种航空发动机最大推力状态降保守性二自由度H∞控制器,如图1所示,主要包括最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块和退化参数估计回路。
其中最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块、退化参数估计回路与航空发动机本体以及航空发动机上的若干传感器组成退化参数调度控制回路10。
所述最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块产生控制输入向量u并输出给航空发动机本体,传感器得到航空发动机测量参数y;控制输入向量u以及测量参数y共同输入到退化参数估计回路,退化参数估计回路解算得到航空发动机的退化参数h,并输出到最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块。
所述最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块内设计有两个最大推力状态降保守性二自由度H∞鲁棒控制器;所述最大推力状态降保守性二自由度H∞鲁棒控制器包含前置滤波器和反馈控制器;两个最大推力状态降保守性二自由度H∞鲁棒控制器采用以下过程得到:
分别在发动机正常状态h1和设定退化程度hbase处,在航空发动机最大推力状态下对包含退化参数的发动机非线性模型进行线性化得到2个线性化模型,对线性化模型加入不含发动机性能退化的摄动块得到小摄动不确定性发动机模型,对两个小摄动不确定性发动机模型利用H∞回路成形方法分别设计得到最大推力状态降保守性二自由度H∞鲁棒控制器。
所述最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块根据输入的退化参数h,利用内部设计的两个最大推力状态降保守性二自由度H∞鲁棒控制器计算得到适应的最大推力状态降保守性二自由度H∞鲁棒控制器,该最大推力状态降保守性二自由度H∞鲁棒控制器根据参考输入r和测量参数y的差值e产生控制输入向量u。
优选的一种具体实现方式,可以根据输入的退化参数h插值得到的适应的最大推力状态降保守性二自由度H∞鲁棒控制器:
根据航空发动机正常状态h1和设定退化程度hbase处的最大推力状态降保守性二自由度H∞鲁棒控制器K、Kh_base,通过公式
Figure BDA0002439599470000121
计算得到航空发动机当前退化状态适应的最大推力状态降保守性二自由度H∞鲁棒控制器Kh
所述退化参数估计回路中包括非线性机载发动机模型和最大推力状态处卡尔曼滤波器。
所述非线性机载发动机模型为带退化参数的发动机非线性模型:
Figure BDA0002439599470000122
y=g(x,u,h)
其中
Figure BDA0002439599470000123
为控制输入向量,
Figure BDA0002439599470000124
为状态向量,
Figure BDA0002439599470000125
为输出向量,
Figure BDA0002439599470000126
为退化参数向量,f(·)为表示系统动态的n维可微非线性向量函数,g(·)为产生系统输出的m维可微非线性向量函数;非线性机载发动机模型输入为控制输入向量u以及上一周期的退化参数h,其输出的健康稳态参考值(xaug,NOBEM,yNOBEM)作为最大推力状态处卡尔曼滤波器当前周期的估计初始值。
所述最大推力状态处卡尔曼滤波器的输入为测量参数y以及非线性机载发动机模型输出的健康稳态参考值(xaug,NOBEM,yNOBEM),根据公式
Figure BDA0002439599470000131
计算得到当前周期的发动机的退化参数h;其中
Figure BDA0002439599470000132
K为卡尔曼滤波的增益,满足
Figure BDA0002439599470000133
P为Ricati方程
Figure BDA0002439599470000134
的解;系数Aaug和Caug根据公式
Figure BDA0002439599470000135
确定,而A、C、L、M是将退化参数h看作发动机的控制输入,并对非线性机载发动机模型在健康稳态参考点处进行线性化得到的反映发动机性能退化的增广线性状态变量模型
Figure BDA0002439599470000136
的系数:
Figure BDA0002439599470000137
Figure BDA0002439599470000138
w为系统噪声,v为测量噪声,相应的协方差矩阵为对角阵Q和R。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (2)

1.一种航空发动机最大推力状态降保守性二自由度H∞控制器,其特征在于:包括最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块和退化参数估计回路;
其中最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块、退化参数估计回路与航空发动机本体以及航空发动机上的若干传感器组成退化参数调度控制回路;
所述最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块产生控制输入向量u并输出给航空发动机本体,传感器得到航空发动机测量参数y;控制输入向量u以及测量参数y共同输入到退化参数估计回路,退化参数估计回路解算得到航空发动机的退化参数h,并输出到最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块;
所述最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块内设计有两个最大推力状态降保守性二自由度H∞鲁棒控制器;所述最大推力状态降保守性二自由度H∞鲁棒控制器包含前置滤波器和反馈控制器;两个最大推力状态降保守性二自由度H∞鲁棒控制器采用以下过程得到:
分别在发动机正常状态h1和设定退化程度hbase处,在航空发动机最大推力状态下对包含退化参数的发动机非线性模型进行线性化得到2个线性化模型,对线性化模型加入不含发动机性能退化的摄动块得到小摄动不确定性发动机模型,对两个小摄动不确定性发动机模型利用H∞回路成形方法分别设计得到最大推力状态降保守性二自由度H∞鲁棒控制器;
所述最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块根据输入的退化参数h,利用内部设计的两个最大推力状态降保守性二自由度H∞鲁棒控制器计算得到适应的最大推力状态降保守性二自由度H∞鲁棒控制器,该最大推力状态降保守性二自由度H∞鲁棒控制器根据参考输入r和测量参数y的差值e产生控制输入向量u;
所述退化参数估计回路中包括非线性机载发动机模型和最大推力状态处卡尔曼滤波器;
所述非线性机载发动机模型为带退化参数的发动机非线性模型:
Figure FDA0003602342530000011
y=g(x,u,h)
其中
Figure FDA0003602342530000021
为控制输入向量,
Figure FDA0003602342530000022
为状态向量,
Figure FDA0003602342530000023
为输出向量,
Figure FDA0003602342530000024
为退化参数向量,f(·)为表示系统动态的n维可微非线性向量函数,g(·)为产生系统输出的m维可微非线性向量函数;非线性机载发动机模型输入为控制输入向量u以及上一周期的退化参数h,其输出的健康稳态参考值(xaug,NOBEM,yNOBEM)作为最大推力状态处卡尔曼滤波器当前周期的估计初始值;
所述最大推力状态处卡尔曼滤波器的输入为测量参数y以及非线性机载发动机模型输出的健康稳态参考值(xaug,NOBEM,yNOBEM),根据公式
Figure FDA0003602342530000025
计算得到当前周期的发动机的退化参数h;其中
Figure FDA0003602342530000026
T为卡尔曼滤波的增益,满足
Figure FDA0003602342530000027
P为Ricati方程
Figure FDA0003602342530000028
的解;系数Aaug和Caug根据公式
Figure FDA0003602342530000029
Caug=(C M)
确定,而A、C、L、M是将退化参数h看作发动机的控制输入,并对非线性机载发动机模型在健康稳态参考点处进行线性化得到的反映发动机性能退化的增广线性状态变量模型
Figure FDA00036023425300000210
的系数:
Figure FDA00036023425300000211
Figure FDA00036023425300000212
w为系统噪声,v为测量噪声,相应的协方差矩阵为对角阵Q和R;
所述最大推力状态降保守性二自由度H∞鲁棒控制器组解算模块根据航空发动机正常状态h1和设定退化程度hbase处的最大推力状态降保守性二自由度H∞鲁棒控制器K、Kh_base,通过公式
Figure FDA0003602342530000031
计算得到航空发动机当前退化状态适应的最大推力状态降保守性二自由度H∞鲁棒控制器Kh
2.根据权利要求1所述一种航空发动机最大推力状态降保守性二自由度H∞控制器,其特征在于:所述测量参数包括进气道出口、风扇出口、压气机出口、高压涡轮后、低压涡轮后的温度和压力,风扇转速和压气机转速。
CN202010261734.0A 2020-04-04 2020-04-04 航空发动机最大推力状态降保守性二自由度h∞控制器 Active CN111273554B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010261734.0A CN111273554B (zh) 2020-04-04 2020-04-04 航空发动机最大推力状态降保守性二自由度h∞控制器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010261734.0A CN111273554B (zh) 2020-04-04 2020-04-04 航空发动机最大推力状态降保守性二自由度h∞控制器

Publications (2)

Publication Number Publication Date
CN111273554A CN111273554A (zh) 2020-06-12
CN111273554B true CN111273554B (zh) 2022-06-07

Family

ID=71002728

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010261734.0A Active CN111273554B (zh) 2020-04-04 2020-04-04 航空发动机最大推力状态降保守性二自由度h∞控制器

Country Status (1)

Country Link
CN (1) CN111273554B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111856919A (zh) * 2020-06-15 2020-10-30 西北工业大学 航空发动机气路部件故障增益调度容错控制器
CN112327611B (zh) * 2020-06-15 2022-06-10 西北工业大学 变循环发动机增益调度二自由度h∞控制器
CN112346336A (zh) * 2020-06-15 2021-02-09 西北工业大学 航空发动机气路部件故障鲁棒增益调度容错控制器
CN111852663A (zh) * 2020-06-15 2020-10-30 西北工业大学 变循环发动机降保守性鲁棒增益调度控制器
CN111830827B (zh) * 2020-06-15 2022-06-10 西北工业大学 航空发动机容错增益调度二自由度μ控制器
CN111880403A (zh) * 2020-06-15 2020-11-03 西北工业大学 航空发动机最大推力状态容错二自由度μ控制器
CN111856927B (zh) * 2020-06-15 2022-06-10 西北工业大学 变循环发动机增益调度二自由度μ控制器
CN112360634A (zh) * 2020-06-15 2021-02-12 西北工业大学 航空发动机最大推力状态鲁棒容错控制器
CN111852662A (zh) * 2020-06-15 2020-10-30 西北工业大学 航空发动机最大推力状态容错二自由度h∞控制器
CN111859555A (zh) * 2020-06-15 2020-10-30 西北工业大学 输入受限的航空发动机最大推力状态鲁棒容错控制器
CN111856928B (zh) * 2020-06-15 2022-06-10 西北工业大学 变循环发动机鲁棒增益调度控制器
CN111856929B (zh) * 2020-06-15 2022-06-10 西北工业大学 航空发动机容错增益调度二自由度h∞控制器

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106647253A (zh) * 2016-09-28 2017-05-10 南京航空航天大学 航空发动机分布式控制系统多性能鲁棒跟踪控制方法
CN106951634A (zh) * 2017-03-20 2017-07-14 南京航空航天大学 一种航空发动机鲁棒跟踪控制器设计方法
CN110850740A (zh) * 2019-11-21 2020-02-28 大连理工大学 基于改进型Smith预估器的航空发动机H∞控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106647253A (zh) * 2016-09-28 2017-05-10 南京航空航天大学 航空发动机分布式控制系统多性能鲁棒跟踪控制方法
CN106951634A (zh) * 2017-03-20 2017-07-14 南京航空航天大学 一种航空发动机鲁棒跟踪控制器设计方法
CN110850740A (zh) * 2019-11-21 2020-02-28 大连理工大学 基于改进型Smith预估器的航空发动机H∞控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Zhang Min 等.Missile fixed-structure mu controller design based on constrained PSO algorithm.《Automatika》.2018,第58卷(第3期),第114-121页. *
王海泉 等.航空发动机二自由度鲁棒控制LMI方法研究.《航空动力学报》.2009,第24卷(第6期),第1413-1419页. *

Also Published As

Publication number Publication date
CN111273554A (zh) 2020-06-12

Similar Documents

Publication Publication Date Title
CN111273554B (zh) 航空发动机最大推力状态降保守性二自由度h∞控制器
CN111271181B (zh) 航空发动机降保守性增益调度二自由度μ控制器
US8682454B2 (en) Method and system for controlling a multivariable system with limits
CN111880403A (zh) 航空发动机最大推力状态容错二自由度μ控制器
CN111859555A (zh) 输入受限的航空发动机最大推力状态鲁棒容错控制器
US5472312A (en) Water level regulating system
CN111305954B (zh) 输入受限的航空发动机降保守性鲁棒增益调度控制器
CN111608808A (zh) 输入受限航空发动机增益调度容错控制器
CN111158386B (zh) 一种干扰自主免疫的无人机姿态控制系统及实现方法
CN111456857B (zh) 航空发动机降保守性增益调度二自由度h∞控制器
CN111856919A (zh) 航空发动机气路部件故障增益调度容错控制器
CN111456856B (zh) 航空发动机最大推力状态降保守性鲁棒控制器
CN111459028B (zh) 航空发动机最大推力状态降保守性二自由度μ控制器
CN111852663A (zh) 变循环发动机降保守性鲁棒增益调度控制器
CN113093532B (zh) 一种非自衡系统的全格式无模型自适应控制方法
CN111856927B (zh) 变循环发动机增益调度二自由度μ控制器
CN111856929B (zh) 航空发动机容错增益调度二自由度h∞控制器
CN111852662A (zh) 航空发动机最大推力状态容错二自由度h∞控制器
CN111443607B (zh) 基于健康退化的航空发动机降保守性鲁棒增益调度控制器
CN111830827B (zh) 航空发动机容错增益调度二自由度μ控制器
CN111443606B (zh) 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
CN112327611B (zh) 变循环发动机增益调度二自由度h∞控制器
CN112346336A (zh) 航空发动机气路部件故障鲁棒增益调度容错控制器
Fu et al. Design of adrc for unmanned surface vehicle heading based on immune particle swarm optimization
CN111443595A (zh) 基于健康退化的航空发动机增益调度控制器

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