CN111459028B - 航空发动机最大推力状态降保守性二自由度μ控制器 - Google Patents

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μ控制器，包括最大推力状态降保守性二自由度μ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μ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μ鲁棒控制，具有强的鲁棒性并且保守性低，最大限度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稳定工作，提高发动机最大推力状态的推力。

Description

航空发动机最大推力状态降保守性二自由度μ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μ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，而二自由度H∞控制器设计方法由于没有考虑摄动结构会使得设计保守性增强。我们引入自由度μ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μ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μ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μ控制器，其特征在于：包括最大推力状态降保守性二自由度μ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μ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μ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μ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μ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μ鲁棒控制器；所述最大推力状态降保守性二自由度μ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μ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h_base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μ综合方法分别设计得到最大推力状态降保守性二自由度μ鲁棒控制器；

所述最大推力状态降保守性二自由度μ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μ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μ鲁棒控制器，该最大推力状态降保守性二自由度μ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：

y＝g(x,u,h)

其中

为控制输入向量，

为状态向量，

为输出向量，

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(x_aug,NOBEM,y_NOBEM)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(x_aug,NOBEM,y_NOBEM)，根据公式

计算得到当前周期的发动机的退化参数h；其中

K为卡尔曼滤波的增益，满足

P为Ricati方程

的解；系数A_aug和C_aug根据公式

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

的系数：

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μ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h_base处的最大推力状态降保守性二自由度μ鲁棒控制器K、K_{h_base}，通过公式

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μ鲁棒控制器K_h。

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，本发明提出的航空发动机最大推力状态降保守性二自由度μ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μ鲁棒控制器，得到最大推力状态降保守性二自由度μ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μ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μ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μ鲁棒控制器的结构简图；

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标准M-Δ结构图；

图11是闭环系统的结构图；

图12μ-综合结构图。

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，而二自由度H∞控制器设计方法由于没有考虑摄动结构会使得设计保守性增强。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

y＝g(x,u,h)

其中

为控制输入向量，

为状态向量，

为输出向量，

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。

其中

A′＝A,B′＝(BL),C′＝C,

D′＝(DM),Δu′＝(ΔuΔh)^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[ww^T]＝Q

E(v)＝0 E[vv^T]＝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

其中系数矩阵可由下式得到：

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

将退化参数进一步转化为状态变量，可以得到

其中

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：

K为卡尔曼滤波的增益，满足

P为Ricati方程

的解；利用非线性机载模型输出的健康稳态参考值(x_aug,NOBEM,y_NOBEM)作为式

的初值，可得计算公式：

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

它也可以表示为

G(s)＝[I+Δ(s)]G_nom(s)

式中G(s)为发动机的不确定模型，G_nom(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Δ_h(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Δ_h(s)与退化参数，将发动机不确定模型表示为

它也可以表示为

G(s)＝[I+Δ_h(s)]G_{h_nom}(s)

式中Δ_h(s)为不含发动机性能退化的摄动块，G_{h_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)]G_nom(s)

＝[I+Δ_h(s)+h(s)]G_nom(s)

＝[I+Δ_h(s)]G_{h_nom}(s)

我们可以得到，

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Δ_h(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||Δ_h||＝||Δ||-||h||＜||Δ||，不确定性模型的摄动范围减小了

最后根据小摄动不确定模型利用μ综合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μ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(K_y)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(K_r)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，

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和前置滤波器Kr组成，以实现期望的闭环性能，并表示为

K＝[K_r K_y]

二自由度μ控制器设计与二自由度H∞控制器设计的区别在于后者是求解控制器K使得系统的范数达到最小，前者是求解控制器K使得系统的结构奇异值达到最小，如果不确定性系统的摄动是非结构化的，范数最小和结构奇异值最小是等价的，如果不确定性系统的摄动是结构化的，通过使系统范数最小由于没有考虑摄动的已知的对角结构这一条件，因此设计出来的控制器偏保守，无法充分发挥控制系统的鲁棒稳定性和鲁棒性能，而通过使系统的结构奇异值最小设计的控制器K克服了这一不足。

在航空发动机二自由度μ控制器设计问题中，所考虑的不确定性将包括非结构不确定性(如未建模动态)和参数变化。所有这些不确定部分仍然可以从动态中取出，整个系统可以重新排列在(上)线性分式变换F(M，Δ)的标准结构中，不确定性块和标称模型之间的关系可以概括为标准结构，如图10所示，以表示不确定性如何影响正在研究的控制系统的输入/输出关系。不确定块Δ将具有如下的一般形式：

其中

n是块Δ的维数。我们还假设Δ集是有界的。而且，我们可以由此定义一组范数化的结构不确定性

对于M∈C^n×n，相对于Δ的M的结构奇异值μ_Δ(M)是如此定义的数，使μ_Δ ^-1(M)等于使(I-MΔ)奇异的最小

即

如果没有Δ∈Δ使得det(I-MΔ)＝0，则μ_Δ(M)：＝0。

当M是如图10所示的互连传递矩阵时，关于Δ的结构奇异值定义为

相应地，不确定性集合可以被定义为

当不确定性结构固定时，为了简洁，我们可以省略μ_Δ(M)的下标Δ。

结构奇异值的倒数表示频率相关的稳定裕度。下面给出了关于结构不确定性的鲁棒稳定性结果。

令标称反馈系统(M(s))稳定，并令β＞0为不确定界，即

当且仅当

时，摄动系统相对于Δ是鲁棒稳定的。

很明显，如果不确定性存在于单位球BΔ中，那么鲁棒稳定性条件是μ_Δ(M(s))≤1。μ_Δ(M(s))取决于频率，并且在实际应用中在合理范围内以“每个”频率计算。

考虑图11所示的线性分式变换(LFT)中的控制问题。

由P表示的系统是开环连接并表示所有已知元素，包括标称系统模型和性能加权函数以及不确定性加权函数。块Δ是来自集合Δ的不确定元素，其将所有假定的模型不确定性参数化。控制器由K表示。对P的输入是三组信号：由不确定性引起的输入u_Δ，参考输入和干扰w以及控制u。产生三组输出：由不确定性，误差或受控输出z和测量值y而输出y_Δ。

LFT描述了要控制的一组系统

设计目标是确定一个控制器K，使标称系统稳定；对于所有Δ∈Δ，maxωσ[Δ(jω)]≤1，闭环系统是稳定的并满足

||F_U[F_L(P,K),Δ]||_∞＜1

对于给定的任意K，可以使用对线性分式变换F_L(P,K)的鲁棒性能测试来测试该性能标准。应该对扩展的不确定结构进行鲁棒性能测试

其中Δ_F是一个虚构的非结构化摄动块。具有控制器K的系统可以实现可靠的性能，当且仅当

μ-综合的目的是使所有稳定化控制器K的集合中闭环传递函数矩阵F_L(P,K)的结构奇异值

的峰值最小化。这写成

如图12所示。最后可以通过D-K迭代法进行μ-综合得到控制器K。

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μ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μ鲁棒控制器的调度计算原理。

分别在发动机最大推力状态下的正常状态和性能退化h_base状态下设计降保守性二自由度μ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μ鲁棒控制器组解算模块中的控制器K_h、K_{h_base}

根据公式

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μ鲁棒控制器K_h，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μ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μ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μ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μ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μ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μ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μ鲁棒控制器；所述最大推力状态降保守性二自由度μ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μ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h_base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μ综合方法分别设计得到最大推力状态降保守性二自由度μ鲁棒控制器。

所述最大推力状态降保守性二自由度μ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μ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μ鲁棒控制器，该最大推力状态降保守性二自由度μ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μ鲁棒控制器：

根据航空发动机正常状态h₁和设定退化程度h_base处的最大推力状态降保守性二自由度μ鲁棒控制器K、K_{h_base}，通过公式

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μ鲁棒控制器K_h。

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：

y＝g(x,u,h)

其中

为控制输入向量，

为状态向量，

为输出向量，

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(x_aug,NOBEM,y_NOBEM)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(x_aug,NOBEM,y_NOBEM)，根据公式

计算得到当前周期的发动机的退化参数h；其中

K为卡尔曼滤波的增益，满足

P为Ricati方程

的解；系数A_aug和C_aug根据公式

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

的系数：

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μ控制器，其特征在于：包括最大推力状态降保守性二自由度μ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μ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μ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μ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μ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μ鲁棒控制器；所述最大推力状态降保守性二自由度μ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μ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h_base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μ综合方法分别设计得到最大推力状态降保守性二自由度μ鲁棒控制器；

所述最大推力状态降保守性二自由度μ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μ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μ鲁棒控制器，该最大推力状态降保守性二自由度μ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：

y＝g(x,u,h)

其中

为控制输入向量，

为状态向量，

为输出向量，

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(x_aug,NOBEM,y_NOBEM)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(x_aug,NOBEM,y_NOBEM)，根据公式

计算得到当前周期的发动机的退化参数h；其中

T为卡尔曼滤波的增益，满足

P为Ricati方程

的解；系数A_aug和C_aug根据公式

C_aug＝(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

的系数：

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μ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h_base处的最大推力状态降保守性二自由度μ鲁棒控制器K、K_{h_base}，通过公式

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μ鲁棒控制器K_h。

2.根据权利要求1所述航空发动机最大推力状态降保守性二自由度μ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。

Images