CN111731490B - 变旋翼转速直升机综合控制方法、装置 - Google Patents
变旋翼转速直升机综合控制方法、装置 Download PDFInfo
- Publication number
- CN111731490B CN111731490B CN202010624159.6A CN202010624159A CN111731490B CN 111731490 B CN111731490 B CN 111731490B CN 202010624159 A CN202010624159 A CN 202010624159A CN 111731490 B CN111731490 B CN 111731490B
- Authority
- CN
- China
- Prior art keywords
- rotor
- helicopter
- torque
- speed
- rotating speed
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000003321 amplification Effects 0.000 claims abstract description 11
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 11
- 238000013528 artificial neural network Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 230000004913 activation Effects 0.000 claims description 5
- 238000012886 linear function Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims 2
- 230000008569 process Effects 0.000 abstract description 8
- 230000005540 biological transmission Effects 0.000 description 8
- 239000000446 fuel Substances 0.000 description 6
- 230000009467 reduction Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000004132 cross linking Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D31/00—Power plant control systems; Arrangement of power plant control systems in aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Control Of Turbines (AREA)
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，包括以下步骤：超前预测直升机旋翼需求扭矩；根据直升机旋翼需求扭矩预测结果获得发动机期望输出扭矩，并与涡轴发动机真实输出扭矩作差，经比例环节的增益放大后生成前馈补偿项；根据动力涡轮相对转速与动力涡轮参考指令之间的误差和阈值之间的关系判断是否用所述前馈补偿项对涡轴发动机内环燃气涡轮转速的控制指令进行修正：如所述误差的绝对值大于等于阈值，则进行修正，否则，不进行修正。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。本发明可减小动力涡轮转速的超调与下垂量，抑制变旋翼转速过程中旋翼需求功率的干扰，实现直升机/涡轴发动机高品质综合控制。
Description
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
变旋翼转速技术使下一代高速直升机突破了飞行速度的极限，最高时速可达463公里/小时，是美国现役“黑鹰”直升机速度的2倍，“阿帕奇”直升机速度的1.5倍。可以预见的是，变旋翼转速技术将成为军事强国持续发展的关键飞行器技术[KalininDV.Multithreaded Continuously Variable Transmission Synthesis for Next-Generation Helicopters[C]]。
现有的研究表明：存在两种动力方案来实现变旋翼转速技术，一是通过多级变速箱与常规的定转速涡轴发动机匹配实现变转速，二是通过可变动力涡轮转速涡轴发动机，结合常规定传动比变速机构来实现变转速。无论采取何种变速方式，均需要解决涡轴发动机复杂的功率输出与直升机气动特性之间的耦合问题[Amri H,Feil R,Hajek M,etal.Possibilities and difficulties for rotorcraft using variable transmissiondrive trains[J]]，开展变旋翼转速直升机/涡轴发动机综合控制方法研究。传统的飞行和发动机控制系统设计方法不考虑飞机、发动机与控制系统间的耦合，单独进行飞机或发动机控制，通常会充分考虑子系统的稳定性而保留相对较大的安全裕度，在一定程度上会牺牲整个系统的性能，难以适应变旋翼转速直升机发展的需求[变转速直升机/传动系统/发动机综合建模与控制研究[D]]。
目前，涡轴发动机广泛采用基于总距前馈的串级PID控制结构，以旋翼总距作为直升机与发动机的综合交联参数，进行直升机/涡轴发动机综合控制[Argentim L M,RezendeW C,Santos P E,et al.PID,LQR and LQR-PID on a quadcopter platform[C]]。然而在变旋翼转速过程中，旋翼转速大范围变化，仅用总距表征旋翼需求功率已不再适用，因此，亟需结合直升机与发动机的可测参数，优化选取交联参数，形成新的直升机/发动机综合信息交联方案以满足变旋翼转速高品质控制的要求。
HPW3000发动机控制[Smith B.J,Zagranski R.D.Next Generation ControlSystem for Helicopter Engines[C]]通过神经网络预测旋翼扭矩的瞬态变化，并用作发动机前馈补偿环节，同时具备导叶超前的高速慢车作战控制模式，进一步提升系统的慢车-大功率状态加速响应能力。卢辰昊等人[卢辰昊,李秋红,姜洁,等.基于预测扭矩前馈的涡轴发动机内模控制方法[J]]基于内模原理设计了涡轴发动机动力涡轮转速控制器。针对主旋翼扭矩变化对动力涡轮转速的干扰，提出了一种基于极端学习机的扭矩预测方法，实现了对发动机负载变化干扰的有效补偿。孙立国[孙立国.基于直升机/发动机综合仿真的发动机性能优化及控制[D]]提出了一种基于迭代约简最小二乘支持向量回归机算法和模型预测机制的直升机扭矩动态超前预测模型设计方法，根据扭矩超前预测信息设计了涡轴发动机的按扭矩补偿控制器，有利于抑制直升机机动过程中大的扭矩扰动对涡轴发动机造成的不利影响。上述研究基本围绕定旋翼转速展开，而未涉及变旋翼情形；此外，旋翼转速大范围变化时，主旋翼需求扭矩在一定程度上并不能准确反映直升机的需求功率，因而无法适用于变旋翼转速直升机/涡轴发动机综合控制。
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，可在确保直升机/发动机稳定运行的前提下，减小动力涡轮转速的超调与下垂量，有效抑制变旋翼转速过程中旋翼需求功率的干扰，实现直升机/涡轴发动机高品质综合控制。
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，包括以下步骤：超前预测直升机旋翼需求扭矩；根据直升机旋翼需求扭矩预测结果获得发动机期望输出扭矩，并与涡轴发动机真实输出扭矩作差，经比例环节的增益放大后生成前馈补偿项；根据动力涡轮相对转速与动力涡轮参考指令之间的误差和阈值之间的关系判断是否用所述前馈补偿项对涡轴发动机内环燃气涡轮转速的控制指令进行修正：如所述误差的绝对值大于等于阈值，则进行修正，否则，不进行修正。
优选地，所述前馈补偿项Δ按照下式生成：
其中，K为所述比例环节的增益放大倍数，Tqr为直升机旋翼需求扭矩预测结果，ΩMR、Ωpt分别为旋翼转速、动力涡轮真实物理转速，Tqe为涡轴发动机真实输出扭矩。
优选地，使用基于深度神经网络的旋翼需求扭矩预测模型超前预测直升机旋翼需求扭矩；所述基于深度神经网络的旋翼需求扭矩预测模型是以历史与当前时刻的旋翼总距、飞行高度、前飞速度以及历史时刻的旋翼转速为输入，以旋翼需求扭矩为输出，通过采用深度神经网络算法离线训练得到。
进一步优选地，所述基于深度神经网络的旋翼需求扭矩预测模型隐含层与输出层激活函数分别为线性整流函数和线性函数。
优选地，所述阈值为0.2。
根据相同的发明构思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，包括：
旋翼需求扭矩预测模型，用于超前预测直升机旋翼需求扭矩；
扭矩差前馈模块，用于根据直升机旋翼需求扭矩预测结果获得发动机期望输出扭矩，并与涡轴发动机真实输出扭矩作差，经比例环节的增益放大后生成前馈补偿项；
自适应前馈结构，用于根据动力涡轮相对转速与动力涡轮参考指令之间的误差和阈值之间的关系判断是否用所述前馈补偿项对涡轴发动机内环燃气涡轮转速的控制指令进行修正：如所述误差的绝对值大于等于阈值，则进行修正，否则，不进行修正。
优选地，所述前馈补偿项Δ按照下式生成：
其中，K为所述比例环节的增益放大倍数，Tqr为直升机旋翼需求扭矩预测结果，ΩMR、Ωpt分别为旋翼转速、动力涡轮真实物理转速，Tqe为涡轴发动机真实输出扭矩。
优选地，所述旋翼需求扭矩预测模型为基于深度神经网络的旋翼需求扭矩预测模型，其是以历史与当前时刻的旋翼总距、飞行高度、前飞速度以及历史时刻的旋翼转速为输入，以旋翼需求扭矩为输出，通过采用深度神经网络算法离线训练得到。
进一步优选地，所述基于深度神经网络的旋翼需求扭矩预测模型隐含层与输出层激活函数分别为线性整流函数和线性函数。
优选地，所述阈值为0.2。
相比现有技术，本发明技术方案具有以下有益效果：
本发明结合变旋翼转速涡轴发动机输出轴端的转子动力学特性，基于发动机预测输出扭矩与真实输出扭矩误差对涡轴发动机内环燃气涡轮转速的控制指令进行前馈补偿修正，在确保直升机/发动机稳定运行的前提下，减小了动力涡轮转速的超调与下垂量，有效抑制了变旋翼转速过程中旋翼需求功率的干扰，实现了直升机/涡轴发动机高品质综合控制。
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一种具体结构框图；
图2是旋翼需求扭矩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是涡轴发动机动力涡轮相对转速变化曲线对比图；
图5是旋翼转速变化曲线对比图；
图6是涡轴发动机燃油流量变化曲线对比图；
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是旋翼需求扭矩变化曲线对比图；
图10是旋翼总距变化曲线对比图。
具体实施方式
针对现有技术不足，本发明的解决思路是结合变旋翼转速涡轴发动机输出轴端的转子动力学特性，基于发动机预测输出扭矩与真实输出扭矩误差对涡轴发动机内环燃气涡轮转速的控制指令进行前馈补偿修正。
具体而言，本发明所提出的变旋翼转速直升机/涡轴发动机综合控制方法，包括以下步骤：超前预测直升机旋翼需求扭矩；根据直升机旋翼需求扭矩预测结果获得发动机期望输出扭矩，并与涡轴发动机真实输出扭矩作差，经比例环节的增益放大后生成前馈补偿项；根据动力涡轮相对转速与动力涡轮参考指令之间的误差和阈值之间的关系判断是否用所述前馈补偿项对涡轴发动机内环燃气涡轮转速的控制指令进行修正：如所述误差的绝对值大于等于阈值，则进行修正，否则，不进行修正。
为了便于公众理解，下面通过一个具体实施例并结合附图来对本发明的技术方案进行进一步详细说明：
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主要由旋翼需求扭矩预测模型、扭矩差前馈模块以及自适应前馈结构3个部分组成。其中，旋翼需求扭矩预测模型用于超前预测直升机旋翼需求扭矩，可采用现有的各种直升机旋翼需求扭矩超前预测方案，通过离线或在线方式建立；扭矩差前馈模块用于根据直升机旋翼需求扭矩预测结果获得发动机期望输出扭矩，并与涡轴发动机真实输出扭矩作差，经比例环节的增益放大后生成前馈补偿项；自适应前馈结构用于根据动力涡轮相对转速与动力涡轮参考指令之间的误差和阈值之间的关系判断是否用所述前馈补偿项对涡轴发动机内环燃气涡轮转速的控制指令进行修正：如所述误差的绝对值大于等于阈值，则进行修正，否则，不进行修正。如图1所示，在单个步长内，旋翼需求扭矩预测模型根据输入量在线预测旋翼需求扭矩，并结合动力涡轮真实物理转速、旋翼转速、发动机输出扭矩以及比例环节生成扭矩差前馈补偿项，根据自适应前馈结构自动选择是否接入扭矩差前馈与修正内环燃气涡轮相对转速的指令。在改善涡轴发动机转速动态响应的同时，兼顾稳态控制精度，进而实现变旋翼转速直升机/涡轴发动机综合控制。图1所示结构存在两种不同的方式实现变旋翼转速目标，一是传动指令设为定传动比，改变动力涡轮相对转速的指令Npr来变旋翼转速，二是设置变传动指令以调整传动机构的减速比，此时动力涡轮相对转速的指令Npr保持100％不变。图中，H、νc、ΩMR、Tqr分别为飞行高度、前飞速度、旋翼转速与旋翼需求扭矩；Wfb,、Ng、Np、Ωpt、Tqe分别代表燃油流量、燃气涡轮相对转速、动力涡轮相对转速、动力涡轮真实物理转速以及发动机真实输出扭矩。
下面对其中的各主要部分进行进一步详细说明：
1)旋翼需求扭矩预测模型
主旋翼作为直升机最重要的部件，叶尖处的瞬态扭矩不仅蕴含操纵量信息及机体的动态信息，表征直升机的功率需求，而且作为涡轴发动机的外部激励，扭矩的瞬态变化会影响发动机的动态响应。然而，直升机基本采用柔性或半刚半柔性桨叶，造成桨轴处扭矩的测量值相对于操纵量变化存在明显的滞后，无法直接应用，因此有必要对旋翼需求扭矩进行超前预测。预测旋翼需求扭矩时需尽可能地保留原直升机旋翼系统的动态特性。本发明优选采用深度神经网络进行离线训练以提高旋翼需求扭矩预测模型的精度。
设旋翼扭矩预测模型为2阶系统，表达式如下，k表示采样时刻。
其中，输出量为当前时刻旋翼的Tqr，输入量为当前与历史时刻的H、νc、θ0以及历史时刻的ΩMR。因此，整个旋翼预测模型包含11个输入与1个输出。此外，在采用深度神经网络离线训练时，设置2个隐含层，隐含层节点数分别设为30个、18个。为了防止深度神经训练时出现梯度消失或爆炸情形，分别设置隐含层与输出层激活函数为线性整流函数(ReLU)和线性函数(purelin)。
在不同的运行工况下，对变旋翼转速直升机/涡轴发动机综合模型充分激励，将采集的数据进行归一化处理，作为深度神经网络的训练数据。图2给出了本发明所建立旋翼需求扭矩预测模型的相对误差，相对误差均小于0.1％，精度较高，可用于超前预测旋翼需求扭矩。
2)基于涡轴发动机输出扭矩差与比例环节的自适应前馈补偿方法
旋翼的惯性较大，动力涡轮转速无法及时响应直升机需求功率的变化，转速因此存在一定的延迟。尤其在变旋翼转速过程中，旋翼转速大范围变化，动力涡轮转速对需求功率的响应滞后更严重。因此有必要优化选取直升机与涡轴发动机的关联参数，形成新的交联方法与综合控制方法。
基于涡轴发动机输出扭矩差与比例环节的自适应前馈补偿方法在旋翼需求扭矩超前预测的基础上，根据涡轴发动机输出轴端的转子动力学特性，结合旋翼转速与动力涡轮真实物理转速(Ωpt)，获得发动机期望输出扭矩，并与涡轴发动机真实输出扭矩(Tqe)作差，经比例环节的增益K放大后生成前馈补偿项(Δ)，在线修正涡轴发动机内环燃气涡轮转速的控制指令，以抑制变旋翼转速过程直升机需求功率的干扰。此外，为了进一步降低可能存在的扭矩预测误差对涡轴发动机转速稳态控制的影响，本发明引入一种自适应前馈补偿结构，根据动力涡轮相对转速(Np)及其参考指令(Npr)的误差，自动选择是否接入前馈补偿项，达到自适应前馈补偿目的。具体的自适应前馈补偿可用下式表达：
其中，Tqr为旋翼需求扭矩的预测值，ε为阈值；sat函数定义如下：
这里设置ε＝0.2。当Np与Npr误差的绝对值大于等于0.2时，接入扭矩差前馈补偿项，用于在线修正燃气涡轮相对转速的指令，提前补偿发动机的燃油流量，减小变旋翼转速过程动力涡轮转速的超调与下垂量，实现变旋翼转速直升机/涡轴发动机高品质综合控制；反之，不接入前馈补偿项，此时涡轴发动机仅采用基于燃气涡轮相对转速的串级控制结构。
为了验证上述技术方案的效果，在变传动比实现变旋翼转速的基础上，进行基于扭矩差前馈补偿的综合控制效果仿真测试，此时动力涡轮相对转速的参考指令Npr设为100％。直升机飞行高度H＝1000m，直升机前飞速度νc如图3所示。t＝10s时，νc由118m/s线性加速至123m/s；15-45s间，νc保持123m/s不变；随后5s，νc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～图10所示。
由图3、图5可知，t＝10s时，直升机前飞加速；其后，旋翼转速迅速减小38％。t＝33s时，旋翼转速迅速增至18.5rad/s，10s后直升机前飞加速。在旋翼转速降低/前飞加速阶段，图4所示的动力涡轮相对转速低于设定值100％。这是因为加速时拉力增加，而此时旋翼转速降低，为了使前飞速度保持恒定，需要增大旋翼总距(如图10所示)。由图4可知，相比于总距前馈控制，基于扭矩差的前馈控制方法使动力涡轮相对转速的超调量有效减小13.8％左右。此外，动力涡轮相对转速的稳定时间更短，响应速度更快，动态性能更优。这是因为变旋翼转速过程中，旋翼需求功率急剧变化，当旋翼转速降低时，旋翼需求功率降低，由式(2)可知，此时发动机期望输出扭矩相应减小，其与发动机真实输出扭矩的误差为负。负误差经比例环节放大后作为前馈项，当动力涡轮相对转速与其参考指令误差的绝对值大于等于0.2时，前馈补偿项在线修正燃气涡轮相对转速的指令，提前补偿燃油流量，使发动机输出扭矩减小，显著减小动力涡轮相对转速的超调量，反之亦然。图6为燃油流量变化曲线，对于旋翼而言，转速减小，其需求功率减小，从而导致燃油流量迅速降低，涡轴发动机输出功率减小。由图7、图8可知，在旋翼转速升档阶段，使用两种前馈控制方法，燃气涡轮相对转速均不超过102％，发动机输出扭矩的峰值不超过5kN·m，不影响发动机的使用寿命。如图9所示，旋翼转速连续减小时，为保证旋翼能够提供足够的拉力，需增大旋翼总距以增加旋翼需求扭矩。
Claims (8)
1.一种变旋翼转速直升机综合控制方法，其特征在于，包括以下步骤：超前预测直升机旋翼需求扭矩；根据直升机旋翼需求扭矩预测结果获得发动机期望输出扭矩，并与涡轴发动机真实输出扭矩作差，经比例环节的增益放大后生成前馈补偿项；根据动力涡轮相对转速与动力涡轮参考指令之间的误差和阈值之间的关系判断是否用所述前馈补偿项对涡轴发动机内环燃气涡轮转速的控制指令进行修正：如所述误差的绝对值大于等于阈值，则进行修正，否则，不进行修正；所述前馈补偿项Δ按照下式生成：
其中，K为所述比例环节的增益放大倍数，T qr 为直升机旋翼需求扭矩预测结果，Ω MR 、Ω pt 分别为旋翼转速、动力涡轮真实物理转速，T qe 为涡轴发动机真实输出扭矩。
2.如权利要求1所述变旋翼转速直升机综合控制方法，其特征在于，使用基于深度神经网络的旋翼需求扭矩预测模型超前预测直升机旋翼需求扭矩；所述基于深度神经网络的旋翼需求扭矩预测模型是以历史与当前时刻的旋翼总距、飞行高度、前飞速度以及历史时刻的旋翼转速为输入，以旋翼需求扭矩为输出，通过采用深度神经网络算法离线训练得到。
3.如权利要求2所述变旋翼转速直升机综合控制方法，其特征在于，所述基于深度神经网络的旋翼需求扭矩预测模型隐含层与输出层激活函数分别为线性整流函数和线性函数。
4.如权利要求1所述变旋翼转速直升机综合控制方法，其特征在于，所述阈值为0.2。
5.一种变旋翼转速直升机综合控制装置，其特征在于，包括：
旋翼需求扭矩预测模型，用于超前预测直升机旋翼需求扭矩；
扭矩差前馈模块，用于根据直升机旋翼需求扭矩预测结果获得发动机期望输出扭矩，并与涡轴发动机真实输出扭矩作差，经比例环节的增益放大后生成前馈补偿项；所述前馈补偿项Δ按照下式生成：
其中，K为所述比例环节的增益放大倍数，T qr 为直升机旋翼需求扭矩预测结果，Ω MR 、Ω pt 分别为旋翼转速、动力涡轮真实物理转速，T qe 为涡轴发动机真实输出扭矩；
自适应前馈结构，用于根据动力涡轮相对转速与动力涡轮参考指令之间的误差和阈值之间的关系判断是否用所述前馈补偿项对涡轴发动机内环燃气涡轮转速的控制指令进行修正：如所述误差的绝对值大于等于阈值，则进行修正，否则，不进行修正。
6.如权利要求5所述变旋翼转速直升机综合控制装置，其特征在于，所述旋翼需求扭矩预测模型为基于深度神经网络的旋翼需求扭矩预测模型，其是以历史与当前时刻的旋翼总距、飞行高度、前飞速度以及历史时刻的旋翼转速为输入，以旋翼需求扭矩为输出，通过采用深度神经网络算法离线训练得到。
7.如权利要求6所述变旋翼转速直升机综合控制装置，其特征在于，所述基于深度神经网络的旋翼需求扭矩预测模型隐含层与输出层激活函数分别为线性整流函数和线性函数。
8.如权利要求5所述变旋翼转速直升机综合控制装置，其特征在于，所述阈值为0.2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010624159.6A CN111731490B (zh) | 2020-07-01 | 2020-07-01 | 变旋翼转速直升机综合控制方法、装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010624159.6A CN111731490B (zh) | 2020-07-01 | 2020-07-01 | 变旋翼转速直升机综合控制方法、装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111731490A CN111731490A (zh) | 2020-10-02 |
| CN111731490B true CN111731490B (zh) | 2021-07-23 |
Family
ID=72653968
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010624159.6A Expired - Fee Related CN111731490B (zh) | 2020-07-01 | 2020-07-01 | 变旋翼转速直升机综合控制方法、装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111731490B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113548179B (zh) * | 2021-08-03 | 2022-04-15 | 南京航空航天大学 | 面向多发配置的主旋翼变转速控制方法及装置 |
| CN114180076B (zh) * | 2021-11-19 | 2023-04-28 | 中国直升机设计研究所 | 一种复合推力构型直升机/发动机综合控制系统及方法 |
| CN114476094B (zh) * | 2021-12-31 | 2024-06-14 | 中国航空工业集团公司西安飞机设计研究所 | 一种倾转旋翼机关键动力参数超限保护方法 |
| CN115056990B (zh) * | 2022-02-23 | 2023-08-18 | 南京航空航天大学 | 倾转旋翼机动力系统控制方法及装置 |
| CN116577993B (zh) * | 2023-06-19 | 2024-01-26 | 南京航空航天大学 | 涡轴发动机神经网络自适应控制方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105867121A (zh) * | 2016-03-28 | 2016-08-17 | 南京航空航天大学 | 用于自旋恢复的直升机非线性预测控制方法及装置 |
| CN109597303A (zh) * | 2018-11-29 | 2019-04-09 | 南京航空航天大学 | 一种复合式旋翼飞行器全模式飞行控制方法 |
| CN109854389A (zh) * | 2019-03-21 | 2019-06-07 | 南京航空航天大学 | 涡轴发动机双发扭矩匹配控制方法及装置 |
| CN109896026A (zh) * | 2019-03-21 | 2019-06-18 | 南京航空航天大学 | 变旋翼转速直升机-涡轴发动机综合控制方法及装置 |
| CN110348079A (zh) * | 2019-06-25 | 2019-10-18 | 南京航空航天大学 | 基于机器学习算法的涡轴发动机稳态开环控制设计方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2916421B1 (fr) * | 2007-05-22 | 2010-04-23 | Eurocopter France | Systeme de commande d'un giravion. |
-
2020
- 2020-07-01 CN CN202010624159.6A patent/CN111731490B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105867121A (zh) * | 2016-03-28 | 2016-08-17 | 南京航空航天大学 | 用于自旋恢复的直升机非线性预测控制方法及装置 |
| CN109597303A (zh) * | 2018-11-29 | 2019-04-09 | 南京航空航天大学 | 一种复合式旋翼飞行器全模式飞行控制方法 |
| CN109854389A (zh) * | 2019-03-21 | 2019-06-07 | 南京航空航天大学 | 涡轴发动机双发扭矩匹配控制方法及装置 |
| CN109896026A (zh) * | 2019-03-21 | 2019-06-18 | 南京航空航天大学 | 变旋翼转速直升机-涡轴发动机综合控制方法及装置 |
| CN110348079A (zh) * | 2019-06-25 | 2019-10-18 | 南京航空航天大学 | 基于机器学习算法的涡轴发动机稳态开环控制设计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111731490A (zh) | 2020-10-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111731490B (zh) | 变旋翼转速直升机综合控制方法、装置 | |
| 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 | |
| CN108762089B (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 | |
| CN105867121B (zh) | 用于自旋恢复的直升机非线性预测控制方法及装置 | |
| EP3357810B1 (en) | Power demand anticipation systems for rotorcraft | |
| EP3159523A1 (en) | Thrust scheduling method for variable pitch fan engines and turbo-shaft, turbo-propeller engines | |
| CN109896026B (zh) | 变旋翼转速直升机-涡轴发动机综合控制方法及装置 | |
| US20160069277A1 (en) | Turboshaft engine control | |
| CN109854389B (zh) | 涡轴发动机双发扭矩匹配控制方法及装置 | |
| CN104214045A (zh) | 双馈式变速变桨风力发电机组的独立变桨距控制方法 | |
| 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 | |
| US9475572B2 (en) | Propeller operation | |
| CN109446605B (zh) | 涡轴发动机非线性动态逆控制方法及装置 | |
| CN110348079B (zh) | 基于机器学习算法的涡轴发动机稳态开环控制设计方法 | |
| CN110579962B (zh) | 基于神经网络的涡扇发动机推力预测方法及控制器 | |
| EP2963268B1 (en) | Multivariable feedforward control | |
| CN113428353B (zh) | 直升机动力系统旋翼转速优化控制方法及装置 | |
| WO2020240567A1 (en) | Thrust control system and method | |
| CN112594069B (zh) | 基于功率需求预测的涡轴发动机抗扰控制方法及装置 | |
| CN113642271B (zh) | 一种基于模型的航空发动机性能恢复控制方法及装置 | |
| CN110488600A (zh) | Lqr优化型无刷直流电机调速神经网络pid控制器 | |
| CN115217635A (zh) | 一种涡扇发动机全包线自适应加速控制方法 | |
| CN111577468B (zh) | 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 | |
| CN114637210A (zh) | 航空发动机多回路综合控制方法及系统 | |
| Wang et al. | Research on Integrated Control Method for Helicopter/Turboshaft Engine with Variable Rotor Speed Based on the Error Between Engine Required and Real Output Torque |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210723 |