CN114967474B - 一种基于神经网络的通用风洞流场控制方法 - Google Patents
一种基于神经网络的通用风洞流场控制方法 Download PDFInfo
- Publication number
- CN114967474B CN114967474B CN202210883373.2A CN202210883373A CN114967474B CN 114967474 B CN114967474 B CN 114967474B CN 202210883373 A CN202210883373 A CN 202210883373A CN 114967474 B CN114967474 B CN 114967474B
- Authority
- CN
- China
- Prior art keywords
- control
- regulating valve
- pressure regulating
- opening
- 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.)
- Active
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000001105 regulatory effect Effects 0.000 claims abstract description 73
- 239000002131 composite material Substances 0.000 claims abstract description 16
- 230000008859 change Effects 0.000 claims abstract description 6
- 238000012360 testing method Methods 0.000 claims description 44
- 150000001875 compounds Chemical class 0.000 claims description 6
- 230000006641 stabilisation Effects 0.000 claims description 6
- 238000011105 stabilization Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 238000013329 compounding Methods 0.000 claims description 3
- 230000000087 stabilizing effect Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000001276 controlling effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
Images
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
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16K—VALVES; TAPS; COCKS; ACTUATING-FLOATS; DEVICES FOR VENTING OR AERATING
- F16K37/00—Special means in or on valves or other cut-off apparatus for indicating or recording operation thereof, or for enabling an alarm to be given
- F16K37/0075—For recording or indicating the functioning of a valve in combination with test equipment
- F16K37/0083—For recording or indicating the functioning of a valve in combination with test equipment by measuring valve parameters
-
- 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
- G01M9/02—Wind tunnels
-
- 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
-
- 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
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Fluid Mechanics (AREA)
- Mechanical Engineering (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
Abstract
本发明公开了一种基于神经网络的通用风洞流场控制方法,涉及风洞运行与流场控制领域,包括:基于神经网络构造阀门特性函数;基于预测气源压力变化值和阀门特性函数,以确定下一控制周期的调压阀开度控制目标的前馈补偿增量;基于增量式PID控制器确定调压阀开度控制目标的反馈控制增量;基于前两者确定调压阀开度复合控制目标增量,以应用于风洞的流场控制。相对于现有风洞流场控制技术,本发明所提供的基于神经网络的通用风洞流场控制方法,通过基于神经网络构造阀门特性函数设计,可实现调压阀开度控制目标的前馈补偿增量的精确计算,能有效补偿抑制气源快速压降、稳定段总压目标变化等对于风洞控制造成干扰作用。
Description
技术领域
本发明涉及风洞运行与流场控制领域,更进一步的,本发明涉及一种基于神经网络的通用风洞流场控制方法。
背景技术
通过风洞试验获取各型航空、航天飞行器设计研制所必需的气动数据,是目前获取这一关键数据最主要、获取数据真实置信度最高的方式。为确保所获取全飞行包线内气动试验数据的精准度,要求风洞流场控制系统在亚跨声速速域马赫数稳定控制、阶梯变马赫数跟踪控制,和超声速速域总压稳定控制、连续变马赫数跟踪控制等多个工况条件下均能实现对风洞流场的高精度控制。为满足这一要求,往往需要针对不同工况条件设计开发不同的风洞流场控制系统,这显著增加了风洞流场控制系统设计的难度与工作量,也使得风洞流场控制系统软件维护复杂度大大增加。
另一方面,传统风洞流场控制系统多基于误差反馈的PID控制设计得到,能较好满足原有小口径风洞的流场控制需求。但随着近年来新建风洞口径越来越大,风洞结构形式也不仅仅局限于原有暂冲式或闭口式,大型暂冲式风洞对于气源的快速消耗、开口式风洞大试验舱的空腔特性,均对具有大迟滞特性的风洞流场稳定控制带来了显著干扰影响,难以仅通过PID控制对其进行快速补偿抑制,甚至可能由于PID控制参数增益设置过大诱发风洞流场振荡导致发散。
发明内容
本发明的一个目的是解决至少上述问题和/或缺陷,并提供至少后面将说明的优点。
为了实现本发明的这些目的和其它优点,提供了一种基于神经网络的通用风洞流场控制方法,包括:
步骤一,基于神经网络构造阀门特性函数;
在进行亚跨声速速域马赫数控制时,期望控制目标R*为马赫数目标Ma*,实时采集反馈值Rk为实时试验马赫数Ma′;
优选的是,在步骤一中,所述阀门特性函数的构造方法被配置为包括:
S10,根据风洞马赫数试验能力包线,开展风洞调试试验,获取包含试验能力包线边界的给定调试马赫数Ma,流场稳定条件下的风洞稳定段总压P0与气源压力Pg之比和相应调压阀开度S试验结果;
S11,构建由输入层、多层隐层和输出层构成的阀门特性函数神经网络,以获取的调试马赫数Ma和风洞稳定段总压P0与气源压力Pg之比试验结果为网络输入,以相应调压阀开度S试验结果为网络输出,依据误差反向传播算法,采用批量模式对神经网络进行训练,直至神经网络预测输出与实际调压阀开度试验结果偏差小于期望给定值,认为训练完成,得到基于神经网络的阀门特性函数fnet(P0/Pg,Ma)。
本发明至少包括以下有益效果:其一,本发明通过基于神经网络构造阀门特性函数设计,可实现调压阀开度控制目标的前馈补偿增量的精确计算,能有效补偿抑制气源快速压降、稳定段总压目标变化等对于风洞控制造成干扰作用;
其二,本发明相对于现有技术而言,通过基于开环前馈补偿和闭环反馈控制的复合流场控制架构设计,可实现亚跨声速速域和超声速速域对马赫数和/或总压的高精度强鲁棒稳定、跟踪控制,大大简化风洞流场控制系统设计难度和复杂度。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明应用阀门特性函数神经网络绘制的阀门特性曲面图;
图2为本发明基于神经网络的通用风洞流场控制方法结构框图;
图3为本发明第20210140车次稳定段总压试验曲线图;
图4为本发明第20210140车次主气路调压阀开度控制指令曲线图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
本发明公开了一种基于神经网络的通用风洞流场控制方法,可广泛适用于亚跨声速速域和超声速速域的马赫数和总压稳定、跟踪控制,大大简化风洞流场控制系统设计难度和复杂度;且基于前馈补偿和反馈控制的复合流场控制架构能有效抑制各种外界干扰作用,实现对控制目标的高精度稳定或跟踪控制。
在实际应用中风洞流场控制的过程通常包括:
1、风洞试验准备,根据风洞试验要求,确定风洞运行试验条件和相应开车参数,包括超声速速域试验时的稳定段总压目标亚跨声速速域试验时的马赫数目标Ma*,总压控制精度、马赫数控制精度,试验模型姿态,调压阀预置开度S0,增量式PID控制器的比例、积分、微分系数增量式开度控制PID控制器的比例、积分、微分系数
3、风洞闭环流场控制:在风洞启动完成后,将风洞流场控制系统的开环运行模式转为总压前馈-反馈复合控制模式,按照总压复合控制算法计算下一控制周期调压阀开度;
4、风洞试验数据采集:风洞试验流场稳定,达到试验要求条件,风洞测控系统采集试验数据,风洞流场控制系统重复步骤3,不断控制稳定段总压,使其保持稳定;
5、试验模型姿态调整:判定试验模型是否完成所有预期姿态调整,如没有完成,转入步骤3,风洞闭环控制,采集试验数据;如完成所有预期姿态调整,转入步骤6;
6、风洞关车:停止闭环流场控制,关闭调压阀,风洞关车。
而在本发明中主要是对流程3的进行优化改进,以提供一种基于神经网络的通用风洞流场控制方法,包括:
步骤S100:基于神经网络构造阀门特性函数fnet(P0/Pg,Ma);
根据某大型射流风洞马赫数试验能力包线,开展风洞调试试验,获取包含试验能力包线边界(马赫数0.3-3.5)内的给定调试马赫数Ma,流场稳定条件下的风洞稳定段总压P0与气源压力Pg之比和相应调压阀开度S试验结果;
构建由输入层、若干隐层和输出层构成的阀门特性函数神经网络,以获取的风洞稳定段总压P0与气源压力Pg之比和马赫数Ma试验结果为网络输入,以相应调压阀开度S试验结果为网络输出,依据误差反向传播算法,采用批量模式对神经网络进行训练,直至神经网络预测输出与实际调压阀开度试验结果偏差小于期望给定值,认为训练完成,得到基于神经网络的阀门特性函数fnet(P0/Pg,Ma),图1给出了阀门特性函数神经网络绘制的阀门特性曲面图;
步骤S200:预测气源压力变化值;
步骤S300:确定调压阀控制目标的前馈补偿增量;
步骤S400:确定调压阀控制目标的反馈控制增量;
步骤S600:确定下一控制周期调压阀开度复合控制目标;
步骤S700:确定调压阀开度控制指令反馈控制增量;
步骤S800:确定下一控制周期调压阀开度控制指令;
图2给出了基于神经网络的通用风洞流场控制方法结构框图。在基于神经网络的通用风洞流场控制方法作用下,图3给出了实际应用中风洞稳定段总压试验曲线,可看出在风洞开车后20s左右已将稳定段总压稳定控制在目标总压153kPa附近,并在试验全程保持稳定在目标总压0.15%带内,保证了试验流场的稳定性。图4给出了相应的调压阀开度控制目标曲线,可看出调压阀开度控制目标由前馈补偿控制指令和PID反馈控制指令两部分组成,且前馈补偿控制指令幅值较PID反馈控制指令明显偏大。
以上方案只是一种较佳实例的说明,但并不局限于此。在实施本发明时,可以根据使用者需求进行适当的替换和/或修改。
这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言,可容易地实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (5)
1.一种基于神经网络的通用风洞流场控制方法,其特征在于,包括:
步骤一,基于神经网络构造阀门特性函数;
在进行亚跨声速速域马赫数控制时,期望控制目标R*为马赫数目标Ma*,实时采集反馈值Rk为实时试验马赫数Ma′;
在步骤一中,所述阀门特性函数的构造方法被配置为包括:
S10,根据风洞马赫数试验能力包线,开展风洞调试试验,获取包含试验能力包线边界的给定调试马赫数Ma,流场稳定条件下的风洞稳定段总压P0与气源压力Pg之比和相应调压阀开度S试验结果;
S11,构建由输入层、多层隐层和输出层构成的阀门特性函数神经网络,以获取的调试马赫数Ma和风洞稳定段总压P0与气源压力Pg之比试验结果为网络输入,以相应调压阀开度S试验结果为网络输出,依据误差反向传播算法,采用批量模式对神经网络进行训练,直至神经网络预测输出与实际调压阀开度试验结果偏差小于期望给定值,认为训练完成,得到基于神经网络的阀门特性函数;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210883373.2A CN114967474B (zh) | 2022-07-26 | 2022-07-26 | 一种基于神经网络的通用风洞流场控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210883373.2A CN114967474B (zh) | 2022-07-26 | 2022-07-26 | 一种基于神经网络的通用风洞流场控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114967474A CN114967474A (zh) | 2022-08-30 |
CN114967474B true CN114967474B (zh) | 2022-11-04 |
Family
ID=82970152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210883373.2A Active CN114967474B (zh) | 2022-07-26 | 2022-07-26 | 一种基于神经网络的通用风洞流场控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114967474B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115328243B (zh) * | 2022-10-14 | 2022-12-23 | 中国空气动力研究与发展中心低速空气动力研究所 | 主动射流控制系统的闭环控制方法、单元、系统、介质 |
CN115808284B (zh) * | 2023-02-09 | 2023-04-21 | 中国空气动力研究与发展中心设备设计与测试技术研究所 | 基于神经网络参数调度的风洞多工况建模方法 |
CN117555231B (zh) * | 2023-05-30 | 2024-04-19 | 中国航空工业集团公司沈阳空气动力研究所 | 基于模糊规则的风洞流场控制方法、电子设备及存储介质 |
CN117590741A (zh) * | 2024-01-19 | 2024-02-23 | 常州高凯电子有限公司 | 一种基于神经网络pid控制算法的质量流量控制系统和方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61166612A (ja) * | 1985-01-18 | 1986-07-28 | Mitsubishi Electric Corp | 吹出式風洞の圧力制御装置 |
JPS6239742A (ja) * | 1985-08-14 | 1987-02-20 | Mitsubishi Electric Corp | 吹出し式風洞の制御方法 |
US5649064A (en) * | 1995-05-19 | 1997-07-15 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | System and method for modeling the flow performance features of an object |
JP2920374B1 (ja) * | 1998-02-23 | 1999-07-19 | 川崎重工業株式会社 | 吹出し式風洞の制御装置 |
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 |
CN113008507A (zh) * | 2021-03-18 | 2021-06-22 | 南京航空航天大学 | 一种基于暂冲气源的大流量高稳定马赫数风洞快速调节系统及方法 |
CN114185265A (zh) * | 2022-02-15 | 2022-03-15 | 中国空气动力研究与发展中心高速空气动力研究所 | 大型开口射流风洞超声速定总压连续变马赫数控制方法 |
CN114185266A (zh) * | 2022-02-15 | 2022-03-15 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种适用于暂冲式风洞的总压复合控制方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2944125B1 (fr) * | 2009-04-03 | 2015-10-30 | Airbus France | Procede d'identification de modeles aerodynamiques pour procede de simulation d'aeronef. |
CN106527519B (zh) * | 2016-12-07 | 2020-01-14 | 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 |
CN110702361A (zh) * | 2019-11-14 | 2020-01-17 | 中国航空工业集团公司沈阳空气动力研究所 | 一种直流暂冲式跨声速风洞的流场精确控制系统及控制方法 |
CN114061891B (zh) * | 2022-01-18 | 2022-03-29 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种面向大型开口射流风洞下吹引射式静压匹配控制方法 |
-
2022
- 2022-07-26 CN CN202210883373.2A patent/CN114967474B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61166612A (ja) * | 1985-01-18 | 1986-07-28 | Mitsubishi Electric Corp | 吹出式風洞の圧力制御装置 |
JPS6239742A (ja) * | 1985-08-14 | 1987-02-20 | Mitsubishi Electric Corp | 吹出し式風洞の制御方法 |
US5649064A (en) * | 1995-05-19 | 1997-07-15 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | System and method for modeling the flow performance features of an object |
JP2920374B1 (ja) * | 1998-02-23 | 1999-07-19 | 川崎重工業株式会社 | 吹出し式風洞の制御装置 |
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 |
CN113008507A (zh) * | 2021-03-18 | 2021-06-22 | 南京航空航天大学 | 一种基于暂冲气源的大流量高稳定马赫数风洞快速调节系统及方法 |
CN114185265A (zh) * | 2022-02-15 | 2022-03-15 | 中国空气动力研究与发展中心高速空气动力研究所 | 大型开口射流风洞超声速定总压连续变马赫数控制方法 |
CN114185266A (zh) * | 2022-02-15 | 2022-03-15 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种适用于暂冲式风洞的总压复合控制方法 |
Non-Patent Citations (9)
Title |
---|
2m超声速风洞流场变速压控制方法研究;周波等;《实验流体力学》;20191215;第33卷(第06期);第72-77页 * |
Application of Blow-off Wind Tunnel Control Based on Genetic Algorithm Optimized BP-Neural Network PID Neural Network;Ji L等;《Advanced Materials Research》;20130514;第694-697卷;第2181-2184页 * |
Development of the Nozzle Control System in 0.6m Trans-supersonic Wind Tunnel;Chuan gao等;《2017 29th Chinese Control And Decision Conference (CCDC)》;20180406;第6522-6526页 * |
Model Predictive Control for the Flow Field in an Intermittent Transonic Wind Tunnel;Jian Zhang等;《IEEE Transactions on Aerospace and Electronic Systems 》;20170925;第54卷(第1期);第324–338页 * |
一种BP网络自整定PID控制算法及其在NF-6风洞控制中的应用;张永双等;《流体力学实验与测量》;20030930;第17卷(第03期);第79-83页 * |
一种连续式跨声速风洞总压控制方法设计;陈旦等;《实验流体力学》;20191215;第33卷(第06期);第65-71页 * |
基于随机森林的风洞马赫数预测模型;王晓军等;《航空学报》;20150826;第37卷(第05期);第1494-1505页 * |
自适应遗传PID算法在风洞风速控制中的应用;尼文斌等;《实验流体力学》;20151015;第29卷(第05期);第84-89页 * |
风洞发动机的神经网络控制;俞忠原,顾信佩;《上海大学学报(自然科学版)》;19951030;第1卷(第05期);第576-583页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114967474A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114967474B (zh) | 一种基于神经网络的通用风洞流场控制方法 | |
CN108803336B (zh) | 一种航空发动机自适应lqg/ltr控制器设计方法 | |
CN108717265B (zh) | 一种基于控制变量参数化的无人飞行器巡航跟踪控制系统及控制方法 | |
CN106774468A (zh) | 气体流量控制方法 | |
CN110502840B (zh) | 航空发动机气路参数在线预测方法 | |
CN109541941A (zh) | 一种针对垂直起降运载器主动段飞行的自适应增广抗扰容错方法 | |
CN104932565A (zh) | 一种高精度暂冲型引射式跨声速风洞流场控制结构 | |
WO2021134887A1 (zh) | 一种基于动态神经网络的变循环发动机智能控制方法 | |
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 | |
CN112286047B (zh) | 基于神经网络的narma-l2多变量控制方法 | |
CN111708378B (zh) | 一种基于强化学习的导弹纵向姿态控制算法 | |
CN113267314A (zh) | 一种暂冲式风洞的超声速流场总压控制系统 | |
CN110647052A (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 | |
CN111413865B (zh) | 一种扰动补偿的单回路过热汽温自抗扰控制方法 | |
CN107037727A (zh) | 一种无人直升机大包线自适应增益调度方法 | |
CN115220467A (zh) | 一种基于神经网络增量动态逆的飞翼飞行器姿态控制方法 | |
CN116499700A (zh) | 一种风洞主引射压力分段控制方法及系统 | |
CN112327604B (zh) | 一种前馈补偿的预期动态pi及pid控制方法 | |
CN116412991B (zh) | 在风洞流场试验中同步模拟飞行高度、飞行速度的方法 | |
CN110985216A (zh) | 一种含在线修正的航空发动机智能多变量控制方法 | |
CN113738577B (zh) | 一种风力发电机组独立变桨控制方法和系统 | |
CN116360255A (zh) | 一种非线性参数化高超声速飞行器的自适应调节控制方法 | |
CN104731019A (zh) | 基于Cycle to Cycle反馈控制的数控凸轮磨削轮廓误差补偿控制方法 | |
CN115808284A (zh) | 基于神经网络参数调度的风洞多工况建模方法 | |
CN115128951A (zh) | 一种基于期望轨迹受限优化的双环高性能控制方法 |
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 |