[发明专利]基于改进粒子群算法的航空发动机加速过程最优控制方法

权利要求书

1.一种基于改进粒子群算法的航空发动机加速过程最优控制方法，其特征在于：第一步建立航空发动机的非线性数学模型；

第二步根据发动机加速过程确定相应的目标函数和约束函数；

第三步以改进粒子群算法优化计算；

第四步输出最优控制变量给航空发动机。

所述一种基于改进粒子群算法的航空发动机加速过程最优控制方法，其特征在于：所述改进粒子群算法是在基本的粒子群算法上进行改进，针对原始粒子群算法迭代后期容易陷入局部最优，收敛精度低，易发散等缺点，对粒子群算法进行改进。主要从以下两个方面进行改进：

(1)粒子群算法中重要参数的改进，主要包括：惯性权重ω的调节，学习因子c₁和c₂的改进。

(2)与GuoA算法相结合，取长补短，有针对性的进行改进。

2.根据权利要求1所述的一种基于改进粒子群算法的航空发动机加速过程最优控制方法，其特征在于：所述航空发动机的非线性数学模型为

y＝f(x)

其中为控制输入向量,包括调节主燃油流量W_f、尾喷管面积A₉、风扇导叶角度dvgl和压气机导叶角度dvgh，为输出向量，包括燃油消耗率sfc和发动机推力F，f(·)为产生系统输出的非线性向量函数。

3.根据权利要求1所述的一种基于改进粒子群算法的航空发动机加速过程最优控制方法，其特征在于：所述加速过程考虑的约束条件有：涡轮前温度不超温、高压压气机不喘振、高压转子不超转、风扇不超转、燃烧室不富油熄火、主燃烧室供油量不超过其最大供油量等等。优化问题的数学描述如下：

其中控制变量x＝[W_f,A₉,dvgl,dvgh]^T，以上各个变量均在相应的变化范围之内取初值。

采用线性加权法将多目标函数转化为单目标函数，来确定寻优目标函数。即

对上式进行离散化和归一化处理。这样处理的目的是为了消除目标函数中各参数量纲和量值变化范围的不同对优化结果的影响。最终的寻优目标函数可以写成以下形式：

上式中，ω_a和ω_b为相应目标函数的权重系数，满足ω_a≥0,ω_b≥0，其大小反映相应的寻优目标函数在多目标优化问题中的重要程度。

参照目标函数的形式，对航空发动机约束条件也进行离散化和归一化处理：

以上g_i(x)(i＝1,2,...,11)构成约束函数矩阵g(x)，考虑约束条件后，目标函数可化为：

其中ω＝[ω₁,ω₂,ω₃,ω₄,ω₅,ω₆,ω₇,ω₈,ω₉,ω₁₀,ω₁₁]为约束函数的权重调整系数矩阵，其中ω₁,ω₂,ω₃,ω₄,ω₅,ω₆,ω₇,ω₈,ω₉,ω₁₀,ω₁₁为对应约束条件可调整权重系数，ω·g(x)的设计用于满足发动机的约束条件。