[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

说明书

本发明提出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，根据航空发动机的特点，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。主要从两个方面进行改进：粒子群算法中重要参数的改进；与GuoA算法相结合，取长补短，有针对性的进行改进。将改进粒子群算法用于加速过程寻优，输出最优控制变量给航空发动机。本发明可以实现发动机加速过程的最优控制，在保证发动机安全工作前提下，缩短发动机加速时间，有效改善发动机加速性能，提高飞机的机动性。

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。

背景技术

航空发动机是飞机的心脏，是衡量一个国家航空事业发展水平的重要指标之一，因此对强化动力系统的研究对提升国家航空技术整体水平具有重要意义。由于航空发动机的工作过程复杂多变，且具有强非线性、多控制变量、时变、复杂的结构特点，因此，对发动机控制问题的研究比一般控制系统更为困难。

现代战机对飞机的机动性要求非常高，良好的机动性就要求发动机具有良好的加速性能。加速过程控制是航空发动机过渡态控制的一种，相较于发动机起动、接通/切断加力、减速控制，加速过程控制对发动机以及飞机性能的影响更为明显。发动机的加速过程直接影响战斗机的重要飞行指标(如：战斗机加速、爬升和紧急着陆复飞等等)，因此，研究发动机加速过程的最优控制，改善发动机加速性能具有重要意义。

国内外在发动机加速过程的最优控制研究中虽然取得了一定成果，但也存在许多尚未解决的技术难题或待改进之处。比如，粒子群算法往往出现早熟收敛和全局收敛性能差等缺点，不能直接用在航空发动机加速过程的寻优控制中。

发明内容

为解决现有技术存在的问题，本发明提出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，对粒子群算法进行改进，并将改进的粒子群算法应用于发动机加速过程寻优控制，实现发动机加速过程的最优控制，提高发动机的加速过程性能，提高飞机的机动性。

本发明的技术方案为：

首先建立航空发动机的非线性数学模型，然后以改进粒子群算法来进行发动机加速过程寻优，以实现某型航空涡扇发动机加速过程最优。

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。

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。

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