“顾子渝”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]航空发动机加速控制计划嵌套优化方法及装置-CN202310808919.2在审
发明人：李秋红;赵兴宇;刘鑫洋;顾子渝;庞淑伟 -专利权人：南京航空航天大学
申请日： 2023-07-03 - 公布日： 2023-10-03 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种航空发动机加速控制计划嵌套优化方法，属于航空发动机控制技术领域。本发明方法使用内、外回路嵌套的方式对参与航空发动机控制的几何机构进行嵌套优化：在外回路，对参与开环控制的几何机构通过构建贝塞尔曲线来进行全局优化；在内回路，对参与闭环控制的几何机构进行局部滚动优化；内回路的优化以外回路为基础，外回路的优化以内回路的加速响应时间为评价指标。本发明还公开了一种航空发动机加速控制计划嵌套优化装置。相比现有技术，本发明控制计划优化过程和实际控制过程更一致，能够充分发挥多变量控制的优势，且加速评价过程更直接。
航空发动机加速控制计划嵌套优化方法装置

[发明专利]基于主动切换逻辑的涡扇发动机加速过程控制方法及装置-CN202111543648.X有效
发明人：李秋红;李宇琛;顾子渝;张永亮;庞淑伟;张新晟 -专利权人：南京航空航天大学;北京动力机械研究所
申请日： 2021-12-16 - 公布日： 2023-09-22 - 主分类号： G05B9/03 文献下载
摘要：本发明公开了一种基于主动切换逻辑的涡扇发动机加速过程控制方法，设置对燃油流量进行控制的并行的主控制回路和N‑dot控制回路，同一时间只有一个控制回路处于工作状态；根据当前的低压转速控制误差对控制回路进行主动切换：在低压转速控制误差低于预设阈值时使用主控制回路，否则使用N‑dot控制回路。本发明还公开了一种基于主动切换逻辑的涡扇发动机加速过程控制装置。相比现有技术，本发明根据转速跟踪误差进行主控制回路和加速控制回路之间的主动切换控制，可以避免Min‑Max选择方法带来的频繁切换，提高控制系统的稳定性。
基于主动切换逻辑发动机加速过程控制方法装置

[发明专利]涡轴发动机神经网络自适应控制方法及装置-CN202310725387.6在审
发明人： 顾子渝;李秋红;庞淑伟;周文祥 -专利权人：南京航空航天大学
申请日： 2023-06-19 - 公布日： 2023-08-11 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种涡轴发动机神经网络自适应控制方法。该方法包括以下步骤：步骤1、通过在非线性自回归滑动平均模型中引入状态量，并对状态量和输入量相对于输出量进行线性化描述，构建涡轴发动机非线性状态空间方程模型；步骤2、利用神经网络模型逼近模型中的未知非线性函数，利用涡轴发动机实际输出的状态量、输入量和输出量对神经网络模型进行在线训练，并根据在线获得的未知函数的值计算控制量；步骤3、利用Min‑Max逻辑从多个控制量中进行选择，实现超限保护。本发明还公开了一种涡轴发动机神经网络自适应控制装置。相比现有技术，本发明能够基于个体发动机的输入输出数据，实现对涡轴发动机个体的自适应控制。
发动机神经网络自适应控制方法装置

[发明专利]基于神经网络的航空发动机线性变参数模型建立方法-CN202110549309.6有效
发明人： 顾子渝;张永亮;李秋红;聂聆聪;庞淑伟;李宇琛 -专利权人：南京航空航天大学;北京动力机械研究所
申请日： 2021-05-20 - 公布日： 2022-06-10 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于神经网络的航空发动机线性变参数模型建立方法，在线训练神经网络模型，神经网络模型包括隐含层、输出层以及设置于隐含层与输出层之间的乘法层，隐含层与乘法层之间为连接权值为1的局部连接，乘法层与输出层之间为全连接，乘法层的激励函数为比例函数，输出层的激励函数为线性函数，神经网络模型的输入为航空发动机线性变参数模型的调度参数，神经网络模型的输出为航空发动机线性变参数模型的状态方程和输出方程的输出；利用所述神经网络模型获得航空发动机线性变参数模型的参数，进而建立航空发动机线性变参数模型。相比现有技术，本发明能够基于个体发动机的输入输出数据，实现对发动机个体的快速线性变参数模型的建立。
基于神经网络航空发动机线性参数模型建立方法

[发明专利]基于数据驱动的航空发动机状态变量模型建立方法-CN202110419235.4在审
发明人：陈弘毅;李秋红;顾子渝;庞淑伟;徐嘉伸;刘鑫洋 -专利权人：南京航空航天大学
申请日： 2021-04-19 - 公布日： 2021-07-23 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于数据驱动的航空发动机状态变量模型建立方法，包括：根据所要建立的航空发动机状态变量模型的结构，采集所述航空发动机状态变量模型的输入、输出、状态变量数据；对所采集的数据进行去噪后，以其作为训练数据对神经网络模型进行训练，得到航空发动机智能网络模型；基于所建立的航空发动机智能网络模型，根据所要建立的航空发动机状态变量模型参数的偏导数表达，以链式求导法则进行输出量到输入量的偏导数计算，从而建立基于数据驱动的航空发动机状态变量模型。本发明可以直接根据发动机输入和输出数据，实时获取发动机个体的高精度状态变量模型，避免了对发动机部件级数学模型的依赖，实现基于发动机个体数据的准确建模。
基于数据驱动航空发动机状态变量模型建立方法