[发明专利]一种基于迭代学习修正的航空发动机智能转速控制方法

摘要

本发明公开了一种基于迭代学习修正的航空发动机智能转速控制方法，该方法包括：采用神经网络建立转速控制系统的NARMA‑L2模型；结合NARMA‑L2模型，设计基于迭代学习算法的转速在线修正模块，得到在包线内一定工况范围内具有自调整能力的航空发动机转速控制器。本发明解决了传统的基于神经网络预测模型的建立和控制率的在线求解存在困难，控制器在包线内扩展应用存在控制品质下降的问题，适用于在一定飞行包线内不同工作点的发动机转速控制，对于消除发动机控制系统稳态误差、提高发动机转速控制品质有着积极促进的作用。

主权项

1.一种基于迭代学习修正的航空发动机智能转速控制方法，其特征在于，包括以下步骤：步骤A)根据发动机模型主燃油量与高压转子转速之间的关系，采用神经网络构建航空发动机转速控制系统的NARMA‑L2模型；步骤B)结合NARMA‑L2模型，设计基于迭代学习算法的转速在线修正模块，得到在包线内一定工况范围内具有自调整能力的航空发动机转速控制器；所述步骤A)中根据发动机模型主燃油量与高压转子转速之间的关系，采用神经网络构建航空发动机转速控制系统的NARMA‑L2模型具体步骤如下：步骤A1)，选取发动机主燃油量作为输入量u[k]，高压转子转速作为输出量y[k]，并根据所选输入输出量构建NARMA‑L2模型为：y[k]＝f₀(y[k‑1],y[k‑2],…,y[k‑n],u[k‑1],u[k‑2],…,u[k‑n])      +g₀(y[k‑1],y[k‑2],…,y[k‑n],u[k‑1],u[k‑2],…,u[k‑n])u[k]其中，k表示时间刻度，f₀和g₀表示网络映射，可分别通过两个神经网络函数和g₀^*近似得到；步骤A2)，将用来建立NARMA‑L2模型的神经网络结构随机初始化，根据训练样本利用梯度下降法对神经网络函数和g₀^*进行离线训练，得到训练后的航空发动机转速控制系统的NARMA‑L2模型。