基于变论域模糊PID的航空转台控制系统研究

作者： 魏彬   唐凤轩   梁畅   张爱军   来源： 北京化工大学学报(自然科学版) 年份： 2022 文献类型 ： 期刊 关键词： 粒子群优化   模糊比例积分微分(PID)控制   可编程多轴运动控制卡(PMAC)   航空转台  

描述： 航空转台是进行地面仿真的关键设备，其控制系统的随动性对地面仿真结果有很大影响。围绕航空转台的控制结构和算法策略，提出使用粒子群优化算法迭代寻优以保证论域最佳的变论域模糊比例积分微分(proportion integral differential, PID)控制策略。以MATLAB作为仿真环境，分析本文所提算法策略的优化效果，仿真结果表明该控制策略相较于常规PID的时间乘绝对误差积分准则(ITAE)指标有显著提升。搭建以可编程多轴运动控制卡(programmable multi-axes controller, PMAC)控制器为核心的航空转台实物测试系统进行算法验证，实验结果表明，基于变论域模糊PID的航空转台控制系统可使航空转台的控制精度得以显著提升，超调量更小，调节时间更短，同时具备实用性，极大地提高了航空转台控制系统的随动性。

基于多维特征量的航空串联故障电弧检测

作者： 崔芮华   王绍敏   来源： 科学技术与工程 年份： 2017 文献类型 ： 期刊 关键词： 支持向量机   粒子群优化   多维特征量   航空故障电弧  

描述： 航空交流系统工作环境复杂、故障电弧检测可靠性要求较高,而单一特征的检测方法适应能力相对较差。开展了航空交流电源条件下串联型故障电弧模拟试验,分别对电源频率为360 Hz、400 Hz、450 Hz时的线性负载线路电流进行数据采集。根据电弧电流的特点,提出了一种融合波形畸变特征、间谐波特征和能量分布不确定性特征的多维特征量检测方法。引入支持向量机和粒子群优化算法进行参数寻优,用训练得到的分类模型对测试集进行分类预测。结果表明,该串联故障电弧分类模型最高分类准确率可达到98.83%。

基于多维特征量的航空串联故障电弧检测

作者： 崔芮华   王绍敏   来源： 科学技术与工程 年份： 2019 文献类型 ： 期刊 关键词： 支持向量机   粒子群优化   多维特征量   航空故障电弧  

描述： 航空交流系统工作环境复杂、故障电弧检测可靠性要求较高,而单一特征的检测方法适应能力相对较差。开展了航空交流电源条件下串联型故障电弧模拟试验,分别对电源频率为360 Hz、400 Hz、450 Hz时的线性负载线路电流进行数据采集。根据电弧电流的特点,提出了一种融合波形畸变特征、间谐波特征和能量分布不确定性特征的多维特征量检测方法。引入支持向量机和粒子群优化算法进行参数寻优,用训练得到的分类模型对测试集进行分类预测。结果表明,该串联故障电弧分类模型最高分类准确率可达到98.83%。

航空发动机滑动局部线性模型及控制

作者： 蒋安常   韩永健   张伟   周振华   周龙   杨蓓   来源： 航空发动机 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   粒子群优化   滑动线性模型   自适应PI控制  

描述： 为了提高航空发动机的控制性能和控制系统的可靠性，提出一种基于粒子群算法的航空发动机局部小区域自适应滑动的线性模型建立方法和双闭环自适应PI控制方法。在辨识区间内，以发动机转子转速为状态变量，采用在线实测数据和粒子群算法的参数估计方法，使模型辨识参数按照设定区间大小自适应跟踪滑动，从而保证线性模型能够精确逼近发动机的非线性动态。通过分析发动机燃油调节器的工作特性，建立了燃油调节器计量活门和电液伺服阀的传递函数，并根据所构建的模型，设计了航空发动机转子转速和燃油流量双闭环自适应PI控制系统以实现对航空发动机的精确控制。结果表明：利用局部滑动自适应辨识计算机得到的数据与发动机稳态、动态试验数据相吻合，且双闭环仿真控制性能满足航空发动机工作性能要求，表明所提出的航空发动机局部线性建模方法和自适应PI控制器参数算法对提高发动机的控制性能是有效的。

基于间接健康指标与回声状态网络的航空锂电池剩余使用寿命预测

作者： 后麒麟   曹亮   单添敏   王景霖   沈勇   来源： 测控技术 年份： 2022 文献类型 ： 期刊 关键词： 锂电池   粒子群优化   回声状态网络   间接健康指标   剩余使用寿命预测  

描述： 航空锂电池是飞机的重要组成部分，对其进行剩余使用寿命(RUL)预测至关重要。目前，一般采用锂电池容量作为RUL指标，但在飞机实际运行中，锂电池容量难以准确测量，同时面临长期寿命预测精度的问题。因此，提出一种基于间接健康指标和回声状态网络(ESN)的锂电池RUL预测方法，基于一阶偏相关系数分析方法提取最能代表电池寿命的间接健康指标来代替容量指标，建立间接健康指标预测模型。同时基于深度学习中的ESN,结合粒子群优化算法(PSO)对网络参数进行优化，建立退化预测模型，实现锂电池RUL预测，解决长期预测精度问题。使用NASA电池数据进行实验验证说明，该方法相较于其他方法具有更高的精度、稳定性以及良好的泛化能力。

基于智能算法优化BP的航空器滑出时间预测

作者： 朱晓波   贾鑫磊   王楚皓   来源： 科学技术与工程 年份： 2023 文献类型 ： 期刊 关键词： 机场场面运行效率   粒子群优化   麻雀搜索算法   BP神经网络   滑出时间  

描述： 滑出时间是评估大型机场场面运行效率的主要性能指标，科学准确地预测离港航空器的滑出时间，对于提升场面运行效率至关重要。首先，分析了航空器滑出时间影响因素及相关性，构建了基于反向传播(back propagation, BP)神经网络的航空器滑出时间预测模型。针对BP神经网络存在对初始权值和阈值敏感、准确性和稳定性欠佳等缺点，分别采用粒子群优化(particle swarm optimization, PSO)算法和麻雀搜索算法(sparrow search algorithm, SSA)获取BP神经网络的最优权值和阈值，并采用中国中南某枢纽机场2周的实际运行数据对智能算法优化后的预测模型进行了验证。结果表明：滑出时间与半小时平均滑出时间、起飞队列长度、同时段滑行的离港航空器数量均有强相关性，与同时段滑入的进港航空器数量中度相关，与滑行距离和经过冲突热点区域个数相关性较弱；考虑强相关和中度相关影响因素的4元组合预测模型的预测结果最佳；智能优化算法通过获取神经网络的局部最优权重和阈值，可有效地提升航空器滑出时间预测结果的精度，但运算过程耗时也更长；基于PSO优化后的BP神经网络预测结果较优化前的平均绝对百分比误差(mean absolute percentage error, MAPE)提升了1.13%,平均绝对误差(mean absolute error, MAE)减少了4.48 s,均方根误差(root mean squared error, RMSE)减少了4.68 s;基于SSA优化后的BP神经网络预测结果较优化前的MAPE提升了3.05%,MAE减少了16.55 s, RMSE减少了14.31 s。

基于改进粒子群的航空发动机部件特性修正

作者： 李明洲   嵇润民   黄向华   来源： 推进技术 年份： 2022 文献类型 ： 期刊 关键词： 数学模型   粒子群优化   涡桨发动机   试车数据   部件特性   修正  

描述： 涡桨发动机采用定转速工作方式，试车数据集中分布在几个不同转速工作状态附近。为利用大量分布不均匀的试车数据进行部件特性修正，提出一种改进参数的模拟退火粒子群算法，解决多工作点性能匹配时易陷入局部最优的问题，提高涡桨发动机部件特性修正精度。针对以往依靠经验和试错确定修正系数定义域时效率低下，且限制了算法搜索能力的问题，提出一种根据相邻等转速线确定非设计点区域修正系数上下限的方法。模型计算结果与实验数据对比表明，修正后模型各参数平均误差从3.95%降低到0.89%，最大误差从11.32%降低到2.37%，精度明显提高。