基于神经网络的航空发动机系统辨识

作者： 刘小锋   来源： 西北工业大学 年份： 2016 文献类型 ： 学位论文 关键词： 航空发动机   神经网络   系统辨识  

描述： 该文从神经网络的角度出发,首先探讨了神经网络用于系统辨识与建模的基本理论,阐述了几种网络用于系统辨识与建模的基本原理并进行了算法推导,然后对三种网络结构用于系统辨识与建模的基本原理并进行了算法推导,然后对三种网络结构用于系统辨识与建模时的性能进行了仿

液压系统对航空电源影响的仿真分析

作者： 李靖   来源： 西北工业大学 年份： 2016 文献类型 ： 学位论文 关键词： 液压系统   系统辨识   航空电源   仿真试验  

描述： 模型难以确定，因此采用系统辨识法建立其数学模型，并通过MATL,AB模型库中的模型与辨识模型结果对比来验证本方案是可行的。然后，用MATL,AB的SIMUL,INK工具进行了模型的仿真。最后，介绍

基于神经网络的航空发动机系统辨识

作者： 刘小锋   来源： 西北工业大学 年份： 2016 文献类型 ： 学位论文 关键词： 航空发动机   神经网络   系统辨识  

描述： 该文从神经网络的角度出发,首先探讨了神经网络用于系统辨识与建模的基本理论,阐述了几种网络用于系统辨识与建模的基本原理并进行了算法推导,然后对三种网络结构用于系统辨识与建模的基本原理并进行了算法推导,然后对三种网络结构用于系统辨识与建模时的性能进行了仿

基于Hammerstein系统的航空发动机部件级辨识建模方法

作者： 杨坤     宗国仁     王伟   来源： 海军航空大学学报 年份： 2025 文献类型 ： 期刊 关键词： 航空发动机建模   Hammerstein系统   系统辨识  

描述： 基于Hammerstein系统的航空发动机部件级辨识建模方法

“航空发动机控制设计中的数值计算原理与实践”课程教学探索

作者： 潘慕绚   来源： 教育教学论坛 年份： 2020 文献类型 ： 期刊 关键词： 思维导图   发散式思维   航空发动机控制   教学探索   数值计算  

描述： “航空发动机控制设计中的数值计算原理与实践”课程教学探索

基于非线性模型预测的航空发动机性能寻优控制

作者： 郑前钢   金崇文   项德威   来源： 航空动力学报 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机控制   性能寻优控制   机载模型   非线性模型预测控制   复合推进系统动态模型  

描述： 提出一种基于非线性模型预测的航空发动机性能寻优控制方法，以提升性能寻优控制的响应速度。基于风扇进口温度插值的复合推进系统动态模型建模方法建立全包线机载预测模型，以实时估计发动机性能参数及有限时域内的未来输出；基于非线性模型预测控制方法，将最大推力模式、最小油耗模式、最低涡轮温度模式3种性能寻优控制模式转化为实时动态性能寻优问题，并设计相应实时控制的性能指标，提升发动机响应速度。仿真结果表明：相比于传统方法，所提出方法建立的机载模型在3种性能寻优控制模式下有较好的控制效果且响应速度提升0.5～5 s，在高空巡航工作点，最大推力模式下推力提高19.8%，最小耗油模式下耗油率下降3.12%，最低涡轮前温度模式下涡轮前温度下降17 K，验证了控制方法的有效性。

切换仿射系统的多模型自适应控制及其在航空发动机上的应用

作者： 杨林翰   来源： 大连理工大学 年份： 2021 文献类型 ： 学位论文 关键词： 双层切换律   切换仿射系统   航空发动机控制   多模型自适应控制   平均驻留时间  

描述： 切换仿射系统的多模型自适应控制及其在航空发动机上的应用

航空发动机分布式系统时延分析及控制设计

作者： 王欣悦   来源： 大连理工大学 年份： 2021 文献类型 ： 学位论文 关键词： 分布式控制系统   网络诱导时延   航空发动机控制   DALQR控制   分布式控制仿真平台  

描述： 航空发动机分布式系统时延分析及控制设计

基于线性变参数系统的航空发动机最优控制问题研究

作者： 滕娇   来源： 大连理工大学 年份： 2022 文献类型 ： 学位论文 关键词： 最优控制   控制参数化   线性变参数系统   航空发动机控制   智能优化算法  

描述： 基于线性变参数系统的航空发动机最优控制问题研究

基于Spatiotemporal Learning的随机模型预测控制方法及其在航空发动机控制中的应用

作者： 陈燃   李渝哲   孙希明   柴天佑   来源： 第33届中国过程控制会议论文集 年份： 2022 文献类型 ： 会议论文 关键词： 随机模型预测控制   航空发动机控制   高斯过程   learning   Spatiotemporal  

描述： 为了处理模型不确定性的问题,大量的随机模型预测控制方法假设不确定性遵循给定的统计分布用于解决随机最优控制问题。然而,在实际场景中,取决于某些超参数的模型不确定性统计特性可能在跟随时间和空间上的变化。在航空发动机控制应用中,在不同的运行条件下可能会出现不同类型的不确定性,例如动态变化的飞行高度和马赫数。传统上,随机模型预测控制方法可能无法直接处理这些类型的不确定性。因此,在本文中,我们提出了一种基于Spatiotemporal Learning的随机模型预测控制算法,通过构建时空高斯过程来逼近基于测量数据的不确定性,来研究具有动态变化不确定性的随机最优控制问题。由于时空高斯过程可能难以用长处理时间序列评估,我们提出了高斯过程的状态空间表示,以采用计算有效的卡尔曼滤波和平滑方法。然后,我们通过参数化控制器并重新制定成本和机会约束来推导出计算上易于处理的控制策略,并明确分析相应的递归可行性和闭环稳定性。最后,将所提出的算法应用于航空发动机的压气机喘振控制,并与其他模型预测控制方法进行了比较,证明了我们方法的有效性。