全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于复合推进系统动态模型-状态变量模型的航空发动机直接推力预测控制
- 作者： 金崇文 郑前钢 张海波 房娟 胡忠志 来源： 推进技术 年份： 2022 文献类型 ： 期刊 关键词： 直接推力控制 航空发动机 状态变量模型 复合推进系统动态模型 预测控制
- 描述： 直接推力控制可以有效改善推力控制的品质,针对航空发动机直接推力控制问题,进行了模型预测控制(Model Predictive Control, MPC)研究。为了提升航空发动机推力控制的精度,提出了基于复合推进系统动态模型-状态变量模型(Compact Propulsion System Dynamic Model-State Variable Model-State Variable Model,CPSDM-SVM)的航空发动机直接推力预测控制方法。CPSDM实时估计出不可测参数(推力、喘振裕度等)的基准值,SVM则根据未来输入实时预测发动机未来响应。由于CPSDM将发动机分为进气道、核心机、喷管、喘振裕度、推力等进行建模,在兼顾精度的同时,提高机载模型的实时性。CPSDM-SVM作为MPC算法中的预测模型,具有较高的精度和实时性。仿真结果表明,在与基于分段线化模型的传统模型预测控制方法实时性基本相同的情况下,所提出方法控制效果有明显的提升,调节时间缩短了1.17s。所提出方法稳态控制精度为0.08%,传统方法稳态精度为2.58%。因此,所提出方法在保证实时性的条件下,提升了控制精度和控制效果。
- 基于堆栈自编码器和DeepAR的航空发动机剩余寿命预测
- 作者： 李浩 王卓健 李哲 陈煊 李园 来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 寿命预测 深度学习 预测模型 数据融合
- 描述： 针对现有航空发动机剩余寿命预测大多基于单点预测模式，不能准确给出预测结果置信区间的问题，提出了一种基于堆栈自编码器结合DeepAR模型的概率分布预测模型。首先，堆栈自编码器通过无监督式深度学习对发动机监测数据进行特征提取，构建反映性能退化的健康指标（HI），基于双向长短期记忆（BiLSTM）网络构建DeepAR预测模型，将提取后的HI序列输入到DeepAR模型中，预测模型对HI序列与使用时间的隐含关系进行全局学习，并输出发动机剩余寿命的概率分布参数。利用CMPASS涡扇发动机退化数据集进行实验，验证所提方法的有效性。结果表明，本文所提预测方法同其他方法相比，对监测数据融合的效果更好，预测模型性能提高6.4%，实际剩余寿命基本在95%置信区间内。