基于智能抗扰策略的变循环发动机多变量控制设计方法

本发明属于航空发动机控制领域，涉及一种基于智能抗扰策略的变循环发动机多变量控制设计方法。背景技术：：：1、变循环发动机拥有复杂的结构、宽广的飞行包线、多种可调几何变量以及多样的循环模式。变循环发动机的控制系统包含两个部分：控制计划和控制算法。利用控制算法设计的控制器，可以使变循环发动机按照期望的控制计划运行。传统的变循环发动机控制系统均为燃油-转速的单变量控制，并运用了相对简化的控制算法。由于变循环发动机属于一个高度复杂的非线性系统，仅依靠单变量控制手段难以达到所需的控制精度，因此需要采用能够同时协同处理多个控制变量和反馈信号的控制算法，以设计出满足控制规范的发动机控制系统。2、针对传统的单变量控制方法难以确保发动机在各种工况下的稳定性和抗干扰性的问题，国内外学者开始转向多变量控制技术，这逐渐成为变循环发动机控制领域内的重要研究方向。韩京清教授在“从pid技术到自抗扰技术”中提出自抗扰算法可以建立多变量与多回路的控制策略，还可通过观测加补偿的方式将不同变量之间的耦合性视为发动机内部的扰动并进行自动补偿，且有较强的抗干扰性与鲁棒性。但自抗扰算法需要整定的参数众多，整定起来较为繁琐，有必要利用新型的优化算法实现控制参数的智能整定。3、为了克服目前变循环发动机控制系统设计的不足，本发明提出一种基于智能抗扰策略的变循环发动机多变量控制设计，利用改进的粒子群算法对典型工况点下的耗油率进行优化并以此作为控制的参考指令值，然后采用四变量闭环的多变量抗扰控制策略；并对自抗扰控制器中扩张状态观测器的非线性函数进行改进，提升鲁棒控制效果；同时利用改进的粒子群优化算法实现控制器参数的智能整定，提高控制精度与控制速度，降低了参数整定难度，这在变循环发动机的运用上具有重要的工程意义。技术实现思路1、针对现有技术的不足，本发明提出了一种基于智能抗扰策略的变循环发动机多变量控制设计方法。2、本发明的技术方案：3、一种基于智能抗扰策略的变循环发动机多变量控制设计方法，步骤如下：4、s1：设计一种改进的粒子群算法，具体提出一种指定搜索方向的优化策略，对亚声速典型工况点下的耗油率进行优化5、s1.1：设置变循环发动机模型的高度、马赫数以及耗油率优化所需的参考推力；6、s1.2：初始化粒子种群n、最大迭代次数iter、种群的位置与速度、种群的维度dim；7、s1.3：将种群位置代入到待优化的变循环发动机模型中，得出适应度值即为种群初始最佳位置；然后在前m次迭代时，将种群初始最佳位置替换为指定的最佳位置即指定的搜索方向；m代表指定的搜索方向需要保持的次数，不超过5；8、s1.4：更新种群的位置与速度；9、10、式中，为第i个粒子的位置，维度为；为第i个粒子的速度；其中i=1,2,…,n，n为粒子群的总个数；k为当前迭代次数；对于第i个粒子的第j维的速度的更新公式如下：11、<mstyledisplaystyle="true"mathcolor="#000000"><msub><msup><mi>v</mi><mo>″</mo></msup><mi>i</mi></msub><mi>(</mi><mi>k</mi><mo>+</mo><mn>1</mn><mi>)</mi><mi>=</mi><mrow><mo>{</mo><mtablecolumnalign="left"><mtr><mtd><mstyledisplaystyle="true"mathcolor="#000000"><msup><mi>ω</mi><mo>′</mo></msup></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msup><mi>v</mi><mo>″</mo></msup></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msub><mrow/><mi>i</mi></msub></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>(</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>k</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>)</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mo>+</mo></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>c</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msub><mrow/><mn>1</mn></msub></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>r</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msub><mrow/><mn>1</mn></msub></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>[</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>p</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msub><mrow/><mi>i</mi></msub></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>(</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>k</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>)</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>−</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msup><mi>x</mi><mo>′</mo></msup></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msub><mrow/><mi>i</mi></msub></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>(</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>k</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>)</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>]</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mo>+</mo></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>c</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msub><mrow/><mn>2</mn></msub></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>r</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msub><mrow/><mn>2</mn></msub></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>[</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>p</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msub><mrow/><mrow><mi>g</mi><mi>_</mi><mi>con</mi></mrow></msub></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>−</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msup><mi>x</mi><mo>′</mo></msup></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msub><mrow/><mi>i</mi></msub></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>(</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>k</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>)</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>]</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi></mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi></mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>k</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>≤</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>m</mi></mstyle></mtd></mtr><mtr><mtd><mstyledisplaystyle="true"mathcolor="#000000"><msup><mi>ω</mi><mo>′</mo></msup></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msup><mi>v</mi><mo>″</mo></msup></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msub><mrow/><mi>i</mi></msub></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>(</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>k</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>)</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mo>+</mo></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>c</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msub><mrow/><mn>1</mn></msub></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>r</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msub><mrow/><mn>1</mn></msub></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>[</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>p</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msub><mrow/><mi>i</mi></msub></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>(</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>k</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>)</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>−</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msup><mi>x</mi><mo>′</mo></msup></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msub><mrow/><mi>i</mi></msub></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>(</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>k</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>)</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>]</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mo>+</mo></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>c</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msub><mrow/><mn>2</mn></msub></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>r</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msub><mrow/><mn>2</mn></msub></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>[</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>p</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msub><mrow/><mi>gi</mi></msub></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>(</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>k</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>)</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>−</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msup><mi>x</mi><mo>′</mo></msup></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><msub><mrow/><mi>i</mi></msub></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>(</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>k</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>)</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>]</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi></mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi></mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>k</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>&gt;</mi></mstyle><mstyledisplaystyle="true"mathcolor="#000000"><mi>m</mi></mstyle></mtd></mtr></mtable></mrow></mstyle>12、式中，为整个粒子群的历史最优值；为第i个粒子的历史最优值；和为学习因子，为非负常数；和为均匀分布在[0,1]区间的随机数；为惯性权重；代表指定的历史最佳位置，即指定的搜索方向；13、s1.5：将更新后的种群位置代入到待优化的变循环发动机模型中求出更新后的适应度值；14、s1.6：重复步骤s1.4和s1.5，经过多次迭代找到最优解即对应最低耗油率的一组发动机控制量，并输出；15、s2：基于改进粒子群优化耗油率的结果，选择四组控制回路：燃油-高压压气机相对转速、尾喷管临界面积-总压比、核心风扇导叶角度-风扇后内涵压力、高压压气机导叶角度-高压压气机后压力，并利用改进自抗扰算法建立变循环多变量控制系统：16、s2.1：根据抗扰算法原理设计跟踪微分器td17、跟踪微分器的作用是用来安排过渡过程和提取微分信号，以减小超调。在一般的控制系统中，误差由设定值与被控对象输出值直接做差得到，这种误差的取法使得控制系统的初始误差很大，容易引起“超调”。因此，采用td先安排合理的过渡过程，将过渡过程与被控对象输出做差，这是解决pid控制算法的“快速性”和“超调”之间矛盾的有限办法，也是提高系统鲁棒性的办法。安排过渡过程的目的是通过对期望值进行低通滤波，使输入更加平滑，这样可以减少突变和不稳定性，并有助于系统更稳定地响应参考指令。韩京清教授在“从pid技术到自抗扰技术”中提出一种通过最速控制实现指令跟踪的最速离散跟踪微分器：18、19、其中，函数是一种最速控制的综合函数，具体表现如下式：20、21、其中，、、、、是中间变量；是与之差，等于；是仿真步长，当系统没有噪声干扰时，取的值等于；为滤波因子，越大滤波效果越好；为速度因子，决定安排的过渡过程跟踪参考值指令值的速度，在实际控制中，越大期望响应时间越短；为符号函数；为参考指令，为系统变量代表安排的过渡过程，为系统变量代表安排的过渡过程的微分，函数中，；22、s2.2：设计改进非线性扩张观测器23、s2.2.1：根据抗扰算法原理设计传统的非线性扩张观测器nleso24、扩张观测器本质为高增益观测器，是抗扰技术中最核心部分，可以对非线性系统的状态和扰动进行观测，并通过反馈进行补偿从而起到抗干扰效果。当发动机为被控对象时，可以通过扩张观测器对传感器噪声干扰、输入回路扰动、模型参数摄动（拉偏）以及环境扰动进行观测，同时利用非线性误差反馈，对观测到的扰动误差进行及时补偿。首先构建传统非线性扩张观测器：25、26、其中，y为系统输出，是对系统状态量的估计值、是对系统状态量变化率的估计值，而是对扩张状态的估计值；是的导数、是的导数、是的导数；e是与之差；为观测器增益，控制着观测效果属于可调节参数，关于参数的整定，高志强教授提出了带宽整定法，即针对二阶被控对象将参数分别配置为，将三个待整定参数转化为带宽的调节；为补偿项为常数；为控制量；为非线性函数，在进行实际仿真时，取：27、28、其中，为0到1的常数，为滤波常数，决定着函数线性区间的大小，令扩张观测器有滤波功能；29、s2.2.2：设计改进非线性扩张观测器30、fal函数是一个重要的非线性项，它的收敛速度决定了扩张观测器对系统不确定性和干扰性进行观测的性能。因此通过改进fal函数可改善整个控制系统的响应速度和抗干扰能力。故本发明采用一种改进的fal函数如下式所示：31、32、其中，m、n为常数，根据实际情况进行选取；33、将改进的fal函数代入到非线性扩张观测器中，得到改进非线性扩张观测器：34、35、s2.3：根据抗扰算法原理设计非线性状态误差反馈nlsef36、经典的pid控制是一种简单的线性组合，包括比例、积分和微分三个反馈控制项，但该方法存在一定局限性。在传统的变循环发动机控制系统中，通常采用pi控制算法；该算法利用误差的积分反馈来消除稳态误差，以此提高精度；然而，积分反馈也会引发一些问题，如积分饱和等副作用。而nlsef采用的是基于函数的非线性pd控制器，在一定的观测误差范围内，通过扰动补偿可以实现稳态误差为零。因此，非线性pd控制器不仅可以避免积分反馈导致的积分饱和问题，还能确保良好的稳态精度，其构成如下式：37、38、其中，是非线性误差反馈的输出，是安排的过渡过程与对系统状态量的估计值的误差，是安排的过渡过程的微分与对系统状态量变化率的估计值的误差，、为控制器增益；、为0到1的常数；39、由于将系统的内外扰动和不确定项扩张为新的状态，并利用对扩张状态的估计值对其进行估计，设计合适的补偿因子变循环发动机的控制量取成：40、41、s3：采用改进的粒子群算法对改进的自抗扰控制器参数进行智能整定；42、s3.1：根据采用的四回路多变量闭环控制，将待调节参数分为四组，每组中产生的参数分别进行优化整定；首先对每组中待调节的参数进行分析，跟踪微分器中产生的参数有：、；非线性扩张观测器中产生的参数有：、m、n；非线性误差反馈中产生的参数有：、、、、；其中、分别与滤波和跟踪速度有关，因此直接手动设置；其他的参数通过算法进行优化整定；然后将其中一个回路闭环控制，其他三组回路采用开环方式与开环控制计划一同输入到变循环发动机中；43、s3.2：针对控制过程中的动态指标（推力波动量、推力调节时间）、稳态指标（稳态误差）提出相应的限制约束条件并转化为优化问题：44、45、其中为误差之和，为推力稳态误差， 为高压压气机相对转速稳态误差，为总压比稳态误差，为高压压气机后压力稳态误差，为风扇后内涵压力稳态误差，为切换过程中最大动态推力，为稳态推力，为推力调节时间。、为常数根据误差要求取得，由于高压压气机相对转速稳态误差与总压比稳态误差数量级较小，故采用系数相乘的形式将其放大。46、s3.3：利用改进粒子群算法对每组的待调节参数进行优化，当一组控制回路参数调节成功后，加入另一组闭环控制回路，直至完成四组闭环控制回路的参数调节。47、s4：验证基于智能抗扰策略的多变量控制的优越性，在matlab中搭建simulink模型进行仿真实验。48、本发明的有益效果：本发明中，变循环发动机由正常模式切换到最低油耗模式时，传统的pid控制方式难以保证其抗扰性。本发明首先采用改进的粒子群算法在保证变循环发动机安全的前提下，对发动机耗油率进行优化，提高了发动机巡航能力；然后把优化结果作为控制参考指令值，采用四变量闭环的多变量抗扰控制策略并对扩张观测器进行改进，从而提高了发动机控制系统的鲁棒性与抗扰性；最后提出采用改进粒子群算法智能整定抗扰控制器参数，提高控制精度与控制速度，降低了参数整定难度。当前第1页12当前第1页12