一种倾转旋翼机飞发综合控制方法

本发明航空器控制，具体涉及一种倾转旋翼机飞发综合控制方法。

背景技术：

1、倾转旋翼飞机的特点是采用旋转式短舱，在短舱垂直于机翼时采用直升机模式，在平行时采用涡桨模式，航程比直升机更远，速度更快，机动性更强，运行成本比涡桨飞机更低，是一种具有发展前景的高速直升机。从直升机模式到涡桨飞机模式(或反之亦然)的过渡过程被称为转换模式。它代表了倾转旋翼机最具特色的操作流程。为了确保在倾转过渡顺利执行，必须在称为倾转走廊的特定限制内进行。在倾转阶段，倾转旋翼机所需功率发生了快速而复杂的变化。如果涡轮轴发动机不能及时调整其状态以匹配负载需求，则可能导致倾转旋翼机状态剧烈波动甚至模式转换失败。这对动力供给系统提出了严格的要求，要求涡轮轴发动机及时、充足地提供动力。为了实现这一目标，一个重要的方法是采用倾转旋翼机涡轴发动机飞机/发动机综合控制方法，利用两个系统之间的交互关系，发挥涡轴发动机的性能潜力，以确保倾转旋翼以及涡轴发动机模式的平稳转换。

2、如果涡轴发动机对功率需求变化的响应出现延迟，导致动力涡轮转速出现超调下垂，引起旋翼转速波动，倾转旋翼飞机的飞行稳定性将受到影响。在常规直升机方面，james采用多项式神经网络作为前馈信号预测直升机需求扭矩，提出了一种构建飞机/发动机交联信号的新方法。孙立国介绍了一种基于迭代化简最小二乘支持向量回归机的动态扭矩信息预测方法。此外，设计了发动机转矩补偿控制器，与传统的总距补偿方案相比，涡轮转速下垂可显著降低10％以。卢辰昊基于内模原理设计了涡轮轴发动机抗扰控制器，利用极限学习机预测转子转矩并对发动机状态变化进行补偿，与无前馈控制方法相比，动力涡轮转速下降30％以上。汪勇开发了涡轮轴发动机的燃气涡轮转加速度串级控制器，建立了转子转矩预测模型，通过预测转矩与发动机实际输出进行比较，实现了燃油输出的补偿。与总距前馈和预测扭矩前馈控制相比，提出的前馈控制方法使动力涡轮转速超调量降低了约14％。为了实现直升机/涡轮轴发动机综合系统的快速响应控制，新型非线性模型预测控制(nmpc)方法是另一个研究方向。王健康将约束非线性模型预测控制应用于涡轮轴发动机，与串级pid控制器相比，显著降低了动力涡轮转速的下降或超调。汪勇基于神经网络获得的直升机旋翼预测模型和基于状态变量模型的涡轴发动机预测模型，提出了一种新的非线性模型预测控制方法，与pid控制器相比，动力涡轮转速的超调量降低了50％。

3、模型预测控制可以有效提高发动机响应速度，但对预测模型的精度和泛化能力要求苛刻；同时，很难在预测模型的复杂性和实时计算的要求之间取得平衡。倾转旋翼转换阶段的功率需求变化受多个飞行任务需求的影响，变化趋势非常复杂，采用总距作为前馈信号无法准确表征该过程中的功率变化。此外，旋翼需求扭矩与功率变化一致，但在测量航空发动机转矩时存在转矩测量延迟并且测量精度有限。最后，现有基于神经网络的预测模型普遍存在结构复杂的问题，考虑到航空工程应用中的安全性和实时性，如何对基于神经网络的预测模型进行有效的轻量化处理也是必须要考虑的。

技术实现思路

1、本发明所要解决的技术问题在于克服现有技术不足，提供一种倾转旋翼机飞发综合控制方法，以倾转旋翼机需求功率作为飞发交联参数，对涡轴发动机控制器进行前馈补偿，并对基于神经网络的需求功率预测模型进行简化处理，以提高倾转旋翼机倾转过渡段工作过程的涡轴发动机动态响应能力。

2、本发明所提出的技术方案具体如下：

3、一种倾转旋翼机飞发综合控制方法，在模式转换过程中，按照以下方法生成涡轴发动机的燃油输出值：根据动力涡轮转速指令与其实际信号反馈值得出动力涡轮转速误差，经比例环节生成内环的燃气涡轮转加速度指令，与估计得出的燃气涡轮转加速度信号作差，得到燃气涡轮转加速度误差，经比例积分环节，得到主回路燃油输出，再叠加上根据功率模型输出计算出的前馈燃油输出δwfbfd＝k(hpann-hpainit)，最终得到涡轴发动机的燃油输出值，其中，k为前馈系数，hpann为功率模型当前计算值，hpainit为初始接入前馈时刻功率模型的计算值；所述功率模型用于对倾转旋翼机的需求功率进行预测，通过以下方法构建得到：

4、s1、确定与需求功率相关的可测飞行参数，并分析这些可测飞行参数对预测倾转旋翼机需求功率的贡献度，剔除其中贡献度低的部分，剩余贡献度高的可测飞行参数作为功率模型的输入特征；

5、s2、根据s1所确定的输入特征，以需求功率作为输出，建立初始bp神经网络模型并进行训练；

6、s3、按照以下方法对训练好的初始bp神经网络模型进行简化：

7、首先使用相关性剪枝方法确定训练好的初始bp神经网络模型中可删除的隐层节点集合r，并将可删除的隐层节点输出通过剩余隐层节点输出等效表示为：其中，vi为可删除的隐层节点集合r中节点i的输出，vu为剩余隐层节点u的输出，系数βiu和ki通过逐步回归法拟合得到；

8、删除集合r中的所有节点并更新剩余的隐层节点与下层节点之间的连接权值以及下层节点的偏置值，得到简化后模型；剩余的第l个隐层节点与下层节点k之间的连接权值wkl更新公式为：下层节点k的偏置值bk更新公式为wki为集合r中的节点i与下层节点k之间的连接权值；

9、s4、对简化后模型进行训练，得到最终的功率模型。

10、优选地，使用随机森林方法分析这些可测飞行参数对预测倾转旋翼机需求功率的贡献度。

11、优选地，使用高阶滤波器估计得出所述燃气涡轮转加速度信号。

12、相比现有技术，本发明技术方案具有以下有益效果：

13、(1)本发明采用倾转旋翼机需求功率作为飞发交联参数，对涡轴发动机控制器进行前馈补偿，能够在复杂工况下及时将负载端需求的变化传递至发动机端，加快涡轴发动机燃油调节的响应速度。

14、(2)本发明采用bp神经网络建立倾转旋翼机需求功率预测模型，对输入参数进行特征筛选，减少输入个数，并使用融合了逐步回归法的神经网络相关性剪枝法删除冗余节点，简化神经网络结构，最终建立具有较高精度并贴合工程应用要求的轻量化功率预测模型。

技术特征：

1.一种倾转旋翼机飞发综合控制方法，其特征在于，在模式转换过程中，按照以下方法生成涡轴发动机的燃油输出值：根据动力涡轮转速指令与其实际信号反馈值得出动力涡轮转速误差，经比例环节生成内环的燃气涡轮转加速度指令，与估计得出的燃气涡轮转加速度信号作差，得到燃气涡轮转加速度误差，经比例积分环节，得到主回路燃油输出，再叠加上根据功率模型输出计算出的前馈燃油输出δwfbfd＝k(hpann-hpainit)，最终得到涡轴发动机的燃油输出值，其中，k为前馈系数，hpann为功率模型当前计算值，hpainit为初始接入前馈时刻功率模型的计算值；所述功率模型用于对倾转旋翼机的需求功率进行预测，通过以下方法构建得到：

2.如权利要求1所述倾转旋翼机飞发综合控制方法，其特征在于，使用随机森林方法分析这些可测飞行参数对预测倾转旋翼机需求功率的贡献度。

3.如权利要求1所述倾转旋翼机飞发综合控制方法，其特征在于，使用高阶滤波器估计得出所述燃气涡轮转加速度信号。

技术总结本发明公开了一种倾转旋翼机飞发综合控制方法。在模式转换过程中，按照以下方法生成涡轴发动机的燃油输出值：根据动力涡轮转速指令与其实际信号反馈值得出动力涡轮转速误差，经比例环节生成内环的燃气涡轮转加速度指令，与估计得出的燃气涡轮转加速度信号作差，得到燃气涡轮转加速度误差，经比例积分环节，得到主回路燃油输出，再叠加上根据功率模型输出计算出的前馈燃油输出，最终得到涡轴发动机的燃油输出值；所述功率模型用于对倾转旋翼机的需求功率进行预测，其为使用改进相关性剪枝法轻量化处理得到的BP神经网络模型。相比现有技术，本发明可有效提高倾转旋翼机倾转过渡段工作过程的涡轴发动机动态响应能力。技术研发人员：郭浩然,汪勇,张海波,李善成受保护的技术使用者：南京航空航天大学技术研发日：技术公布日：2024/10/10