[发明专利]一种滚动优化预测闭环控制器及系统

说明书

本发明涉及发动机推力控制领域，更具体的说，涉及一种滚动优化预测闭环控制器及系统。本发明提出的一种滚动优化预测闭环控制器，包括推力管理器；信号处理器；控制器系数调度器，接收信号处理器发送的信号，结合存储的离线获取的信息，向推力预测闭环控制器提供所需要的发动机动态模型信息；推力预测闭环控制器，根据发动机动态模型信息和信号处理器提供的第一发动机状态信息，进行推力预测闭环所需要的燃油控制量的计算；燃油控制量选择器，对燃油控制量进行选择，输出对应的燃油指令。本发明可以实现发动机动态运行推力预测的闭环控制，改进了发动机推力控制系统开发的效率，改善了发动机动态过程的控制性能指标。

技术领域

本发明涉及发动机推力控制领域，更具体的说，涉及一种滚动优化预测闭环控制器及系统。

背景技术

航空发动机的工程应用领域发展到全权限数字技术时代后，对发动机的安全运行保护相关的需求不断提高，尤其是在动态运行过程中的推力控制的准确度，全球上各大飞机发动机生产商和相关科研机构均投入大量的研发资源研究。

目前各大发动机OEM(Original Equipment Manufacturer，定点生产)计划极少报道过，采用机载控制器对发动机的推力直接进行闭环控制，工程上一般采用试车台(地面、飞行等)上标定推力和转速的关系，采用换算转速表和推力的关系曲线，对换算转速进行控制来达到推力控制的目的。

这种方式的特点是需要对发动机的各种运行场景进行试车标定，开发成本较高且动态自适应能力较差。

中国发明CN201710931188.5采用模型预测控制的思路，提出了一种基于模型预测控制的混合动力船舶的能量管理方法；选取马尔科夫模型对混合动力船舶需求功率进行预测，结合模型预测控制的原理，运用动态规划的方法在预测时域内以燃油消耗最小化为目标进行功率分配的优化。该方法存在理论求解方法的步骤繁琐问题。

中国发明CN201711134813.X公开了一种自适应RBF神经网络进行航空发动机推力估计的算法，基于粒子群算法提出了自适应RBF神经网络。在改进的粒子群算法中，针对不同的网络隐含层节点数，设置与隐含层节点数种类个数相同的局部最优解。该方法同样存在理论求解方法的步骤繁琐问题。

发明内容

本发明的目的是提供一种滚动优化预测闭环控制器及系统，解决现有技术的发送机动态推力预测控制求解复杂、性能较差的问题。

为了实现上述目的，本发明提供了一种滚动优化预测闭环控制器，包括推力管理器、信号处理器、控制器参数调度器、推力预测闭环控制器和燃油控制量选择器：

推力管理器，根据的油门杆角度信号和推力模式信号，计算得到发动机运行推力期望指令并输出到推力预测闭环控制器；

信号处理器，根据采集到得原始传感器信号，完成标定转化后信号真实物理数值的计算，并输出到相应模块；

控制器系数调度器，接收信号处理器发送的涡扇发动机高压转子换算转速信号，结合存储的离线获取的信息，向推力预测闭环控制器提供所需要的发动机动态模型信息；

推力预测闭环控制器，根据控制器系数调度器提供的发动机动态模型信息和信号处理器提供的第一发动机状态信息，进行推力预测闭环所需要的燃油控制量的计算，将计算结果发送给燃油控制量选择器；

燃油控制量选择器，对燃油控制量进行选择，输出对应的燃油指令。

在一实施例中，所述发动机动态模型如下所示：

X＝[π,Δ]^T，u＝[α_I,β]^T；π＝Ps3/P0；

W_f(t)＝α_I·Δ(t)+β(t)；