[发明专利]基于海鸥优化算法的冲压发动机自抗扰控制设计方法

说明书

一种基于海鸥优化算法的冲压发动机自抗扰控制设计，首先利用随机森林算法提取出对控制量最敏感的压力输出量，加入跟踪微分器，柔化启动环节，对给定压力信号进行平滑降噪处理得到压力信号及压力的微分信号。然后通过改进的扩张状态观测器观测状态，将冲压发发动机系统内部扰动和外部扰动看作一个整体扰动并观测出来，反馈到控制算法中，再通过非线性状态误差反馈将ESO的整体误差补偿到控制系统中，对其进行补偿。采用改进的自适应海鸥优化算法整定控制参数。本发明能够达到使冲压发动机要求按照指定控制压力指令阶跃运行，在满足指令的同时，大幅减小压力阶跃跳变时产生的扰动和误差，并且简化调参复杂度，提高寻优过程的收敛速度与寻优精度。

技术领域

本发明涉及一种基于海鸥优化算法的冲压发动机自抗扰控制设计，属于航空发动机控制领域。

背景技术

本发明使用的模型是某型冲压发动机，冲压发动机是一种新型的、用于高速飞行的、尖端航空科学技术。其中冲压发动机内燃烧室内压力调节控制是关乎冲压发动机能否高性能运转的一个关键要素之一。冲压发动机压力调节系统属于复杂的多输入多输出系统，耦合性强，被控压力和控制量都不止一个，且每一个被控压力受多个控制量的影响，每一个控制量同时对多个被控压力有影响，尤其是遇到少控多的控制场景，例如冲压发动机的3个控制量控制10组被控压力，因此变量选择在多输入多输出的复杂系统是非常重要的。合适的特征变量选择能帮助构建更好的控制器，且能帮助进一步了解这些变量的控制相关性，帮助分析发动机工作性能。

对于冲压发动机燃烧室的沿程压力，通常受到各种扰动因素的影响，比如实际应在工作过程中受温度、压强等环境因素的影响，发动机燃烧室的沿程压力会发生不同程度的变化。这增加了控制难度，设计一种具有良好抗干扰能力的控制器十分必要。自抗扰控制(Active Disturbance Rejection Control,ADRC)是韩京清教授提出的一种控制方法，采取自抗扰控制(ADRC)可以将冲压发动机这一复杂控制对象变为简单的积分串联型控制对象，同时解决响应速度和超调性的矛盾，解决模型未知部分和外部扰动对冲压发动机的影响。但ADRC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自整定。

鉴于以上，为了克服目前冲压发动机压力调节系统设计的不足，本发明提出一种基于海鸥优化算法的冲压发动机自抗扰控制设计，采取随机森林变量选择算法筛选最能表征控制量的特征压力，摒除相关性小的变量和冗余特征压力，对高维的数据进行维度约简；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；同时利用改进的海鸥优化算法实现控制参数自整定，提高控制精度与控制速度，降低了参数整定难度，这在冲压发动机的运用上具有重要的工程意义。

发明内容

针对现有技术的不足，本发明提出了一种基于海鸥优化算法的冲压发动机自抗扰控制设计。

本发明的技术方案：

一种基于海鸥优化算法的冲压发动机自抗扰控制设计方法，步骤如下：

S1：基于多变量少控多的控制目标，实现m个控制量控制n组被控量，m＜n，从n组被控压力中选取m组沿程压力作为最有效的压力被控量，结合随机森林变量选择的方法确定被控量；

S1.1根据冲压发动机控制要求，运行发动机模型，获取输出的压力数据，被控量为P＝[p₁,…p_i,…p_n]^T即类变量，控制量为U＝[u₁,…u_i,…u_n]^T，u_i和p_i是同一回路中的变量；将发动机模型输出的压力数据作为原始训练集D，每条数据含有M个特征，K为样本数量，j为分类树数量；

S1.2抽取训练子集，从原始训练集D中有放回地随机选取K个样本，并重复K次，作为训练子集；原始训练集D中除去采样得到的训练子集外的部分，作为袋外数据集，用OOB表示；