基于机器学习算法的涡轴发动机稳态开环控制设计方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110348079A(43)申请公布日2019.10.18(21)申请号201910556880.3(22)申请日2019.06.25(71)申请人南京航空航天大学地址210016江苏省南京市江宁区将军大道29号(72)发明人潘慕绚黄如意黄金泉(74)专利代理机构南京瑞弘专利商标事务所(普通合伙)32249代理人彭雄(51)Int.Cl.G06F17/50(2006.01)G06F17/12(2006.01)G06F17/15(2006.01)G06K9/62(2006.01)G06N20/00(2019.01)权利要求书2页说明书6页附图2页(54)发明名称基于机器学习算法的涡轴发动机稳态开环控制设计方法(57)摘要本发明公开了一种基于机器学习算法的涡轴发动机稳态开环控制设计方法，本发明采用两个PID控制器构成内外回路对涡轴发动机转速进行控制，获取涡轴发动机各稳态点处的输入输出数据，通过燃气涡轮负反馈内回路，使落在内回路中的干扰，经内回路及时得到抑制，减少对外回路的影响，有利于外回路克服落在外回路的负载干扰，因此整个系统有较高质量的控制性能。将所获取的稳态点数据分成2组，一组为训练样本集，一组为测试样本集。CN110348079ACN110348079A权利要求书1/2页1.一种基于机器学习算法的涡轴发动机稳态开环控制设计方法，其特征在于，包括以下步骤：步骤1)，采用串级PID控制器采集涡轴发动机飞行包线内稳态点数据；步骤2)，基于稳态点数据和支持向量机方法建立涡轴发动机智能稳态开环控制模型；步骤2.1)，根据步骤1.2)中所得稳态点数据集将稳态点数据分为2组，第1组为训练样本集，第2组为测试样本集，选取包线内典型点作为训练样本集，剩余数据作为测试样本集；步骤2.2)，采用最小二乘支持向量机，将不等式约束规划变换成等式约束规划，用平方损失函数代替ε不敏感损失函数；选择高斯核函数作为支持向量机的核函数，得到涡轴发动机智能稳态开环控制模型；设置正则化参数，用来控制模型的复杂度和训练误差；设置核函数宽度参数初值，控制函数的径向作用范围；以稳态点数据集中的飞行高度、马赫数、总矩角为输入量，发动机所需燃油流量为输出量，利用训练样本集训练涡轴发动机智能稳态开环控制模型；最小二乘支持向量机：其中，y表示最小二乘支持向量机的预测输出，x表示预测模型输出对应的输入，xi表示T训练样本输入，N表示训练样本集的规模，α＝[α1,…,αN]为Lagrange乘子，k(·,·)为核函数，b表示偏置值；步骤2.3)，以测试样本集中的飞行高度、马赫数、总矩角为输入量，通过涡轴发动机智能稳态开环控制模型获得稳态燃油量，将计算获得的燃油量与测试样本集中的输出燃油量进行对比，测试涡轴发动机智能稳态开环控制模型；步骤2.4)，如果模型精度不满足要求，则返回步骤2.2)，调整正则化参数和核函数宽度参数，重复步骤2.2)和步骤2.3)，直至模型精度满足要求。2.根据权利要求1所述基于机器学习算法的涡轴发动机稳态开环控制设计方法，其特征在于：最小二乘支持向量机建立的方法：最小二乘支持向量机的数学模型如下所示：其中，J表示目标函数，ω表示权重，b表示偏置值，N表示训练样本集的规模，di表示训练T样本输出，xi表示训练样本输入，e＝[e1,…eN]代表系统真实输出与预测值之间的误差，C∈R+是正则化参数用来控制模型的复杂度和训练误差，是一个非线性变换用来把输入空间中的非线性拟合问题转化为特征空间的线性拟合问题；为了解这个优化问题，需要构造一个Lagrange函数：T其中，L表示拉格朗日函数，α＝[α1,…,αN]为Lagrange乘子，上式的KKT条件为：2CN110348079A权利要求书2/2页在消去ei和ω后，得到如下线性方程组：其中K为核矩阵，I为适维单位矩阵，k(·,·)为核函数，通过求解线性方程组，得到如下最小二乘支持向量机：其中，y表示最小二乘支持向量机的预测输出，x表示预测模型输出对应的输入，xi表示T训练样本输入，N表示训练样本集的规模，α＝[α1,…,αN]为Lagrange乘子，k(·,·)为核函数，b表示偏置值。3.根据权利要求2所述基于机器学习算法的涡轴发动机稳态开环控制设计方法，其特征在于：步骤1)中包线包括高度0-6000m、马赫数0-0.4，根据旋翼负载特性定义负载总距0-12，按照高度ΔH＝500，马赫数ΔMa＝0.05对涡轴发动机进行包线划分，按照ΔFs＝1划分旋翼负载总距。4.根据权利要求3所述基于机器学习算法的涡轴发动机稳态开环控制设计方法，其特征在于：步骤1)中串级PID控制器分别为nG_PID控制器和nP_PID控制器，nG_PID控制器构成燃气涡轮转