[发明专利]基于自适应增强算法的涡扇发动机直接数据驱动控制方法

说明书

本发明属于航空发动机控制技术领域，本发明提出了一种基于自适应增强算法的涡扇发动机直接数据驱动控制方法。首先基于最小二乘支持向量机算法，设计涡扇发动机控制器，进一步，通过自适应增强算法改变训练样本的权重，从而构建成多个基本学习器组合成强学习器的涡扇发动机直接数据驱动控制器。相对于过去仅采用LSSVM的方案，通过使用自适应增强方法，不仅提高了控制精度，而且提升了算法的泛化能力，并有效解决了样本稀疏性问题。通过本发明设计的基于自适应增强算法的涡扇发动机直接数据驱动控制方法。

技术领域

本发明属于航空发动机控制技术领域，具体涉及一种基于自适应增强算法的涡扇发动机直接数据驱动控制方法。

背景技术

涡轮风扇发动机，简称为涡扇发动机，以其高推进效率，低燃油消耗率等优点广泛应用于军用和民用领域。控制系统作为涡扇发动机的大脑，是直接决定其安全和性能的关键部件。涡扇发动机作为一个复杂的强非线性系统，如何对其进行有效的控制成为了一个难题。传统的涡扇发动机控制系统采用PID控制算法和MIN/MAX切换相结合的控制方式，这种方式具有保守性，性能提升小，动态响应慢。与此同时，随着新兴的控制理论相继出现及在其他领域的验证和应用，如何采用先进的控制技术，改善涡扇发动机传统控制所带来的保守性，提高涡扇发动机的安全性和性能，具有重要的应用意义。

已有文献表明，涡扇发动机控制技术主要分为基于模型的方法和基于数据驱动的方法。首先，在基于模型的控制方法中，如果明确控制对象的动力学行为，便可以据此设计出控制器使被控对象达到所需的控制要求，而对于涡扇发动机这样一个复杂的热力学系统，很难达到理想的精确参数的模型，所以很难使涡扇发动机达到最优的控制效果。另一方面，则是基于数据驱动的控制方法，这种方法可以直接利用被控系统或在线或离线的输入输出的数据，而不用通过分析和使用被控对象的数学模型来设计控制器，同样可以达到预设的控制目标。因此相对于基于模型的控制方法，基于数据的航空涡扇发动机控制摆脱了对于其精确模型的依赖性，解决了在未建立涡扇发动机精确数学模型，或很难建立机理模型时对涡扇发动机实现有效控制的问题。然而，对于数据驱动的算法，存在以下问题：1、单一模型泛化能力较弱，不能完全对涡扇发动机这类复杂非线性系统不同工况下、全包线范围内进行控制；2、由于涡扇发动机试验数据相对较少，容易出现数据样本稀疏性问题，从而降低数据驱动模型的精度和泛化能力。因此，针对以上问题，设计一种能够解决泛化能力较弱和样本稀疏性问题的涡扇发动机的直接数据驱动控制方法，具有重大的意义。

发明内容

针对现有涡扇发动机控制方法存在的问题，本发明提出了一种基于自适应增强算法的涡扇发动机直接数据驱动控制方法。首先基于最小二乘支持向量机(Least SquaresSupport Vector Machine,LSSVM)算法，设计涡扇发动机控制器，进一步，通过自适应增强算法改变训练样本的权重，从而构建成多个基本学习器组合成强学习器的涡扇发动机直接数据驱动控制器。相对于过去仅采用LSSVM的方案，通过使用自适应增强方法，不仅提高了控制精度，而且提升了算法的泛化能力，并有效解决了样本稀疏性问题。

本发明的技术方案：

基于自适应增强算法的涡扇发动机直接数据驱动控制方法，步骤如下：

步骤1：建立涡扇发动机直接数据驱动控制器设计的数据集

步骤1.1：采集涡扇发动机运行过程中的控制信号，包括涡扇发动机的输入燃油流量w_f(n)、低压转子的相对换算转速n_1cor(n)和高压转子的相对换算转速n_2cor(n)，n＝1,2,…表示第n个采样周期；

步骤1.2：Δu表示涡扇发动机的输入，Δy表示涡扇发动机的输出，Δn_1cor(n)与Δn_2cor(n)分别表示涡扇发动机低压转子和高压转子的相对换算转速变化量，Δw_f(n)为涡扇发动机输入燃油流量的变化量，定义