航空发动机分布式控制系统不确定性容错控制研究

this study aims to reduce the effects of uncertainty on aero-engine distributed control system. The influence of network uncertainty (network induced delay and packet drop) and system uncertainty (parameter perturbation of the model, soft faults of the smart nodes, random disturbance and unpredictable changes of the working condition) on the static performance of the distributed closed-loop system were studied. Furthermore, new fault tolerant control methods were researched for various aero-engine states under the condition of multiple uncertainties. According to different network conditions and aero-engine working states, three different fault tolerant control strategies were designed, which were steady-state with communication limitation, transition-state with communication limitation and transition-state with no communication limitation, to ensure the reliability of the aero-engine in any possible states regardless of any possible uncertainty. Three key problems were placed in the spotlight: the robust stabilization of uncertain small deviation state space model closed-loop system, a balance between network quality of service and control system quality of performance under the condition of communication limitation, error compensation mechanism of neural network multi-step prediction under the influence uncertainty. In the future, when choosing data bus and smart components for the aero-engine distributed control system, this research will act as a fairly reliable reference; when designing algorithm for the distributed FADEC, this research will provide researchers with new ideas and methods. The significant theoretical and engineering value of this research is thus quite obvious.

本项目针对航空发动机分布式控制系统，研究网络不确定性（网络诱导时延、数据丢包）和系统不确定性（模型的参数摄动、现场节点的软性故障、随机性干扰及环境条件的随机性变化等）对分布式闭环系统动静态特性的作用机制，并在多元不确定因素并存条件下，探索航空发动机各工作状态的容错控制新方法。根据网络条件和发动机工作状态不同，分别针对稳态通信受限、过渡状态通信受限和过渡状态通信不受限三种情况设计不确定性容错控制策略，保证发动机各工作状态在多元不确定因素影响下均能够可靠工作。着重解决不确定的小偏离状态空间模型闭环系统的鲁棒镇定、通信受限时网络服务质量与控制系统性能品质之间的最优协同以及不确定因素影响下的神经网络多步预测误差补偿机制三个关键问题。该研究为航空发动机分布式控制系统数据总线、智能部件的选择和研制提供依据，为分布式全权限数字电子控制器的算法设计提供新的思路和方法，具有重要的理论意义和工程应用价值。

通信网络的介入为控制系统带来诸多优点的同时，也为控制系统带来了新的问题，而使控制系统对不确定性具有一定的容错能力是航空发动机分布式控制系统设计和研制的一项重要指标。鉴于此，本项目将影响航空发动机分布式控制系统正常工作的网络不确定因素和系统不确定因素纳入控制器设计体系，研究涉及以下内容：. 第一，提出了一种基于线性矩阵不等式理论的网络参数与保成本容错控制器协同设计方法。首先建立调度协议作用下，状态变量和控制变量的传输特性；其次分析在通信受限情况下网络诱导时延与网络参数之间的内在联系，求取调度协议约束下的网络参数与控制系统参数联合模型；再次给出联合闭环系统渐进稳定且存在成本函数上界的充分条件；最后提出一种启发式优化求解方法，并在此基础上给出网络参数与控制器增益的具体求解步骤。. 第二，提出了一种基于飞行包络线、嵌入TOD调度策略的非线性T-S h无穷控制方法。首先，在各飞行包络点上，采用非线性状态空间方程与TOD调度算法相结合的方法，建立了航空发动机T-S模糊模型。然后，利用李雅普诺夫函数法和切换系统理论设计了鲁棒h无穷控制器，以保持T-S型航空发动机分布式控制系统的渐近稳定性和鲁棒性。最后通过仿真实例验证了该方法的有效性。. 第三，针对具有网络约束、干扰和长时延的航空发动机分布式控制系统，建立了支持向量机智能逆控制器和支持向量机NARMA参考模型，设计了基于LSTM（长短时记忆）在线多步误差补偿的随机调度策略。对飞行包络线中的最优规则条件进行训练，得到离线逆控制器。在将LSTM补偿引入整个系统后，模拟给出了三种不利无线网络环境下，四种随机工况条件下的系统误差和控制性能。. 另外，以某型航空发动机为研究对象，将传统的飞行包线划分法与RBF神经网络逼近特性相结合，实现了在控制过程中对任意工作点建模误差的实时补偿，并以某型航空发动机数据进行了控制效果仿真验证。再者，对航空发动机分布式控制系统硬件在回路仿真平台试验结果进行了分析。