對(duì)于傳統(tǒng)的航空發(fā)動(dòng)機(jī)PID控制器參數(shù)設(shè)計(jì)方法，采用融合蜂群算法進(jìn)行PID控 制參數(shù)優(yōu)化，無需大量的經(jīng)驗(yàn)知識(shí)便可在給定參數(shù)范圍內(nèi)自動(dòng)優(yōu)化得到最優(yōu)控制參數(shù)，能 夠省去人工整定的繁瑣過程；
[0049] (3)本發(fā)明一種基于融合蜂群算法的航空發(fā)動(dòng)機(jī)在線自適應(yīng)最優(yōu)PID控制器設(shè)計(jì) 方法，與傳統(tǒng)的離線優(yōu)化航空發(fā)動(dòng)機(jī)PID控制器參數(shù)方法相比，具有更加靈活的特點(diǎn)，采用 在線優(yōu)化的方法，在每個(gè)采樣時(shí)刻均對(duì)控制參數(shù)進(jìn)行優(yōu)化，得到時(shí)變最優(yōu)參數(shù)，使閉環(huán)系統(tǒng) 在整個(gè)控制過程中始終保持性能最優(yōu)。
【附圖說明】：
[0050] 圖1是本發(fā)明的流程圖。
[0051] 圖2是地面狀態(tài)的轉(zhuǎn)速跟蹤效果圖。
[0052] 圖3是地面狀態(tài)的燃油量變化曲線圖。
[0053] 圖4是地面狀態(tài)的PID控制器參數(shù)變化曲線圖。
[0054] 圖5是高空狀態(tài)的轉(zhuǎn)速跟蹤效果圖。
[0055] 圖6是高空狀態(tài)的燃油量變化曲線圖。
[0056] 圖7是高空狀態(tài)的PID控制器參數(shù)變化曲線圖。
【具體實(shí)施方式】：
[0057] 本發(fā)明一種航空發(fā)動(dòng)機(jī)在線自適應(yīng)最優(yōu)PID控制器設(shè)計(jì)方法，包括如下步驟：
[0058] 步驟1 )，建立航空發(fā)動(dòng)機(jī)的增量化線性數(shù)學(xué)模型；
[0059] 步驟2)，針對(duì)步驟1)中的線性數(shù)學(xué)模型設(shè)計(jì)航空發(fā)動(dòng)機(jī)PID控制器；
[0060] 步驟3)，針對(duì)步驟2)中的PID控制器參數(shù)優(yōu)化問題，設(shè)計(jì)每個(gè)采用時(shí)刻的目標(biāo)性能 函數(shù)；
[0061] 步驟4)，利用步驟3)中設(shè)計(jì)的目標(biāo)性能函數(shù)，在航空發(fā)動(dòng)機(jī)PID控制系統(tǒng)中，在每 個(gè)采樣時(shí)刻用融合蜂群算法對(duì)PID控制器參數(shù)進(jìn)行在線優(yōu)化。
[0062] 其中步驟1)中建立航空發(fā)動(dòng)機(jī)增量化線性數(shù)學(xué)模型的步驟如下：
[0063] 步驟1.1)，根據(jù)航空發(fā)動(dòng)機(jī)氣動(dòng)熱力學(xué)特性和典型的部件特性數(shù)據(jù)建立發(fā)動(dòng)機(jī)部 件級(jí)非線性數(shù)學(xué)模型；
[0064] 步驟1.2)，針對(duì)步驟1.1)中非線性數(shù)學(xué)模型，采用小信號(hào)擾動(dòng)法和擬合法建立航 空發(fā)動(dòng)機(jī)增量化線性數(shù)學(xué)模型。
[0065] 其中步驟3)中對(duì)每個(gè)采樣時(shí)刻的目標(biāo)性能函數(shù)設(shè)計(jì)方法如下：
[0066] 采用誤差絕對(duì)值和誤差變化率的加權(quán)和作為每個(gè)采樣時(shí)刻算法中蜂群個(gè)體參數(shù) 選擇的目標(biāo)函數(shù)，即
[0067] J = ai I e I +〇21 de
[0068] 其中，e = Δ化R- Δ化表示轉(zhuǎn)速跟蹤誤差，de為轉(zhuǎn)速誤差變化率。當(dāng)I e I較大時(shí)，為了 保證閉環(huán)系統(tǒng)能夠有足夠快的動(dòng)態(tài)性能，盡快地降低誤差，通常02取值為0,即不考慮轉(zhuǎn)速 誤差變化率的影響。當(dāng)I e I較小，為防止誤差變化太快而產(chǎn)生超調(diào)，02通常取一定大小的數(shù) 值，但相對(duì)于αι仍然較小。
[0069] 為了避免轉(zhuǎn)速超調(diào)量過大，在目標(biāo)函數(shù)中加入誤差懲罰機(jī)制，即將發(fā)動(dòng)機(jī)轉(zhuǎn)速超 調(diào)量作為最有指標(biāo)的一項(xiàng)，因此最優(yōu)指標(biāo)可W表示為
[0070] if(e<0)J = J+a3|e
[0071] 其中，為了使誤差懲罰功能實(shí)際有效，03-般要遠(yuǎn)大于αι。
[0072] 其中步驟4)中在每個(gè)采樣時(shí)刻用融合蜂群算法對(duì)PID控制器參數(shù)進(jìn)行在線優(yōu)化的 方法如下：
[0073] 步驟4.1)，在當(dāng)前采樣時(shí)刻設(shè)定對(duì)應(yīng)于航空發(fā)動(dòng)機(jī)PID控制器3個(gè)參數(shù)的3維解向 量，并初始化所有的解向量；
[0074] 步驟4.2)，計(jì)算所有解向量的目標(biāo)函數(shù)值，并求得全局最小目標(biāo)函數(shù)值和全局最 優(yōu)解向量；
[0075] 步驟4.3)，開始融合蜂群算法循環(huán)，將雇傭蜂的解向量未更新次數(shù)值置零；
[0076] 步驟4.4)，雇傭蜂進(jìn)行鄰域捜索產(chǎn)生新解，基于貪婪準(zhǔn)則選擇更優(yōu)的解向量；
[0077] 步驟4.5)，若某只雇傭蜂未能提高解向量質(zhì)量，則未更新計(jì)數(shù)加1;
[0078] 步驟4.6)，計(jì)算每只雇傭蜂被選擇的概率，觀察蜂按概率隨機(jī)選擇雇傭蜂，概率值 越大的雇傭蜂越可能被觀察蜂選擇；
[0079] 步驟4.7)，最后一只觀察蜂選擇步驟4.4)中產(chǎn)生的最優(yōu)解向量；
[0080] 步驟4.8)，觀察蜂進(jìn)行鄰域捜索，基于貪婪準(zhǔn)則選擇更優(yōu)解，按照步驟4.5)中的方 法計(jì)算未更新計(jì)數(shù)值；
[0081] 步驟4.9)，觀察蜂用進(jìn)行交叉運(yùn)算產(chǎn)生新解，若新解質(zhì)量?jī)?yōu)于原來的解向量，則用 新解向量代替原來的解，并按照步驟4.5)中的方法計(jì)算未更新計(jì)數(shù)值；
[0082] 步驟4.10)，確定本次循環(huán)的最優(yōu)目標(biāo)函數(shù)值，若優(yōu)于上次循環(huán)得到的全局最優(yōu)目 標(biāo)函數(shù)值，則將它賦給全局最優(yōu)目標(biāo)函數(shù)值，并把對(duì)應(yīng)的解向量賦值給全局最優(yōu)解向量；
[0083] 步驟4.11)，若某只雇傭蜂的未更新計(jì)數(shù)值達(dá)到設(shè)定的最大未更新次數(shù)，則該雇傭 蜂又變成偵察蜂，并重新初始化解向量；
[0084] 步驟4.12)，若未達(dá)到設(shè)定的循環(huán)迭代次數(shù)，則轉(zhuǎn)到步驟4.4)，否則，融合蜂群算法 結(jié)束，得到航空發(fā)動(dòng)機(jī)PID控制器在當(dāng)前采樣時(shí)刻全局最優(yōu)解向量，即PID控制器參數(shù)。
[0085] 其中步驟4.1)中初始化解向量的方法如下：
[0086] Xmi = lower(i)+rand(0,1) X (upper(i)-lower(i))
[0087] Xmi表示第m個(gè)雇傭蜂對(duì)應(yīng)的解向量的第i維值，lower(i)和upper(i)分別是Xmi的 最小值和最大值，1含m含Colonysize/2，Colonysize是種群大小，rand是0至Ijl之間的隨機(jī) 數(shù)。
[0088] 其中步驟4.4)中鄰域捜索產(chǎn)生新解法的方法如下：
[0089] X'mj = Xmj+rand(-l，1) X (Xmj-Xkj)甘and(0,1) X (Pgj-Xmj)
[0090] 其中，k、j為隨機(jī)數(shù)，且k辛m，1 < j < Dim，Dim為解向量的維數(shù)，rand(0，1) X (Pgr Xmj)為全局最優(yōu)位置引導(dǎo)項(xiàng)，Pgj為全局最優(yōu)解向量的第j維分量，若X'mj超過取值范圍，則取 臨近的極限值來代替。引入全局最優(yōu)位置引導(dǎo)項(xiàng)后，蜂群在進(jìn)行鄰域捜索時(shí)將趨向全局最 優(yōu)位置，避免了鄰域捜索的盲目性。
[0091] 其中步驟4.6)中觀察蜂隨機(jī)選擇雇傭蜂的概率公式為：
[0092]
[0093] 即對(duì)于第m個(gè)雇傭蜂，其被觀察蜂選擇的概率為Pm，fit(玄表示是：向量的適應(yīng)度 函數(shù)值。
[0094] 其中步驟4.9)中觀察蜂進(jìn)行交叉運(yùn)算產(chǎn)生新解采用的方法如W下公式所示：
[0095]
[0096] 其中，α為0到1之間的隨機(jī)數(shù)，l<m<Colonysize/2，m為奇數(shù)。上述公式實(shí)際上是 在觀察蜂階段融入交叉算子，在觀察蜂進(jìn)行鄰域捜索并進(jìn)行貪婪選擇后，兩兩相鄰的解向 量按照設(shè)計(jì)的交叉概率進(jìn)行交叉運(yùn)算。
[0097] 本發(fā)明【具體實(shí)施方式】W某型航空發(fā)動(dòng)機(jī)為例，航空發(fā)動(dòng)機(jī)控制對(duì)象可視為主供油 執(zhí)行機(jī)構(gòu)和燃油轉(zhuǎn)速系統(tǒng)的串聯(lián)，其中主供油執(zhí)行機(jī)構(gòu)可視為時(shí)間常數(shù)為0.1s的慣性環(huán) 節(jié)，傳遞函數(shù)夫
，燃油-轉(zhuǎn)速系統(tǒng)的數(shù)學(xué)模型為主燃燒室供油量A Wf 對(duì)風(fēng)扇轉(zhuǎn)速A Nf的增量形式的線性化數(shù)學(xué)模型，目[
在地面和高空狀態(tài)分別進(jìn) 行驗(yàn)證。
[0098] 對(duì)基于融合蜂群算法的在線自適應(yīng)時(shí)變最優(yōu)PID控制器進(jìn)行算法仿真。為了減少 計(jì)算量，更好的達(dá)到實(shí)時(shí)性的要求，設(shè)定HABC算法的種群大小為10,循環(huán)迭代次數(shù)為5?？刂?系統(tǒng)仿真步長(zhǎng)設(shè)為0.001s，參考信號(hào)為一方波信號(hào)，用W測(cè)試所設(shè)計(jì)的時(shí)變最優(yōu)PID控制器 的跟蹤能力和控制效果。仿真中，針對(duì)航空發(fā)動(dòng)機(jī)轉(zhuǎn)速控制系統(tǒng)的目標(biāo)性能函數(shù)，αι取 0.95,當(dāng)|e| >0.05時(shí)，為了保證閉環(huán)系統(tǒng)能夠有足夠快的動(dòng)態(tài)性能，盡快地降低誤差，取曰2 =0,當(dāng)|e|含0.05,為防止誤差變化太快而產(chǎn)生超調(diào)，取日2 = 0.05。日3遠(yuǎn)大于日1，取日3=100。
[0099] 在地面狀態(tài)，H = 0，Ma = 0，H和Ma分別表示高度和馬赫數(shù)，發(fā)動(dòng)機(jī)燃油轉(zhuǎn)速系統(tǒng)的 數(shù)學(xué)模型為
，設(shè)定PID控制器3個(gè)參數(shù)的范圍：9.0<kp< 13.0,9.0< ki < 11.0，2.8 < kd < 4.0。在控制過程中，用融合蜂群算法對(duì)航空發(fā)動(dòng)機(jī)PID控制系統(tǒng)進(jìn)行在 線參數(shù)優(yōu)化，圖2是地面狀態(tài)的轉(zhuǎn)速跟蹤效果圖，圖3是地面狀態(tài)的燃油量變化曲線圖，圖4 是地面狀態(tài)的PID控制器參數(shù)變化曲線圖?？梢姷孛鏍顟B(tài)下，在初始階段，為了盡快降低誤 差，kp、ki較大，kd較??；當(dāng)轉(zhuǎn)速上升到一定程度，為了防止誤差變化太快而產(chǎn)生超調(diào)，kp、ki 下降，kd上升，此時(shí)轉(zhuǎn)速上升變慢，同時(shí)供油量隨之下降；當(dāng)?shù)谝淮紊仙街噶钪岛?，為防?超調(diào)產(chǎn)生，kp上升、kd下降;在5s時(shí)由于指令信號(hào)變大，為降低誤差，ki上升，kp、kd突變后恢 復(fù)；當(dāng)轉(zhuǎn)速上升到一定程度，同樣為了防止誤差變化太快，kp、ki下降，kd上升，此時(shí)轉(zhuǎn)速上 升變慢，同時(shí)供油量隨