多变量航空发动机控制器设计

2019-06-16 02:02
设备管理与维修 2019年14期
关键词:代数适应度交叉

纪 玮

(中国航发沈阳黎明航空发动机有限责任公司,辽宁沈阳 110043)

1 增广LQR(ALQR)控制方法

LQR(线性二次型调节器)控制具有很强的鲁棒性,尤其具有无穷大的幅值裕度和大于60°的相位裕度,并且其稳定裕度非常大,航空发动机科研人员对此控制结构也产生强大兴趣。各控制回路之间的耦合要求高,LQR 控制方法受到制约,故有的学者将其改进为ALQR 方法。ALQR 方法不仅具有方法的稳定裕度,而且由于将误差增广为状态量,使其具有了鲁棒跟踪能力,同时在一定程度上解决了LQR 所不能解决的耦合问题。具体系统设计如下:

式中:x 为系统状态,y 为被控量,u 为控制量,A、B、C、D 为适维矩阵。

为了实现鲁棒跟踪的设计目标,对公式(1)进行微分可得下式:

式中,指令r 为阶跃信号,即r=a·1(t),其中a 为常量,则误差e=r-y。

对公式(3),要使系统设计状态稳定,即状态变量不随时间而变化,要求状态量为零,可消除公式(1)的稳态误差e,这就满足了鲁棒跟踪的需求。得出控制系统框架(图1)。

2 LQ/H∞控制器结构设计

图1 控制框

多变量鲁棒控制系统中,H2/H∞控制在鲁棒跟踪和干扰抑制方面具有优良的性能[1-2],对于控制器设计,除了要求稳定性能,还要具有较快的响应速度、较小的超调或者没有超调、较强的抑制外界干扰能力,为此设计了多输入多输出控制系统

式中:x 为系统状态,y 为系统输出,u 为控制量,w 为系统扰动,A、B、C、B1、D1为适维矩阵。公式中x、y、u 均应理解成系统在平衡位置的偏差量,为简化起见,本文中省略了符号Δ。

为了保证系统动态品质良好,保持抑制度,对公式(4)进行适当变换,可得

对动态性能指标进行跟踪,由于发动机控制系统要具有较快的响应速度,则系统输出也有较快的响应速度,那么就要求系统具有较大的带宽,这将会引起系统抑制干扰能力下降,所以在设计过程中,采用多目标优化求解,即将多目标转化为单目标,然后进行加权,求得

式中a、b 为加权系数。

按图1 所示控制器结构设计,采用控制方法,在给定加权矩阵Q、R 的条件下,求解的控制器满足二次型性能指标最小。

式中Q=QT≥0,R=RT>0。

由此可见,LQR 控制器的性能取决于设计过程中给定的Q、R矩阵,不同的Q、R 会求解出不同的状态反馈增益矩阵进而使得系统具有不同的性能。为此,可以将Q、R 矩阵参数作为被优化量,使得系统具有期望的性能。

3 控制器性能寻优

基础微分进化算法中,采用常值的交叉变量,需要在全局寻优能力和局部寻优能力中折中选择。在此基础上,本文采用线性变化的交叉变量,在寻优的一开始采用较大的交叉变量,使寻优速度较快,到优化后期,采用较小的交叉变量,使算法具有较强的局部寻优能力。

线性变化的交叉变量为:

式中:T 表示当前代数,Gmax表示最大迭代次数,CR1表示最大交叉变量,CR2表示最小交叉变量。

当最优适应度值保持长期不变的代数G 大于最大允许的代数G0时,适当地增大局部交叉概率,扩大寻优范围,促使算法向最优解靠近,从而提高计算的收敛速度和精度。即当G>G0时,则在线性变化的基础上叠加局部增大。在当前CR的基础上扩大0.5%,并且保持一定的代数,同时重新统计适应度不变的代数,若适应度得到改善,则从当前代数继续按线性变化,否则再次增大CR,但要保证CR<CR1,直至满足迭代终值条件。

贪婪选择时,不再通过单独比较相应父代和子代个体适应度大小进行选择,而采用对父代和子代个体一起适应度进行排序的方式,按适应度从大到小取NP个个体组成新一代种群。这样能够较好的保护在算法前期产生的优秀个体,避免由于初期CR较大破坏最优解集。因此,将这一改进应用在控制器参数优化过程中,必然可以获得性能更优的控制系统。

4 控制器性能仿真优化

设计过程中,将执行机构视为时间常数为0.1 s 的惯性环节,将Q、R 均设为对角阵,则Q∈R9×9,R∈R3×3,对矩阵的对角元进行寻优。

优化过程中分别选取种群规模为100、CR1为0.9、CR2为0.1、缩放因子F 为0.5,适应度不变最大容忍代数为10,交叉变量增大代数选为5,进化代数为200。所得的控制器为:

为了验证所得控制器的控制效果,基于状态变量模型开展仿真验证,得到在线性系统中1%阶跃的理想系统输出跟踪响应曲线如图2 所示。

图2 线性系统阶跃响应曲线

5 结论

本文研究了多变量航空发动机控制器设计,在增广LQR 控制的基础上,采用LQ/H∞控制方法,对控制器进行设计,并提出一种改进的微分进化算法,对算法的交叉因子采用线性变化结合局部增大的措施,并对父代个体和子代个体进行综合,所有适应度一起排序,确定较优个体进入下一代的种群,提高了算法的寻优速度和寻优精度。通过改进微分进化算法的方式,优化控制器参数,仿真结果表明控制系统具有良好的输出跟踪能力,在包线内不同工作点表现出了良好的鲁棒性。

猜你喜欢
代数适应度交叉
改进的自适应复制、交叉和突变遗传算法
两个有趣的无穷长代数不等式链
Hopf代数的二重Ore扩张
三维半群代数
“六法”巧解分式方程
一种基于改进适应度的多机器人协作策略
连数
连一连
基于空调导风板成型工艺的Kriging模型适应度研究
一个非平凡的Calabi-Yau DG代数