Алгоритмическое повышение эффективности цифровых систем автоматического управления авиационными газотурбинными двигателями

• Автор: Лейбов, Роман Львович
• Шифр специальности: 05.13.01
• Научная степень: Докторская
• Год защиты: 2006
• Место защиты: Уфа
• Количество страниц: 355 с. : ил.

ОГЛАВЛЕНИЕ

ОСНОВНЫЕ УСЛОВНЫЕ ОБОЗНАЧЕНИЯ.

ОСНОВНЫЕ СОКРАЩЕНИЯ.

ВВЕДЕНИЕ
ГЛАВА 1. ОБЗОР МЕТОДОВ ОЦЕНИВАНИЯ ПАРАМЕТЮВ И СОСТОЯНИЯ ОБЪЕКТА УПРАВЛЕНИЯ, МЕТОДОВ ОБНАРУЖЕНИЯ ОТКАЗОВ ОБЪЕКТА УПРАВЛЕНИЯ, ОТКАЗОВ ДАТЧИКОВ И ИСПОЛНИТЕЛЬНЫХ УСТРОЙСТВ, МЕТОДОВ СИНТЕЗА СИСТЕМ УПРАВЛЕНИЯ. ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ
1.1. Обзор методов оценивания постоянных и неопределенных параметров линейных моделей нелинейного объекта управления

1.2. Обзор методов обнаружения постепенных отказов объекта управления

1.3. Обзор методов оценивания состояния объекта управления.

1.4. Обзор методов обнаружения внезапных и постепенных отказов датчиков и исполнительных устройств и снижения чувствительности к ним цифровой системы управления.

1.5. Обзор методов синтеза линейных и нелинейных систем управления

1.6. Постановка задачи.

ВЫВОДЫ К ПЕРВОЙ ГЛАВЕ
ГЛАВА 2. МЕТОДЫ И АЛГОРИТМЫ ОЦЕНИВАНИЯ НЕОПРЕДЕЛЕННЫХ ПАРАМЕТРОВ ЛИНЕЙНЫХ И КУСОЧНОЛИНЕЙНЫХ МОДЕЛЕЙ НЕЛИНЕЙНОГО ОБЪЕКТА УПРАВЛЕНИЯ
2.1. Линеаризация динамической нелинейной модели.
2.2. Построение кусочнолинейной модели
2.3. Идентификация линейной модели с неопределенными матричными параметрами
2.4. Идентификация линейной модели с неопределенными собственными значениями.
2.5. Применение нейронной сети в качестве дополнения модели объекта
управления.
ВЫВОДЫ КО ВТОРОЙ ГЛАВЕ.
ГЛАВА 3. МЕТОДЫ И АЛГОРИТМЫ ОБНАРУЖЕНИЯ И ЛОКАЛИЗАЦИИ ПОСТЕПЕННЫХ ОТКАЗОВ НЕЛИНЕЙНОГО ОБЪЕКТА УПРАВЛЕНИЯ
3.1. Линеаризация статической нелинейной модели
3.2. Оценивание конструктивных параметров объекта управления.
3.3. Применение нейронной сети для оценивания конструктивных параметров
объекта управления.
ВЫВОДЫ К ТРЕТЬЕЙ ГЛАВЕ.
ГЛАВА 4. МЕТОДЫ И АЛГОРИТМЫ ОЦЕНИВАНИЯ СОСТОЯНИЯ НЕЛИНЕЙНОЙ СИСТЕМЫ УПРАВЛЕНИЯ
4.1. Разомкнутая система управления
4.2. Модальное оценивание состояния линейной системы с неопределенными собственными значениями
4.3. Оптимальное оценивание состояния линейной системы с неопределенными собственными значениями.
4.4. Оптимальное оценивание состояния нелинейной системы
4.5. Оценивание состояния нелинейной системы с помощью наблюдателя,
дополненного нейронной сетью
ВЫВОДЫ К ЧЕТВЕРТОЙ ГЛАВЕ
ГЛАВА 5. МЕТОДЫ И АЛГОРИТМЫ ОБНАРУЖЕНИЯ, ЛОКАЛИЗАЦИИ И ПАРИРОВАНИЯ ОТКАЗОВ ДАТЧИКОВ И ИСПОЛНИТЕЛЬНЫХ УСТРОЙСТВ В НЕЛИНЕЙНОЙ СИСТЕМЕ УПРАВЛЕНИЯ
5.1. Обнаружение, локализация и парирование произвольных отказов в цифровой системе управления.
5.2. Повышение надежности цифровой системы управления за счет
парирования отказов.
ВЫВОДЫ К ПЯТОЙ ГЛАВЕ
ГЛАВА 6. МЕТОДЫ И АЛГОРИТМЫ СИНТЕЗА НЕЛИНЕЙНОЙ СИСТЕМЫ УПРАВЛЕНИЯ
6.1. Замкнутая система управления.
6.2. Робастное управление линейной системой с неопределенными матричными параметрами или с неопределенными собственными значениями.
6.3. Модальное управление линейной системой с неопределенными собственными значениями.
6.4. Оптимальное управление линейной системой с неопределенными матричными параметрами или с неопределенными собственными значениями
6.5. Оптимальное управление нелинейной системой
6.6. Управление нелинейной системой с помощью кусочнолинейного
регулятора, дополненного нейронной сетью.
ВЫВОДЫ К ШЕСТОЙ ГЛАВЕ
ГЛАВА 7. РАСЧЕТНОЕ ИССЛЕДОВАНИЕ НЕЛИНЕЙНОЙ СИСТЕМЫ УПРАВЛЕНИЯ
7.1. Кусочнолинейная модель двигателя.
7.2. Обнаружение и локализация постепенных отказов двигателя.
7.3. Обнаружение, локализация и парирование отказа датчика или аналогоцифрового преобразователя и отказа цифроаналогового преобразователя исполнительного устройства в цифровой системе управления двигателем .
7.4. Стабилизация установившихся режимов и режима разгона двигателя .
ВЫВОДЫ К СЕДЬМОЙ ГЛАВЕ.
ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ.
ЛИТЕРАТУРА


С другой стороны коэффициенты фильтра могут непрерывно изменяться в процессе эксплуатации и рассчитываться с помощью интерполяции 6. Отметим также работы, в которых идет речь о свойствах искажений, подвергаемых фильтрации. Так искажения измерений могут быть не аддитивными, а мультипликативными 8. Плотность распределения негауссовских аддитивных искажений может быть представлена в виде суммы нескольких гауссовских 0 или вообще может быть неизвестна 8. Неизвестными могут также быть значения вектора измерений в течение какихто отрезков времени 7 или значения вектора управления в течение всего процесса фильтрации 5, 7. Автором разработан метод размещения в заданных диапазонах полюсов наблюдателя для линейного объекта с неопределенными собственными значениями . Для оценивания состояния такого нелинейного объекта управления, как авиационный ГТД, использовался расширенный наблюдатель на основе линейной или кусочнолинейной модели. Линейный и кусочнолинейный наблюдатели были дополнены нелинейными нейронными сетями , . Кроме того, расширенный вектор состояния оценивался непосредственно с помощью методов нелинейного программирования . Среди множества публикаций, посвященных решению проблемы обнаружения, локализации и парирования I внезапных и постепенных отказов датчиков и исполнительных устройств, отметим обзор У. Меррила 9, в котором упомянуты, кажется, почти все работы, написанные к тому времени, начиная с самой первой из известных автору фундаментальной статьи Р. Монтгомери и А. Каглайана об использовании аналитической избыточности для повышения надежности систем управления. Обнаружение и локализация отказов датчиков системы осуществлялись с использованием линейной , 6, кусочнолинейной 2, или упрощенной нелинейной 9 модели одного расширенного 9 или нескольких наблюдателей фильтров Калмана , 6, 2 с постоянными матричными параметрами, которые обычно используются для оценивания восстановления вектора состояния при наличии искажений вектора измерений. Применялись допусковый контроль обновляющих разностей фильтра 9, критерий максимума отношения правдоподобия 2, бсйесовская процедура проверки гипотез , 6. Тем не менее, позднее были представлены результаты полномасштабной демонстрации работы алгоритма обнаружения отказов датчиков на реальном двигателе 6. Были также представлены робастный алгоритм обнаружения отказов 6, нечувствительный за счет заданного размещения собственных значений наблюдателей к внешним возмущениям, и, наконец, подход к решению проблемы обнаружения отказов датчиков, основанный на использовании нейронных сетей и наблюдателей, обучающихся в реальном масштабе времени 6. В нескольких работах 1, 3, 3, 4, 7 представлены различные подходы к обнаружению и локализации отказов исполнительных устройств в системах управления полетом. В последние годы продолжают появляться работы, посвященные обеспечению работоспособности систем управления после отказов датчиков и исполнительных устройств. В этих работах используются как старые, так и новые подходы к решению поставленной задачи. При этом, как и раньше рассматриваются обновляющие разности наблюдателя 5, 0, 5, а робастность работы алгоритма обеспечивается за счет оптимизации в частотной области 5. При обнаружении отказа смещения показаний датчика в нелинейной дискретной системе определенного вида нелинейными являются только уравнения наблюдений учитывается неопределенность параметров объекта управления 7. В работах 5, 8, 0, обнаружение внезапных и постепенно экспоненциально развивающихся отказов осуществляется на основе аппроксимации изменений, связанных с отказами в системе, с помощью нелинейных функций вектора состояния. Рассматриваются условия, при которых возможны обнаружение, локализация и парирование отказов, и оценивается необходимое для этого время 8, . В конечном счете, локализация отказов или смещения показаний датчиков 8 осуществляется с помощью набора наблюдателей, соответствующих, например, разным датчикам 8, и сравнения их обновляющих разностей или с помощью определения адаптивных пороговых значений 8.