-
题名基于麻雀搜索算法的涡喷发动机控制研究
- 1
-
-
作者
梁建国
黄豪中
龙回归
雷柏钧
陈桂薪
-
机构
广西大学机械工程学院
-
出处
《广西大学学报（自然科学版）》
CAS
北大核心
2024年第3期553-562,共10页
-
基金
国家自然科学基金项目(52366007)。
-
文摘
为了改善微型涡喷发动机的控制性能,针对传统比例积分微分(PID)控制器难以进行在线调参和参数优化的问题,提出了一种基于麻雀搜索算法(SSA)的控制方法。首先,利用实验获取的涡喷发动机数据进行系统辨识,建立涡喷发动机的数学模型;其次,采用模糊控制设计了模糊PID控制器;最后,利用SSA对模糊PID控制器的参数进行优化。仿真结果表明:基于SSA的模糊PID控制方法在涡喷发动机转速控制系统中性能显著提升,上升时间为0.22 s,超调量为8.02%,干扰调整时间为1.05 s。相较于传统PID和模糊PID控制方法,该方法的响应速度分别提高了64.1%和43.9%,超调量分别减少了18.08%和7.58%,干扰调整时间分别缩短了52.3%和34.4%。
-
关键词
控制系统
麻雀搜索算法
模糊控制
涡喷发动机
数学建模
-
Keywords
control system
sparrow search algorithm
fuzzy control
turbojet engine
maths modelling
-
分类号
V233.7
[航空宇航科学与技术—航空宇航推进理论与工程]
-
-
题名适用发动机性能预测的先进机器学习方法
- 2
-
-
作者
万涛鸣
陈桂薪
何冠璋
梁建国
雷柏钧
黄豪中
-
机构
广西大学机械工程学院
广西玉柴机器股份有限公司
-
出处
《广西大学学报（自然科学版）》
CAS
北大核心
2023年第3期594-604,共11页
-
基金
广西科技重大专项(桂科AA22068103)
国家自然科学基金项目(51966001)。
-
文摘
为了提高六缸重型柴油-天然气双燃料发动机的性能、减少污染物排放,使用反馈神经网络、支持向量机和高斯处理3种先进的机器学习方法来建立以发动机的转速、扭矩、柴油预喷提前角、柴油预喷比例和天然气替代率作为输入,以NO_(x)、CO_(2)和比油耗作为输出的预测模型,对比3种机器学习模型的预测结果。结果表明:高斯处理(Gaussian processing, GP)模型的预测精度最高,其输出变量的总体决定系数分别为0.960 1、0.991 9和0.993 5,相比于反馈神经网络(feedback neural network, FNN)和支持向量机(support vector machine, SVM),NOx预测精度分别提高3.7%和2.6%,CO_(2)排放预测精度提高约3%,比油耗(brake specific fuel consumption, BSFC)预测精度分别约提高4%和8%;GP模型预测NO_(x)、CO_(2)和BSFC的总体均方相对误差均小于0.13,总体平均绝对百分比误差均小于0.1%。
-
关键词
反馈神经网络
支持向量机
高斯处理
柴油-天然气双燃料发动机
-
Keywords
feedback neural network
support vector machine
Gauss processing
diesel natural gas dual fuel engine
-
分类号
TK421
[动力工程及工程热物理—动力机械及工程]
-
