收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

飞机液压系统压力脉冲试验的机理分析与控制

李军  
【摘要】: 液压系统是飞机的重要系统之一,而飞机液压系统的压力脉冲可以导致飞机液压元件的提前疲劳损坏,严重时可能造成重大飞行事故,因此航标规定飞机液压系统的液压元件必须进行压力脉冲试验。通过试验,既可以考核液压元件的抗疲劳破坏能力,又可以发现设计中存在的问题,从而以改进设计,提高飞机系统的可靠性。目前,我国在飞机液压系统压力脉冲试验领域还处于起步阶段,相关的理论研究和试验技术研究相对薄弱。面对国内新机型研制的客观需要,论文对飞机液压系统压力脉冲试验展开了理论研究和实践探索工作。 论文的研究工作围绕飞机液压系统压力脉冲试验系统进行的。这种压力脉冲试验系统是一种新型的通用型试验系统,它突破了国内现有产品的局限性,能够在多种试验环境下,对多种液压元件控制产生多种试验波形。针对该试验系统的特殊性、复杂性和先进性,论文从以下几个方面进行了研究。首先是试验系统的机理分析。论文应用特征线法建立了管内流体的精确数学模型,在此基础上根据该试验系统对水锤波和梯形波(或正弦波)的实现原理不同,分别建立了飞机液压系统压力脉冲试验的Ⅰ型系统模型和Ⅱ型系统模型,并进行了计算机数字仿真。仿真曲线与试验曲线的对比表明了数学模型的正确性和精确性。之后,又进一步在其数学模型上分析和讨论了影响水锤波波形的关键因素,得到了重要的结论。其次为了能够满足水锤波控制对多种试验任务的需要,论文提出了CMAC与传统控制方法并行控制方案。该方案结合了CMAC和传统控制的优点,具有自学习、自适应特点,能够对试验件按类别区别对待,仿真和实践表明该方案控制精度高,波形调整时间短,有较强的鲁棒性。最后研究了对于梯形波和正弦波的智能控制算法。这种控制属于轨迹跟踪问题,与水锤波控制完全不同,必须应用新的控制算法。由于液压系统中存在的非线性和时变性,常规的PID控制很难满足控制精度的要求,因此论文分别提出了具有自适应能力的基于DRNN神经网络的非线性模型预测控制(NMPC)、闭环P型迭代学习控制(ILC)和CMAC自学习控制。其中:基于DRNN神经网络的NMPC应用动态神经网络DRNN作为非线性系统的预测模型,使用了具有全局优化能力的启发式遗传算法作为滚动优化工具,仿真结果表明该控制器获得了比PID控制更好的控制效果;闭环P型ILC由于较好的解决了该算法的初值问题和过学习现象,在经过有限次迭代后就获得了满意的控制精度,与基于DRNN神经网络的NMPC相比具有算法简单、实时性好和控制精度高的特点;CMAC自学习控制是一种综合了ILC的优点和CMAC的局部泛化、记忆能力的新型控制器,由于采用NNPID作为反馈控制,从而表现出更优良的跟踪特性。 理论研究和实践结果表明:系统建模正确、仿真精度较高;所提出的智能控制算法具有自适应能力,能够满足该系统对多种试验任务的控制需要;论文经过理论分析和实践探索得到的结论对推动我国压力脉冲试验的规范化进程具有重要的意义。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 黄浩江,杨胜跃,樊晓平;非线性动力学系统的闭环模糊迭代学习控制器设计[J];长沙铁道学院学报;2003年02期
2 曲彬;胡云安;左斌;;基于迭代学习控制的导弹PID控制器参数寻优[J];海军航空工程学院学报;2006年06期
3 曹勇;李华德;刘刚;;基于迭代学习控制的永磁直线同步电机伺服系统[J];电气自动化;2007年05期
4 张茜;李书臣;翟春艳;张囡;;均热炉温度神经网络迭代学习控制算法[J];河南科技大学学报(自然科学版);2008年02期
5 陈永强;;一类模糊增益调节迭代学习控制器设计[J];重庆工学院学报(自然科学版);2008年02期
6 张元波;张奇志;周亚丽;;基于虚拟重力的双足机器人迭代学习控制[J];北京信息科技大学学报(自然科学版);2009年04期
7 叶腾;李传东;;一类非线性时滞系统的迭代学习控制设计[J];机电工程;2010年02期
8 潘再平;罗星宝;;基于迭代学习控制的开关磁阻电机转矩脉动抑制[J];电工技术学报;2010年07期
9 闫秀英;任庆昌;孟庆龙;;变风量空调系统迭代学习控制实验研究[J];暖通空调;2011年04期
10 王常虹,戴绍安,付佩琛,王长军;一种机器人学习控制方法的实现[J];哈尔滨工业大学学报;1993年02期
11 李新忠,简林柯,何钺;连续跟踪轨迹的非线性系统迭代学习控制[J];机床与液压;1997年05期
12 王从庆;一类离散系统最优迭代学习控制方法[J];电机与控制学报;1999年01期
13 李红梅;张志全;李忠杰;;减小小功率开关磁阻电机转矩脉动的迭代学习控制[J];电工技术学报;2006年10期
14 毛建;韩洁;张宁;;车辆自动驾驶的轨迹跟踪研究[J];公路交通科技(应用技术版);2008年12期
15 白敬彩;于少娟;韩如成;;同步发电机的反馈-前馈迭代学习励磁控制[J];电机与控制应用;2009年03期
16 冯宗杰;陈志华;杨帆;;基于迭代学习控制的活塞数控加工研究[J];机械设计与制造;2011年04期
17 吴敬兵;罗安;杨晓峰;马伏军;曾灿林;;混合有源电力滤波器的新型迭代学习控制[J];电网技术;2011年08期
18 孙明轩;动态系统学习控制的两层迭代算法[J];西安工业学院学报;1998年03期
19 王大庆,丁崇生,葛思华;渐变类周期轨迹的迭代学习控制研究[J];机械工程学报;2002年01期
20 黄浩江,樊晓平,杨胜跃;非线性动力学系统开闭环D型迭代学习控制器设计及其应用[J];长沙铁道学院学报;2003年01期
中国重要会议论文全文数据库 前10条
1 晏静文;侯忠生;;基于无模型自适应控制的反馈-前馈迭代学习控制系统收敛性研究[A];第二十七届中国控制会议论文集[C];2008年
2 兰永红;;基于二维模型的鲁棒D型迭代学习控制[A];中国自动化学会控制理论专业委员会C卷[C];2011年
3 师佳;江青茵;曹志凯;周华;;一种基于2维鲁棒预测控制的迭代学习控制方案[A];第二十九届中国控制会议论文集[C];2010年
4 刘山;林坚;;基于二自由度控制的鲁棒迭代学习控制设计[A];第二十六届中国控制会议论文集[C];2007年
5 刘萍;郭毓;胡彦;向峥嵘;;一类二阶不确定非线性系统的鲁棒自适应迭代学习控制[A];第二十七届中国控制会议论文集[C];2008年
6 沈栋;陈翰馥;;一类非线性系统的迭代学习控制[A];第二十七届中国控制会议论文集[C];2008年
7 严伟力;孙明轩;;非线性离散时变系统的时变神经网络间接自适应迭代学习控制[A];第二十九届中国控制会议论文集[C];2010年
8 苏延雄;刘向东;张宇河;郭丹旦;;振动测试台伺服系统的迭代学习控制[A];第11届全国电气自动化电控系统学术年会论文集[C];2002年
9 耿辉;智华;徐用懋;;基于参考批次的线性定常系统迭代学习控制算法[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
10 黄伟斌;张阿卜;;基于遗传算法的对角递归神经网络预测控制器的训练[A];1999中国控制与决策学术年会论文集[C];1999年
中国博士学位论文全文数据库 前10条
1 李军;飞机液压系统压力脉冲试验的机理分析与控制[D];西北工业大学;2007年
2 王轶;基于迭代学习控制的几类列车自动控制问题研究[D];北京交通大学;2010年
3 于少娟;电液伺服力控系统的鲁棒迭代学习控制方法研究[D];太原理工大学;2012年
4 邹健;智能预测控制及其应用研究[D];浙江大学;2002年
5 张丽萍;基于正交多项式的迭代学习控制算法及其在直线电机中的应用[D];福州大学;2005年
6 杨胜跃;迭代学习控制算法设计与优化研究[D];中南大学;2004年
7 殷辰堃;基于高阶内模的迭代学习控制及应用[D];北京交通大学;2011年
8 陈坚红;联合循环机组运行计划和负荷分配:建模、启发式遗传算法求解和数据处理[D];浙江大学;2004年
9 孙云平;非线性系统的自适应学习控制[D];西安电子科技大学;2009年
10 谢振东;非线性迭代学习控制理论及其在机器人控制中的应用[D];华南理工大学;2000年
中国硕士学位论文全文数据库 前10条
1 刘长荣;抗非重复扰动的迭代学习控制研究[D];大连海事大学;2010年
2 王岢;基于迭代学习控制的间歇反应过程的研究[D];北京化工大学;2010年
3 陈定喜;迭代学习控制算法研究[D];华南理工大学;2010年
4 窦鹏飞;迭代学习控制及其在列车自动驾驶系统中的应用[D];北京交通大学;2011年
5 冯宗杰;迭代学习控制在活塞异型加工中的应用研究[D];国防科学技术大学;2010年
6 蔡丽;抗非重复性干扰的迭代学习控制研究[D];郑州大学;2011年
7 杜鑫;迭代学习控制系统的迭代域鲁棒控制策略研究[D];大连海事大学;2012年
8 马法力;几类系统的迭代学习控制[D];重庆大学;2010年
9 马花停;H_∞迭代学习控制算法研究及其在水轮机调速系统中的应用[D];太原科技大学;2010年
10 李佳;非线性参数化系统的自适应迭代学习控制[D];青岛科技大学;2011年
中国重要报纸全文数据库 前1条
1 任厚毅;压力脉冲解堵防砂技术在胜利油田首试获成功[N];中国石化报;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978