一种用于航空发动机复杂转子-定子系统振动耦合评估的新方法

《Actuators》:A Novel Evaluation Method for Vibration Coupling of Complex Rotor–Stator Systems in Aeroengines

【字体: 大 中 小 】 时间:2026年01月03日 来源:Actuators 2.3

编辑推荐:

  作为一种实现飞机精确姿态控制的作动机构,机电作动器(EMA)在确保飞行安全和稳定性方面起着关键作用。然而,机电作动器会受到不可测量的未知干扰,这些干扰通过相对于系统控制输入的不匹配通道作用。为解决此问题,本文采用反馈线性化对现有模型进行变换。变换后的模型有效地

  
作为一种实现飞机精确姿态控制的作动机构,机电作动器(EMA)在确保飞行安全和稳定性方面起着关键作用。然而,机电作动器会受到不可测量的未知干扰,这些干扰通过相对于系统控制输入的不匹配通道作用。为解决此问题,本文采用反馈线性化对现有模型进行变换。变换后的模型有效地将未知干扰重构至与控制输入相同的通道,从而能够通过控制律设计实现主动抗干扰。此外,为克服干扰不可测量的挑战,设计了一个扩张状态观测器(ESO)来估计未知干扰;估计值随后被直接用于控制律综合。接着,开发了一个模糊逻辑系统(FLS)来执行控制器参数的实时在线自适应与优化。最后,提供了广泛的仿真结果以验证所提算法的有效性。
**一种融合反馈线性化与模糊逻辑的机电作动器主动抗干扰控制研究**

**一、 研究背景与意义**

在现代航空飞行控制系统中,机电作动器(Electromechanical Actuator, EMA)作为气动舵面伺服系统的核心执行机构,通过精确控制舵面偏转角来调节飞行姿态,对保证飞行稳定性和安全性至关重要。永磁同步电机(Permanent Magnet Synchronous Motor, PMSM)因其轻量化、可控性精确及成本效益高等优势,已成为机电作动器的主要驱动方案。提升PMSM驱动伺服系统的控制性能直接有助于改善整体飞行稳定性,这推动了近年来对机电伺服系统先进控制架构的广泛研究。

尽管传统的三环比例-积分-微分(PID)控制因其工程易实现性和参数整定简单而广泛应用,但其依赖领域专家的启发式参数整定以及固有的自适应能力不足,往往导致在复杂、时变的工况下跟踪精度和抗干扰能力欠佳。虽然已有研究探索采用粒子群优化、蚁群算法等智能优化算法进行PID参数自动整定,但基于PID的控制拓扑存在根本性局限,导致动态响应不足且对气动干扰的鲁棒性不强。此外,优化算法需要不可忽略的迭代时间,从而影响了机电作动器的实时控制性能。

机电作动器不仅需要对期望位置指令快速响应,还需对不可测量且不可避免的外部干扰具有鲁棒性。为此,工业界通常采用鲁棒控制、神经网络控制、滑模控制及模型预测控制等方法来补偿干扰并实现稳定控制。其中,主动抗干扰控制(Active Disturbance Rejection Control, ADRC)因其模型无关的特性及在处理系统不确定性方面的强大能力而受到关注。然而,现有方法在应用于机电作动器时仍存在局限性。关键问题在于“不匹配干扰”,即未知干扰通过与控制输入不同的通道进入系统,这使得传统的基于控制律设计的前馈补偿算法失效。此外,传统的ADRC控制器参数整定过程繁琐,且缺乏实时自适应性,难以适应动态变化的运行需求。

为应对上述挑战,本文提出了一种融合模糊逻辑系统的ADRC策略,用于机电作动器的位置跟踪控制。该研究旨在解决不匹配干扰问题,并通过自适应机制优化控制器参数,以提升系统的动态响应、跟踪精度和抗干扰能力。本论文发表在期刊《Actuators》上。

**二、 关键技术方法概述**

研究人员为开展此项研究,主要采用了以下关键技术方法:
1. **系统建模与反馈线性化变换**:首先建立了包含PMSM和机械传动部件(齿轮箱、滚珠丝杠、作动筒)的机电作动器综合状态空间模型。针对模型中外部负载扭矩干扰与系统控制输入通道不匹配的问题,基于反馈线性化理论对原模型进行坐标变换,将不匹配干扰重构至与控制输入相同的通道,为后续基于控制律的主动补偿奠定基础。
2. **扩张状态观测器设计**:针对不可测量的外部负载扭矩干扰,设计了一个扩张状态观测器(ESO),将干扰作为扩展状态进行估计。通过李雅普诺夫稳定性理论严格证明了观测器的收敛性,确保了干扰估计的准确性。
3. **基于变换模型的主动抗干扰控制律设计**:基于变换后的系统模型,设计了一种ADRC控制律。该控制律利用ESO提供的干扰估计值,并结合状态反馈,计算得到期望的控制输入,以实现对干扰的主动补偿和系统的指数稳定跟踪。
4. **模糊逻辑参数自适应优化**:为克服传统ADRC参数整定困难、缺乏自适应性的问题,设计了一个模糊逻辑系统(FLS)。该系统以位置跟踪误差及其导数为输入,通过预设的隶属度函数和模糊规则库,在线实时调整控制律中的关键增益参数,从而优化控制器的动态性能。

**三、 研究结果分析**

研究人员通过MATLAB/Simulink仿真平台,对提出的模糊ADRC算法进行了全面验证,并与传统PID控制及纯反馈线性化方法进行了对比。仿真系统参数基于一个典型的机电作动器模型设定。

**4.1. 位移阶跃跟踪结果**
* **阶跃扭矩干扰**:在位置阶跃指令(1 m)下,于0.5秒施加20 N·m的阶跃干扰。结果表明,所提算法不仅响应速度更快,且动态过程平滑无超调,稳态误差(约0.001 cm)比传统PID(0.03 cm)低一个数量级,与纯反馈线性化相当。在抗干扰能力方面,PID算法产生0.8 cm的稳态误差,而所提算法能有效抑制干扰,稳态误差保持在0.001 cm。相较于纯反馈线性化(最大偏差3 cm),所提算法的最大偏差仅1.5 cm,且恢复时间和稳定性更优。
* **正弦扭矩干扰**:在相同位置指令下,于0.5秒施加正弦扭矩干扰。PID算法产生等幅振荡(最大误差0.6 cm),而所提算法和纯反馈线性化均能有效抑制干扰,稳态误差分别为0.008 cm。ESO的观测曲线显示,其能快速准确地估计正弦干扰,系统变量几乎不受影响。

**4.2. 位移正弦曲线跟踪结果**
* **恒定扭矩干扰**:在跟踪幅值1 m、频率2 Hz的正弦位置指令时,施加20 N·m恒定干扰。所提算法在干扰下表现出更小的误差峰值和更快的误差收敛速度。
* **正弦扭矩干扰**:施加幅值40 N·m、频率10 Hz的正弦干扰。对比结果显示,PID算法存在显著稳态误差,纯反馈线性化方法误差峰值较大且恢复较慢,而所提算法的误差峰值最小,收敛最快。
* **性能指标对比**:通过最大绝对误差(MAE)、绝对误差积分(IAE)和均方根误差(RMSE)三个伺服跟踪误差指标进行定量评估。数据表明,在正弦指令跟踪下,无论是无干扰还是有干扰(恒定或正弦)情况,所提算法的各项误差指标均显著优于传统PID和纯反馈线性化方法,验证了其在抑制干扰和快速跟踪复杂轨迹方面的优越性能。

**四、 讨论与结论**

**讨论部分总结**:研究结果表明,所提出的基于反馈线性化和模糊逻辑的主动抗干扰控制方法,通过模型变换有效解决了不匹配干扰的补偿难题。扩张状态观测器能够快速、准确地估计不可测干扰。模糊逻辑系统的引入实现了控制器增益的在线自适应调整,避免了繁琐的离线参数整定,并增强了系统对动态工况的适应能力。综合仿真对比验证了该框架在提升机电作动器动态响应、跟踪精度和抗干扰鲁棒性方面的有效性,其性能超越了传统的工业控制算法。

**研究结论翻译**:为解决机电系统中不匹配干扰和参数整定困难的挑战,本文提出了一种融合模糊逻辑系统与经反馈线性化方法变换模型的主动抗干扰控制方法。实现了扩张状态观测器(ESO)以估计不可测干扰,并通过李雅普诺夫稳定性理论严格保证了其收敛性。设计了新颖的模糊隶属度函数和规则库以动态更新控制器参数。所提出的控制框架能够对未知干扰进行综合补偿,相较于传统的工业控制算法,展现了增强的动态响应和稳态精度。未来的工作将集中于所提算法的优化及其在实际系统中的部署。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号