江 群,王道波,李 猛
(南京航空航天大學(xué) 自動(dòng)化學(xué)院,江蘇 南京210016)
輔助動(dòng)力裝置(APU)是加裝一套或幾套獨(dú)立于主發(fā)動(dòng)機(jī)的動(dòng)力系統(tǒng),是一種能輸出增壓氣源和軸功率的小型發(fā)動(dòng)機(jī)[1]。其主要作用是用來(lái)起動(dòng)主發(fā)動(dòng)機(jī),驅(qū)動(dòng)發(fā)電機(jī)和液壓泵為飛機(jī)提供備份電源及液壓源,同時(shí)還可以向座艙空調(diào)系統(tǒng)提供氣源。輔助動(dòng)力裝置與普通發(fā)動(dòng)機(jī)有很大的不同,其啟動(dòng)過(guò)程異常復(fù)雜,難度很大,目前國(guó)內(nèi)尚無(wú)起動(dòng)過(guò)程的準(zhǔn)確模型。另外,APU的工作特性決定了要求其快速到達(dá)額定狀態(tài),且在功率提取時(shí)保證轉(zhuǎn)速在小范圍變化,即要求其絕大多數(shù)工作狀態(tài)在等速狀態(tài)。為了研究APU的性能和控制規(guī)律,必須建立APU的模型。發(fā)動(dòng)機(jī)模型主要分為部件級(jí)模型和“小偏差”模型[2]:其中部件級(jí)模型主要是通過(guò)部件特性建立其數(shù)學(xué)模型,雖然精確但要詳細(xì)了解部件特性且不具備實(shí)時(shí)性;“小偏差”數(shù)學(xué)模型不需要了解其詳細(xì)的部件特性,根據(jù)工程試驗(yàn)數(shù)據(jù)就可以建立實(shí)時(shí)簡(jiǎn)化的數(shù)學(xué)模型,該簡(jiǎn)化模型能模擬APU穩(wěn)態(tài)、動(dòng)態(tài)及起動(dòng)過(guò)程。本文根據(jù)某型APU的試驗(yàn)數(shù)據(jù),采用預(yù)測(cè)誤差法(PEM)來(lái)建立其動(dòng)態(tài)模型。這種方法的基本思想與最小二乘法的完全不同,它只需要確定一個(gè)預(yù)報(bào)誤差準(zhǔn)則函數(shù),并利用預(yù)報(bào)誤差信息來(lái)確定模型參數(shù)。相對(duì)于極大似然參數(shù)估計(jì)法,PEM具有的優(yōu)點(diǎn)是不要求已知數(shù)據(jù)的概率分布式,所以其使用范圍更加廣泛[3]。本文在介紹渦輪動(dòng)力裝置的工作原理基礎(chǔ)上,提出了電子仿真試驗(yàn)器的設(shè)計(jì)原理和實(shí)現(xiàn)方法,最后將該試驗(yàn)器用于某型渦輪動(dòng)力裝置的閉環(huán)控制并對(duì)其仿真結(jié)果進(jìn)行分析。
所謂系統(tǒng)辨識(shí),就是通過(guò)研究對(duì)象的輸入信號(hào)作用下的輸出響應(yīng),對(duì)輸入、輸出數(shù)據(jù)進(jìn)行處理和計(jì)算,估計(jì)出對(duì)象的數(shù)學(xué)模型[4]。辨識(shí)由數(shù)據(jù)、模型和準(zhǔn)則這三個(gè)要素組成,利用數(shù)據(jù),通過(guò)準(zhǔn)則優(yōu)化在模型類中找出最佳模型。系統(tǒng)辨識(shí)的內(nèi)容包括四個(gè)方面:①辨識(shí)目的;②模型結(jié)構(gòu)辨識(shí);③模型參數(shù)辨識(shí);④驗(yàn)證模型。本文采用PEM對(duì)模型參數(shù)進(jìn)行辨識(shí)。
描述動(dòng)態(tài)系統(tǒng)的模型的一般形式為:
式中:y(k)表示在k時(shí)刻系統(tǒng)輸出的觀測(cè)值;Y(k-1)表示k-1時(shí)刻以及之前的輸出觀測(cè)數(shù)據(jù)的集合表示k時(shí)刻以及之前的控制變量的集合為系統(tǒng)的參數(shù)向量;v(k)是具有零均值和均方差陣Σ的信息序列。
采用PEM估計(jì)參數(shù)θ,可以根據(jù)給定的數(shù)據(jù)構(gòu)造如式(2)的預(yù)測(cè)誤差模型:
根據(jù)參數(shù)估計(jì)的PEM的原理,采用式(3)或式(4)作為極小預(yù)測(cè)誤差準(zhǔn)則來(lái)獲得系統(tǒng)輸出y(k)的最優(yōu)預(yù)報(bào)。
采用以上方法對(duì)模型參數(shù)進(jìn)行辨識(shí),首先要選擇合理的采集數(shù)據(jù),并對(duì)數(shù)據(jù)進(jìn)行跳點(diǎn)剔除、平滑處理;其次是選擇合適的模型階數(shù),利用PEM進(jìn)行模型參數(shù)辨識(shí);最后對(duì)所辨識(shí)的模型進(jìn)行仿真驗(yàn)證。
本文研究的對(duì)象某型輔助動(dòng)力裝置,雖然是一個(gè)復(fù)雜的非線性系統(tǒng),但是其尾噴管不可調(diào),是非加力、單軸小型發(fā)動(dòng)機(jī),而且如果發(fā)動(dòng)機(jī)處在“小偏離”狀態(tài),即輸入量在很小的范圍內(nèi)變化,則發(fā)動(dòng)機(jī)的工作狀態(tài)在某一穩(wěn)態(tài)附近,在該穩(wěn)態(tài)點(diǎn)對(duì)發(fā)動(dòng)機(jī)的非線性方程進(jìn)行Taylor公式展開,忽略高次項(xiàng)的影響,這時(shí)發(fā)動(dòng)機(jī)模型可表示為線性時(shí)不變模型。研究該型APU的“小偏離”模型,主要是以APU的轉(zhuǎn)速N(%)作為被控量,選擇供燃油量wf作為控制量。在地面臺(tái)架試車試驗(yàn)中,采集燃油流量作為輸入量,轉(zhuǎn)速百分比作為輸出。試驗(yàn)過(guò)程中,采集時(shí)間間隔為0.25s。
由于發(fā)動(dòng)機(jī)導(dǎo)葉角以及尾噴管面積不可調(diào),理論上來(lái)說(shuō),穩(wěn)態(tài)時(shí)各狀態(tài)參數(shù)如渦輪轉(zhuǎn)速、空氣流量等都與燃油流量一一對(duì)應(yīng)。但在實(shí)際試驗(yàn)過(guò)程中,受試驗(yàn)發(fā)動(dòng)機(jī)、試驗(yàn)環(huán)境和設(shè)備等諸多因素的影響,試驗(yàn)所得穩(wěn)態(tài)數(shù)據(jù)經(jīng)換算后存在明顯的偏離總體變化趨勢(shì)的個(gè)別突變穩(wěn)態(tài)點(diǎn)(即跳點(diǎn))。如果對(duì)這些跳點(diǎn)不加以去除,勢(shì)必會(huì)影響辨識(shí)的結(jié)果。本文采取簡(jiǎn)單的低階多項(xiàng)式滑動(dòng)擬合法來(lái)判斷和剔除跳點(diǎn)[5],某燃油流量跳點(diǎn)剔除前后的數(shù)據(jù)對(duì)比如圖1所示。比較圖1中的曲線可以發(fā)現(xiàn),低階多項(xiàng)式滑動(dòng)擬合法能有效去除采集過(guò)程中的跳點(diǎn),使數(shù)據(jù)可靠性變高。
通常情況下,在跳點(diǎn)剔除處理后,試驗(yàn)數(shù)據(jù)仍然存在著各種誤差及較強(qiáng)的噪聲干擾。為保持合理的信噪比,還需對(duì)采集的輸入、輸出數(shù)據(jù)進(jìn)行平滑處理,以消除實(shí)測(cè)數(shù)據(jù)中各種噪聲和系統(tǒng)誤差,提高辨識(shí)精度。本文主要利用MATLAB系統(tǒng)辨識(shí)工具箱中idfilt函數(shù)的Butterworth濾波器對(duì)數(shù)據(jù)進(jìn)行濾波,去除噪聲分量,再利用idresamo函數(shù)對(duì)輸入、輸出數(shù)據(jù)進(jìn)行重新采樣來(lái)插值或刪減數(shù)據(jù)[5,6]。經(jīng)上述方法平滑處理前后的部分曲線如圖2、圖3所示。從圖中可以看出,原來(lái)試驗(yàn)采樣時(shí)間為0.25 s,誤差較大,經(jīng)處理后,數(shù)據(jù)明顯平滑。本節(jié)只給出某種條件下的數(shù)據(jù)預(yù)處理效果圖,對(duì)于其它環(huán)境條件下的數(shù)據(jù),可采用相同方法進(jìn)行處理。
圖1 燃油流量跳點(diǎn)處理前后比較曲線Fig.1 Before and after processing curves of sudden change points in the fuel flow
圖2 燃油流量平滑處理曲線比較Fig.2 Comparison of fuel flow smoothing curves
圖3 轉(zhuǎn)速百分比平滑處理曲線比較Fig.3 Comparison of speed percentage smoothing curves
采集數(shù)據(jù)預(yù)處理后進(jìn)行參數(shù)辨識(shí),在辨識(shí)參數(shù)之前應(yīng)確定模型的階數(shù)。由于某型輔助動(dòng)力裝置為非加力且尾噴管不可調(diào),因而在某一穩(wěn)態(tài)點(diǎn)附近可簡(jiǎn)化為線性時(shí)不變系統(tǒng)。采用一階系統(tǒng)滿足不了精度的要求,而采用三階系統(tǒng)會(huì)使整個(gè)系統(tǒng)變得復(fù)雜。仿真結(jié)果表明,二階系統(tǒng)足以滿足APU的精度要求,所以模型階次選為二階,設(shè)定待辨識(shí)參數(shù)為θ=本文選用該型APU以進(jìn)入閉環(huán)控制階段的85%~96%額定轉(zhuǎn)速段所測(cè)數(shù)據(jù)進(jìn)行數(shù)學(xué)模型辨識(shí),運(yùn)用上述方法辨識(shí)所得的參數(shù)估計(jì)值為:a1=-1.486,a2=0.506 2,b1=29.42,b2=-9.496。
系統(tǒng)的傳遞函數(shù)為:
辨識(shí)所得曲線如圖4所示,擬合度為96.06%。從上述辨識(shí)結(jié)果可見(jiàn),采用該方法擬合的效果很好,能滿足輔助源動(dòng)力裝置轉(zhuǎn)速的動(dòng)態(tài)特性。對(duì)于輔助動(dòng)力裝置其它不同階段的數(shù)學(xué)模型,可采用相同方法對(duì)采集的數(shù)據(jù)進(jìn)行辨識(shí)分析,得到各個(gè)數(shù)據(jù)段的模型參數(shù)。
圖4 二階模型辨識(shí)結(jié)果Fig.4 Identification result curves of second-order model
模型參數(shù)辨識(shí)后,還需要對(duì)所辨識(shí)模型的通用性和正確性進(jìn)行驗(yàn)證。本文選用另一組燃油流量輸入數(shù)據(jù)驗(yàn)證模型。將試驗(yàn)數(shù)據(jù)的輸入量作為辨識(shí)模型的輸入量,經(jīng)模型計(jì)算,得到模型輸出量;再將模型輸出量與試驗(yàn)輸出量進(jìn)行比較。其模型驗(yàn)證曲線如圖5所示,可以看出,模型輸出數(shù)據(jù)與試驗(yàn)數(shù)據(jù)吻合度很高,達(dá)到了模型建立的精度要求,可以將該模型用于以后的仿真研究。
圖5 模型驗(yàn)證曲線Fig.5 Model validation curves
本文通過(guò)預(yù)測(cè)誤差法辨識(shí)某型輔助動(dòng)力裝置的簡(jiǎn)化模型,大大減少了計(jì)算量,簡(jiǎn)化了建模過(guò)程。仿真結(jié)果表明,所建模型的輸入和輸出與實(shí)際試驗(yàn)結(jié)果吻合度很高,本文所用辨識(shí)方法是可靠、有效的,因而可以以該模型為基礎(chǔ)對(duì)某型輔助動(dòng)力裝置的控制系統(tǒng)進(jìn)行設(shè)計(jì)。不過(guò)本文辨識(shí)的輔助動(dòng)力裝置的數(shù)學(xué)模型是根據(jù)地面臺(tái)架試車數(shù)據(jù)辨識(shí)的,因此本文辨識(shí)的數(shù)學(xué)模型僅能描述地面工作狀況,為了使模型能適應(yīng)大偏差的工作范圍,還需要在各種工作負(fù)載和飛行高度下進(jìn)行辨識(shí)驗(yàn)證。
[1]錢小娟.某型APU控制系統(tǒng)的設(shè)計(jì)與臺(tái)架試車[J].航空兵器,2008,(3):42—44.
[2]趙 琳,樊 丁,陜薇薇.單軸航空渦扇發(fā)動(dòng)機(jī)數(shù)學(xué)模型辨識(shí)[J].推進(jìn)技術(shù),2008,29(6):733—736.
[3]方崇智,蕭德云.過(guò)程辨識(shí)[M].北京:清華大學(xué)出版社,1988.
[4]刁啟娜,王 曦.系統(tǒng)辨識(shí)在航空發(fā)動(dòng)機(jī)中的應(yīng)用[C]//.中國(guó)航空學(xué)會(huì)第十一屆發(fā)動(dòng)機(jī)自動(dòng)控制學(xué)術(shù)討論會(huì)議.2002.
[5]劉叔軍,蓋小華,樊 軍,等.Matlab7.0控制系統(tǒng)應(yīng)用與實(shí)例[M].北京:機(jī)械工業(yè)出版社,2006.
[6]Ljung L J.Matlab System Identification Toolbox User’s Guide[M].The MathWork,Inc.,2003.