李述清，張勝修，劉毅男，周志清

（第二炮兵工程學院，西安 710025）

1 引言

航空發(fā)動機是復雜的非線性系統(tǒng)，其氣動參數隨外界條件及工況的變化改變較大。利用非線性數學模型對發(fā)動機的控制器進行設計，可以獲得很高的控制精度，但由于計算量巨大，算法復雜，使得動態(tài)模型的計算速度和有效性在工程應用中受到一定影響。因此，通常利用線性化方法建立航空發(fā)動機線性模型，再根據線性系統(tǒng)理論進行控制器設計，這樣便于解決工程問題[1]。發(fā)動機線性模型雖然有很多優(yōu)點，但是主要應用于穩(wěn)態(tài)控制分析，對于工況偏離線性模型設計點較大情形就不適合了。許多新型建模方法[2-5]同時考慮了模型的準確性和實時性，其中發(fā)動機線性變參數（LPV）模型能夠方便地適應發(fā)動機動態(tài)過程分析和控制器設計[4-9]，得到迅速發(fā)展。文獻[4,5]根據航空發(fā)動機非線性模型，采用內插或擬合方法求取線性狀態(tài)空間模型系數矩陣元素，建立基于局部線性模型的渦扇發(fā)動機LPV模型，并在動態(tài)過程中得到應用。

同時，自從1960年卡爾曼濾波算法(Kalman filter：KF)[10]提出以來，成為控制、信號處理與通信等領域最基本最重要的計算方法和工具之一，并已成功地應用到航空、航天、工業(yè)過程及社會經濟等不同領域。然而KF算法主要針對線性系統(tǒng)模型，極大地限制了KF算法的應用范圍[11]。為了把KF算法應用于非線性系統(tǒng)，可把非線性模型線性化，然后再使用KF算法估計系統(tǒng)狀態(tài)。其中，推廣卡爾曼濾波(EKF)是1種應用最廣泛的非線性系統(tǒng)濾波方法。EKF與線性卡爾曼濾波公式完全類似，只是上述濾波公式中系統(tǒng)狀態(tài)系數矩陣需要在線由非線性函數的偏導計算得到[12,13]?？柭鼮V波方程的應用都存在非線性系統(tǒng)線性化近似的問題，即需要實時更新系統(tǒng)的線性化模型，然后應用Klaman濾波基本方程，解決非線性濾波的問題。由于需要不斷根據非線性系統(tǒng)方程進行線性化處理，以修正系統(tǒng)線性化模型，這顯然增加了濾波算法的復雜性和計算量，不便進行數據處理。

如前所述，對于LPV模型這類特殊的非線性系統(tǒng)，其模型描述形式具有線性系統(tǒng)的特點，即其模型系數矩陣是關于1個調度變量的函數，而這個調度變量可以根據系統(tǒng)的可測量來定義。這樣，可以為Kalman濾波器方程中相關系數矩陣更新提供方便以快速跟蹤實際系統(tǒng)的變化，而無需進行線性化過程的實時計算，大大簡化了計算步驟。顯然，開展航空發(fā)動機基于LPV模型的濾波方法研究，可以提高發(fā)動機性能分析和控制器設計效能，并具有顯著的工程和理論意義。

本文針對航空發(fā)動機線性變參數模型，提出1種簡便的改進Kalman濾波方法，并通過仿真對比，檢驗了該方法的有效性。

2 渦扇發(fā)動機LPV建模

某型渦扇發(fā)動機非線性模型為

對于本文研究的雙轉子幾何不可調渦扇發(fā)動機,只考慮2個獨立轉子部件為儲能元件，并取系統(tǒng)狀態(tài)變量x=[n1, n2]′，輸入為主燃室供油流量u=Wf，輸出為低壓轉子轉速y=n1。

在渦扇發(fā)動機平衡點（u0,x0,y0）附近，可構建局部線性模型，繼而可得到線性模型簇[4]

式中:A、B、C和D為常數矩陣。

根據LPV系統(tǒng)建模方法，基于發(fā)動機線性模型（式（2）），采用內插或擬合方法求取模型（式（2））中系數矩陣[4]，得到如下渦扇發(fā)動機LPV模型

式中:系數矩陣 A(ρ)、B(ρ)、C(ρ)和 D(ρ)中各元素是調度變量ρ的函數；下標“0”為仿真計算初始值。

如果ρ包含狀態(tài)變量的元素，則稱為準LPV（quasi-LPV）模型。

為了建立上述航空發(fā)動機LPV模型，在地面靜止狀態(tài)(H=0,Ma=0)、標準大氣條件下，通過發(fā)動機非線性計算程序，在n1轉速范圍70%～110%間選取若干穩(wěn)定工作點，依次在這些工作點處使用動態(tài)響應擬合法[14]求得發(fā)動機局部線性傳遞函數模型。

考慮低壓轉子轉速n1是表征渦扇發(fā)動機工作、實施發(fā)動機控制的重要參數，且為發(fā)動機系統(tǒng)的測量參數，因此，選取n1作為發(fā)動機LPV模型調度變量ρ是合適的，即ρ=y=n1。

然后對各工作點對應傳遞函數模型的系數進行關于調度變量的2次多項式擬合，擬合效果如圖1所示（圖中：“model”對應實際值，“fit”對應擬合值）。

3 基于LPV模型的Kalman濾波器設計

對于下面考慮控制作用的線性系統(tǒng)

經典線性離散卡爾曼濾波方程[12]為

在一般工程實踐中，濾波方程的狀態(tài)方程或測量方程常是非線性方程，經典濾波方程（式（4））并不能直接使用。基于LPV模型（式（1））具有線性模型結構形式的特點，采用與Kalman濾波器類似的預測修正結構，給出如下離散濾波器

由此，根據濾波方程（式（（5）），可以通過調度變量ρ(k)=y(k)實時更新Kalman濾波器系統(tǒng)方程的系數矩陣，從而實現(xiàn)Kalman濾波器方程與系統(tǒng)動態(tài)特性相匹配，從而提高濾波準確性。方便起見，本文記為LPV-KF。

于是，根據渦扇發(fā)動機LPV模型（式（3））及LPV-KF方程（式（（5）），即可構造渦扇發(fā)動機LPV-KF濾波器。

4 基于Klaman濾波器的渦扇發(fā)動機轉速控制回路

通過渦扇發(fā)動機轉速控制回路，可以實現(xiàn)發(fā)動機轉速的穩(wěn)定控制。發(fā)動機主供油量執(zhí)行機構可視為時間常數為0.1 s的慣性環(huán)節(jié)。控制器設計，可考慮地面靜止狀態(tài)(H=0,Ma=0)條件下，根據發(fā)動機非線性模型在90%轉速穩(wěn)定工況近似線性模型，采用增益成形PID設計方法，設計得PID參數：Kp=0.5628,Ki=0.6966,Kd=0.0298。

再結合前面所建立LPV-KF環(huán)節(jié)，容易構建基于Kalman濾波器的發(fā)動機轉速控制系統(tǒng)閉環(huán)結構，如圖2所示。

5 仿真

為了檢驗本文改進LPV-KF方法的有效性，利用該型渦扇發(fā)動機部件非線性模型，進行仿真檢驗。假設1個典型發(fā)動機轉速控制過程：從穩(wěn)態(tài)低工況約80%轉速點，以階躍響應形式依次加速過渡到穩(wěn)態(tài)工況90%和100%轉速點，然后減速到80%轉速點。對此轉速控制過程進行仿真，并分別采用本文所構造渦扇發(fā)動機LPV-F進行濾波，估計發(fā)動機模型狀態(tài)x=[nl,nh]T，以及輸出y=n1，并與非線性模型計算結果進行比較。

其中，根據發(fā)動機燃油流量傳感器性能，設系統(tǒng)噪聲Q=0.00012；根據發(fā)動機低壓轉子轉速傳感器性能，設測量噪聲R=0.0052；系統(tǒng)初始狀態(tài)x(0)=[0.8 0.894]2，濾波誤差方差陣初值P0=diag([0.12,0.12])，仿真計算時間步長0.01s。

不考慮該LPV-KF環(huán)節(jié)（圖中虛線所示）和考慮該LPV-KF環(huán)節(jié)（如圖中實線所示）作用所得燃油流量響應如圖3所示。顯然，該LPV-KF環(huán)節(jié)能夠有效改善平滑供油，并有利于改善控制的準確性和平穩(wěn)性。

圖4～6分別給出了考慮該LPV-KF環(huán)節(jié)時，在上述轉速控制過程仿真中所得發(fā)動機控制系統(tǒng)輸出低壓轉子轉速y和系統(tǒng)狀態(tài)低、高壓轉子轉速nl、nh的響應值（圖中虛線所示）和濾波值（圖中實線所示）效果。一方面，轉速控制過程平穩(wěn)、準確；另一方面，該LPV-KF環(huán)節(jié)對各參量均達到良好的跟蹤和濾波平滑效果，濾波后的噪聲明顯減小，這顯然有利于改善控制的準確性和平穩(wěn)性。

6 結束語

本文針對航空發(fā)動機LPV模型，提出了1種改進Kalman濾波器設計方法，并應用于某型渦扇發(fā)動機控制系統(tǒng)中。通過對渦扇發(fā)動機寬工況變化過程進行仿真，表明該濾波器可實現(xiàn)對系統(tǒng)輸出和狀態(tài)的有效跟蹤和濾波。

同時，本方法無需在線對系統(tǒng)的線性化模型進行計算，求解過程簡潔，可以簡化相關的理論分析、計算和工程實現(xiàn)。

[1]孫健國.現(xiàn)代航空發(fā)動機多變量控制系統(tǒng)[M].北京:北京航空航天大學出版社,2005.

[2]陳敏,唐海龍,張津.某型雙軸加力渦扇發(fā)動機實時性能仿真模型[J].航空動力學報,2005,20(1):13-17.

[3]胡衛(wèi)紅,李述清,孫健國.基于非線性系統(tǒng)平衡流形的某型渦扇發(fā)動機建模研究[J].航空動力學報,2010,25(1):213-217.

[4]李華聰,王鑫,韓小寶,等.航空發(fā)動機線性變參數建模方法研究[J].推進技術,2007,28(4):418-421.

[5]Reberga L, Henrion D, Bernussou J, et al. LPV Modeling of a Turbofan Engine [C].16th FACWorld Congress. Prague, 2005.

[6]James A Turso, Jonathan S Litt. Intelligent Robust Control of Deteriorated Turbofan Engines via Linear Parameter Varying QuadraticLyapunovFunctionDesign[R].NASA/TM- 2004- 213375.

[7]Balas G J, Ryan J, Shin J Y, et al. A NewTechnique for Design of Controllers for Turbofan Engines[R].AIAA 98- 3751, 1998.

[8]Giarre L, BausoD, Falugi P, et al. LPVModel Identification for Gain Scheduling Control an Application to Rotating Stall and Surge Control Problem [J].Control Engineering Practice, 2006, 14（4）:351- 361.

[9]Gary J Balas, Jack Ryan, Jong- Yeob Shin, et al. A NewTchnique for Design of Controllers for Turbofan Engines [R].AIAA 98- 3751.

[10]Kalman R E. A New Approach to Linear Filtering and Predietion Theory [J]. Joural of Basic Engineering. 1960,62（1）:34- 45.

[11]鄒衛(wèi)軍,薄煜明.差分線性化EKF濾波方法研究[J].計算機工程與應用,2009,45（9）:64-66.

[12]王志賢.最優(yōu)狀態(tài)估計與系統(tǒng)辨識[M].西安：西北工業(yè)大學出版社,2004.

[13]張友民,戴冠中,張洪才.卡爾曼濾波計算方法研究進展[J].控制理論與應用,1995,12(5):529-538.

[14]馮正平,孫健國,黃金泉,等.一種建立航空發(fā)動機狀態(tài)變量模型的新方法[J].航空動力學報,1998,13（4）:435-438.