买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京航空航天大学申请的专利一种基于模糊增益调度的变循环发动机全包线鲁棒控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114839873B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210402028.2，技术领域涉及：G05B13/04；该发明授权一种基于模糊增益调度的变循环发动机全包线鲁棒控制方法是由潘慕绚;许允;黄金泉;仇小杰设计研发完成，并于2022-04-18向国家知识产权局提交的专利申请。

本一种基于模糊增益调度的变循环发动机全包线鲁棒控制方法在说明书摘要公布了：本发明公开了一种基于模糊增益调度的变循环发动机全包线鲁棒控制方法，包括以下步骤：步骤1设计全包线下变循环发动机动、稳态性能特征参数；步骤2利用智能聚类算法优化模糊调度模型的规则数与标称控制器设计点；步骤3利用SQP算法优化标称工作点鲁棒控制器增益；步骤4基于模糊调度规则与标称点鲁棒控制器设计全包线模糊增益调度鲁棒控制器。本发明考虑变循环发动机控制系统中全包线控制器设计问题，通过设计变循环发动机动、稳态性能特征参数，利用智能聚类算法优化模糊调度模型的规则数与标称控制器设计点，利用SQP算法优化标称工作点鲁棒控制器增益，从而获得全包线模糊增益调度鲁棒控制器，实现变循环发动机的全包线控制。

本发明授权一种基于模糊增益调度的变循环发动机全包线鲁棒控制方法在权利要求书中公布了：1.一种基于模糊增益调度的变循环发动机全包线鲁棒控制方法，其特征在于：包括以下步骤： 步骤1设计全包线下变循环发动机动、稳态性能特征参数； 步骤2利用智能聚类算法优化模糊调度模型的规则数与标称控制器设计点； 步骤3利用SQP算法优化标称工作点鲁棒控制器增益； 步骤4基于模糊调度规则与标称点鲁棒控制器设计全包线模糊增益调度鲁棒控制器； 所述步骤1的具体步骤如下： 步骤1.1，选择状态变量为高压转子转速nH，低压转子转速nL，发动机压比EPR；控制变量为主燃烧室燃油流量Wf，尾喷管喉道面积A8，后可调引射器面积A163；依据变循环发动机的部件级模型，利用小扰动法建立变循环发动机三输入三输出状态空间模型，模型的数学表达形式如下： Δy＝CΔx+DΔu 其中，系统系数矩阵为已知维度的常数矩阵A∈R3×3,B∈R3×3,C∈R3×3,D∈R3×3； 步骤1.2，依据三输入三输出状态空间模型获取该系统的传递函数模型，模型如下： 步骤1.3，依据步骤1.1，步骤1.2获得状态空间模型与传递函数模型设计的变循环发动机动、稳态性能特征参数；上述三输入三输出状态空间模型的传递函数矩阵表示为： 其中Aij∈R3×3为矩阵A的伴随矩阵，|sI-A|为矩阵sI-A的行列式；定义靠近虚轴的矩阵A特征值为主导特征值λ： 以动态特征参数λ对发动机对象的动态特性进行描述； 传递函数稳态增益表示为： 定义表征系统稳态性能的稳态特征参数Θ： 步骤1.4，依据步骤1.1建立全包线内多稳态点的状态空间模型并计算相应的步骤1.3定义的发动机动稳态性能参数； 所述步骤2中的具体步骤如下： 步骤2.1，对动态特征参数λ的实部、虚部进行拆解，结合稳态特征参数Θ构成表征发动机特性的三维特征空间； 步骤2.2，将该三维特征空间中数据作为待聚类的数据集，利用AP算法优化包线空间模糊规则数； 步骤2.3，获取AP算法迭代后结果，确定模糊规则数及T-S模糊模型的标称工作点； 所述步骤2.2中的具体步骤如下： 步骤2.2.1，计算三维特征空间内n组待聚类的数据点x1,x2,x3,.......xn-1,xn中点i与点j之间的相似度信息，相似度定义为欧几里得距离的负值； si,j＝-||xi-xj||2，i≠j,i＝1,2,...,n,j＝1,2,...,n 相似度表征点j是否适合作为点i的聚类中心；当i＝j时，相似度矩阵的主对角元上元素设置为数值一样的偏向参数，表征初始时刻每个数据点具有相同概率成为聚类中心；偏向参数一般设置为相似度矩阵元素的中位数，或是相似度矩阵的最小元素； 步骤2.2.2，计算从点i发送给点j的代表信息ri,j，表征点i在考虑其他潜在聚类中心后选择点j作为其聚类中心的程度； 在初始时刻，适选信息设置为零； 步骤2.2.3，当数据点j接收到点i发送的信息ri,j后，点j会给点i回馈适选信息ai,j，表征点j在收到信息ri,j后，向点i证明自己作为其聚类中心的能力； 当i＝j时，信息aj,j计算为 步骤2.2.4，设置阻尼系数θ∈[0,1]，更新每次迭代的适选矩阵Rk与代表矩阵Ak，其中Rk，Ak分别为第k次迭代过程中代表信息ri,j与适选信息ai,j组成的矩阵；加权更新公式如下： Rk＝1-θ×Rk+θ×Rk-1 Ak＝1-θ×Ak+θ×Ak-1 步骤2.2.5，AP算法在数据点间不断传递上述两类信息直至产生稳定的聚类中心或是达到最大迭代次数，从而认为算法收敛，得到聚类结果；产生稳定的聚类中心判断条件为:ri,j+ai,j在连续几步迭代中保持稳定；点j作为点i的聚类中心需满足条件； 即取所有潜在中心与点i之间传递的信息和最大的潜在中心为点i的聚类中心； 所述步骤3中的具体步骤如下： 步骤3.1，利用标称工作点设计LQR鲁棒控制器； 步骤3.2，针对标称工作点LQR鲁棒控制器设计SQP优化性能指标，该性能指标如下： 其中θ为一个比较大的常数，δit旨在抑制控制器动态过程中的超调问题； 步骤3.3，依据步骤3.2定义的性能指标利用SQP算法优化标称点LQR鲁棒控制器； 所述步骤3.1中的具体步骤如下： 步骤3.1.1，面向标称工作点基于步骤1.1获取状态空间模型，将跟踪指令与输出信号之间的误差增广进状态变量，建立增广后的状态空间模型； 其中，定义 步骤3.1.2，基于上述增广后的状态空间模型设计LQR控制器，控制器形式为： 通过选取合适的Q,R矩阵求解Riccati方程获得控制器增益，Riccati方程如下： 其中控制器增益为： 对K矩阵进行分块得到KX,Ke； 所述步骤4中的具体步骤如下： 步骤4.1，设计T-S模糊调度模型中if-then规则的前件变量、隶属度函数与后件变量； 步骤4.2，基于if-then规则数和最优标称点控制器增益，建立基于T-S模糊模型调度的全包线鲁棒控制器。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。