基于人工蜂群算法的航空发动机参数自整定PID控制

推进技术 ›› 2015, Vol. 36 ›› Issue (1): 130-135.

基于人工蜂群算法的航空发动机参数自整定PID控制

卢彬彬,肖玲斐,龚仁吉,范昕宇

江苏省航空动力系统重点实验室南京航空航天大学能源与动力学院，江苏南京 210016,江苏省航空动力系统重点实验室南京航空航天大学能源与动力学院，江苏南京 210016,江苏省航空动力系统重点实验室南京航空航天大学能源与动力学院，江苏南京 210016,江苏省航空动力系统重点实验室南京航空航天大学能源与动力学院，江苏南京 210016

发布日期:2021-08-15
作者简介:卢彬彬(1991—)，男，硕士生，研究领域为航空发动机控制。E-mail: lubinbin@nuaa.edu.cn 作者简介:肖玲斐(1982—)，女，博士，副教授，研究领域为航空发动机控制。
基金资助:
中央高校基本科研业务费专项资金江苏省航空动力系统重点实验室开放课题(NJ20140022)；工业控制技术国家重点实验室开放课题(No.ICT1446)。

Self-Tuning PID Control for Aeroengine Based on Artificial Bee Colony Algorithm

Jiangsu Province Key Laboratory of Aerospace Power System，College of Energy and Power，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China,Jiangsu Province Key Laboratory of Aerospace Power System，College of Energy and Power，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China,Jiangsu Province Key Laboratory of Aerospace Power System，College of Energy and Power，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China and Jiangsu Province Key Laboratory of Aerospace Power System，College of Energy and Power，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China

Published:2021-08-15

摘要/Abstract

摘要： 针对航空发动机PID控制器的参数寻优问题，提出基于人工蜂群算法(ABC)的航空发动机PID控制器参数自整定的方法。利用人工蜂群算法实现容易、计算简洁、寻优性能好、鲁棒性强的优点，优化PID控制器参数，以改善控制系统性能。考虑到可能存在的执行机构输出量的极大超调，融入执行机构输出的超调量惩罚机制，改进目标性能函数，有效避免了可能存在的发动机供油量极大超调现象。对涡扇发动机在地面和高空稳态工作点的增量形式的线性化数学模型进行了仿真验证，结果表明优化效果良好，转速阶跃响应反应迅速且超调量小，同时供油量也没有出现大的超调，验证了所提方法的有效性和实用性。

关键词: 航空发动机; 人工蜂群算法; PID控制参数优化

Abstract: Aimed at the parameter optimization of aeroengine PID controller，an optimization methodology based on the Artificial Bee Colony(ABC)algorithm was proposed. The ABC algorithm has advantages in easiness，simple calculation，good optimization performance and strong robustness. Thus it can self-tune the parameters of PID controller to improve the system performance. A punishment mechanism for the overshoot of the actuator output was added into the objective function to avoid the possible high overshoot of fuel supply in aeroengine. To verify the effectiveness and practicality of the proposed methodology，a simulation on the linear incremental mathematical models about steady points at ground and in flight for some turbofan engine was performed，and the results show a high track speed and small overshoot of rotational speed step response while avoiding the possible high overshoot of the actuator output.

Key words: Aeroengine；Artificial Bee Colony(ABC)algorithm；Parameter optimization of proportional integral derivative(PID)control

卢彬彬,肖玲斐,龚仁吉,范昕宇. 基于人工蜂群算法的航空发动机参数自整定PID控制[J]. 推进技术, 2015, 36(1): 130-135.

LU Bin-bin, XIAO Ling-fei, GONG Ren-ji, FAN Xin-yu. Self-Tuning PID Control for Aeroengine Based on Artificial Bee Colony Algorithm[J]. Journal of Propulsion Technology, 2015, 36(1): 130-135.

参考文献

[1] 姚华. 未来航空发动机控制技术的发展趋势[J]. 航空科学技术, 2013, (6): 1-6.
[2] 樊思齐, 李华聪, 樊丁, 等. 航空发动机控制[M]. 西安:西北工业大学出版社, 2008.
[3] 李秋红, 孙健国, 周继超. 航空发动机 PID 控制参数优化的改进遗传算法[J]. 南京航空航天大学学报, 2006, 38(2): 162-165.
[4] Li S, Sun J.Application of Genetic Algorithm to Solving Nonlinear Model of Aeroengines[J]. Chinese Journal of Aeronautics, 2003, 16(2): 69-72.
[5] 曹志松, 朴英. 基于混合遗传算法的航空发动机 PID 控制参数寻优[J]. 航空动力学报, 2007, 22(9): 1588-1592.
[6] Cooper J, Hinde C. Improving Genetic Algorithms’ Efficiency Using Intelligent Fitness Functions[M]. Berlin: Developments in Applied Artificial Intelligence, Springer Berlin Heidelberg, 2003: 636-643.
[7] 林军, 倪宏, 孙鹏, 等. 一种采用神经网络 PID 控制的自适应资源分配方法[J]. 西安交通大学学报, 2013, 47(4): 112-117.
[8] Zhu G, Kwong S.Gbest-Guided Artificial Bee Colony Algorithm for Numerical Function Optimization[J]. Applied Mathematics and Computation, 2010, 217(7): 3166-3173.
[9] Karaboga D. An Idea Based on Honey Bee Swarm for Numerical Optimization[R]. Technical Report-tr06, Erciyes University, Engineering Faculty, Computer Engineering Department, 2005.
[10] Karaboga D, Basturk B. A Powerful and Efficient Algorithm for Numerical Function Optimization: Artificial Bee Colony (ABC) Algorithm[J]. Journal of Global Optimization, 2007, 39(3): 459-471.
[11] 冯庆娴, 丁海军. 用于求解函数优化问题的蜂群算法[EB/OL]. http://www.paper.edu.cn, 2008.08.29.
[12] Zhong S, Dong Y F, Sarosh A. Artificial Bee Colony Algorithm for Parametric Optimization of Spacecraft Attitude Tracking Controller[M].Berlin: Foundations and Practical Applications of Cognitive Systems and Information Processing, Springer Berlin Heidelberg, 2014: 501-510.
[13] 胡中华, 赵敏. 基于人工蜂群算法的无人机航迹规划研究[J]. 传感器与微系统, 2010, (3): 35-38.
[14] 郭超峰, 李梅莲. 基于自适应搜索的人工蜂群算法[J]. 信阳师范学院学报: 自然科学版, 2013, 26(3): 446-449.
[15] 魏红凯. 人工蜂群算法及其应用研究[D]. 北京:北京工业大学, 2012.
[16] 蒋正金, 吕干云, 端木春江. 采用人工蜂群算法求解多维函数极值[J]. 电子技术 (上海), 2012, (1): 9-11.(编辑:张荣莉)　　　　　　　　　　　　　*　收稿日期:2014-03-04；修订日期:2014-04-18。基金项目:中央高校基本科研业务费专项资金江苏省航空动力系统重点实验室开放课题(NJ20140022)；工业控制技术国家重点实验室开放课题(No.ICT1446)。作者简介:卢彬彬(1991—),男,硕士生,研究领域为航空发动机控制。E-mail: lubinbin@nuaa.edu.cn作者简介:肖玲斐(1982—),女,博士,副教授,研究领域为航空发动机控制。E-mail: lfxiao@nuaa.edu.cn