طراحی کنترل پیشبین مدل چند متغیره برای موتور توربوفن و مقایسه عملکرد با کنترل‌کننده Min-Max

نوع مقاله: مقاله پژوهشی

نویسندگان

دانشکده مهندسی مکانیک دانشگاه علم و صنعت ایران

چکیده

کنترل‌کننده موتور توربوفن وظیفه تأمین رانش مورد درخواست خلبان را در حین حفظ قیود متنوع حاکم بر محدودیت‌های ساختاری و عملکردی بر عهده دارد. لذا، راهبرد‌هایی که جهت کنترل موتور هواپیما به‌کار ‌گرفته می­شوند، می­بایست امکان لحاظ قیود سامانه را در ساختار خود داشته باشند. در این تحقیق، یک کنترل‌کننده پیش‌بین مدل چند متغیره بر اساس مدل فضای حالت خطی برای یک موتور توربوفن طراحی می‌شود. این کنترل‌کننده توانایی لحاظ قیود متنوع ورودی و خروجی را در حین تأمین دستور رانش دارد. به دلیل عدم تطبیق بین مدل خطی‌سازی­شده برای کنترل‌کننده و مدل غیرخطی موتور در ساختار کنترلی ارائه‌شده از روش اصلاح بازخورد جهت بهبود عملکرد کنترل‌کننده MPC استفاده می‌شود. در این روش، علاوه بر سوخت به‌عنوان ورودی کنترلی اصلی، نشتی نیز به‌عنوان یک ورودی کنترلی کمکی جهت کاهش احتمال وقوع سرج کمپرسور به‌صورت حلقه بسته مدنظر قرار می­گیرد. در شبیه­سازی با استفاده از مدل غیرخطی ترمودینامیکی، عملکرد کنترل‌کننده طراحی‌شده با روش چند حلقه‌ای Min-Max که به‌طور معمول جهت کنترل موتورهای هوایی به­کار گرفته می­شود، مقایسه می‌شود. نتایج شبیه­سازی عملکرد مؤثر کنترل‌کننده پیشنهادی را نشان می­دهد.

کلیدواژه‌ها


  1. Richter, H. “Advanced Control of Turbofan Engines”, Springer, New York, United States, 2012.
  2. Thompson, A., Hacker, J., and Cao, C. “Adaptive Engine Control in the Presence of Output Limits”, Aer. Int. Conf., Atlanta, United States, 2010.
  3. Nathan, G. “Intelligent Engine Systems-Adaptive Control”, NASA/CR-215240, 2008.
  4. May, R.D. and Garg, S. “Reducing Conservatism in Aircraft Engine Response, Using Conditionally Active Min-Max Limit Regulators”, NASA Glenn Research Center, Cleveland, Ohio, United States, 2012.
  5. Spang, H.A. and Brown, H. “Control of Jet Engines”, Control Eng. Pract., Vol. 7, No. 9, pp. 1043-1059, 1999.
  6. DeCastro, J.A., Litt, J.S., and Frederick, D.K. “A Modular Aero-Propulsion System Simulation of a Large Commercial Aircraft Engine”, Joint Propul. Conf. Exhibit., Hartford, Connecticut, United States, July, 2008.
  7. Jaw, L.C. and Mattingly, J.D. “Aircraft Engine Controls-Design, System Analysis and Health Monitoring”, American Institute of Aeronautics and Astronautics, AIAA, Virginia, United States, 2009.
    1. Litt, J., Frederick, D., and Guo, T.H. “The Case for Intelligent Propulsion Control for Fast Engine Response”, Aerosp. Int. Conf. Seattle, United States, 2009.
    2. Montazeri-Gh, M., Hosseini, S.M., and Imani. A. “Min-Max Controller Design for Double Shaft Unmixed Turbofan Engine’s Thermodynamic Model”, Aerosp. Mech. J., Vol. 15, No. 2, pp. 17-32, 2019 (In Persian).
    3. Imani, A., Montazeri, M., “Improvement of Min-Max Limit Protection in Aircraft Engine Control: An LMI Approach”, Aerosp. Sci. Tech., Vol. 68, pp. 214-222, 2017.
    4. Imani, A. and Montazeri, M. “A Min-Max Selector Controller for Turbofan Engines with Improvement of Limit Management and Low Computational Burden”, T. I. Meas. Control, Vol. 41, No.1, pp. 36-44, 2018.
    5. Mu, J. and Rees, D. “Approximate Model Predictive Control for Gas Turbine Engines”, American Control Conf., Boston, United States, 2004.
    6. Pandey, A. and Moroto, R. H. “Model Predictive Control for Gas Turbine Engines”, Turbomach. Tech. Conf. Expo., Arizona, United States, 2018.
      1. Brunell, B.J., Bitmead, R.R., and Connolloy, A.J. “Non-linear Model Predictive Control of an Aircraft Gas Turbine Engine”, Proc. 41stConf. Decision and Control, Miami, United States, 2002.
      2. Fuller, J.W., Kumar, A., and Millar, R.C. “Adaptive Model Based Control of Aircraft Propulsion Systems”, Turbomach. Tech. Conf. Expo., New York, United States, 2006.
      3. Decastro, J.A. “Rate-Based Model Predictive Control of Turbofan Engine Clearance”, J. Propul. Power, Vol. 23, pp. 804-813, 2007.
      4. Diwanji, V., Godbole, A., and Waghode, N., “Non-linear Model Predictive Control For Thrust Tracking of a Gas Turbine”, Int. Conf. Ind. Tech., Melbourne, Australia, 2006.
      5. Brunell, B.J., Viassolo, D.E., Prasanth R., “Model Adaptation and Non-linear Model Predictive Control of an Aircraft Engine”, Proc. Conf. ASME Turbo Expo 2004: Power for Land, Sea, and Air, Vienna, Austria, 2004.
        1. Aly, M.B. and Atia, A.I. “Neural Modeling And Predictive Control of a Small Turbojet Engine (SR-30)”, Int. Energy. Eng. Conf. Atlanta, United State, 2012.
          1. Saluru, C.D., Yedavalli, R.K., and Belapurkar, R.K. “Active Fault Tolerant Model Predictive Control of a Turbofan Engine Using C-Mapss40k”, Annu. Dyn. Syst. Control Conf., Florida, United State, 2012.
          2. Du, X., Guo, Y., and Sun, H. “An Adaptive Model Predictive Controller for Turbofan Engine”, American Journal of Engineering Research (AJER), Vol. 4, No. 12, pp. 170-176, 2015.
          3. Seok, J., Kolmanovsky, I., and Girard, A. “Coordinated Model Predictive Control of Aircraft Gas Turbine Engine and Power System”, J. Guid. Control Dyn., Vol. 40, No. 10, pp. 2538-2555, 2017.
        2. Imani, A. and Montazeri, M. “A Min–Max Multiregulator System with Stability Analysis for Aeroengine Propulsion Control”, ISA Trans., Vol. 85, pp. 84-96, 2018.
        3. Walsh, P.P. and  Fletcher, P. “Gas Turbine Performance”, Blackwell Science, U.K., 2004.
        4. Kulikov, G.G. and Thompson, H.A. “Dynamic Modelling of Gas Turbines: Identification, Simulation, Condition Monitoring and Optimal Control”, Springer; London, U.K., 2004.
        5. Kurzke, J. “GasTurb 10: A Program for Gas Turbine Performance Calculations”, User’s Manual, Germany, 2004.
        6. Montazeri-Gh, M. and Rasti Jahromi, A. “Analyzing Different Numerical Linearization Methods for the Dynamic Model of a Turbofan Engine”, Mech. Ind., Vol. 20, No. 3, 2019.
        7. Qin, S.J. and Badgwell, T.A. “A Survey of Industrial Model Predictive Control Tchnology”, Control Eng. Pract., Vol. 11, pp. 733-764, 2003.
        8. Zhang, X., XU, D. and LIU, Y. “Predictive Functional Control of a Doubly Fed Induction Generator for Variable Speed Wind Turbines”, Proc. 5th World Congress on Intelligent Control and Automation (WCICA), Hangzhou, China, June 15-19, 2004.
 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

  1. Li, S., Wang, J., Li, K., and Zhang, D. “Study on Robustness and Feasibility of MPC Based Vehicular Adaptive Cruise Control System”, World Congress on Intelligent Control and Automation (WCICA), Changsha, China, 2009.
  2. Simkoff, J.M., Wang, S., and Baldea, M. “Plant-Model Mismatch Estimation in Unconstrained State-Space MPC”, Am. Control Conf., Seattle, United States, 2017.