基于融合算法的航空发动机涡轮前温度最优控制
基于融合算法的航空发动机涡轮前温度最优控制涡轮前温度是航空发动机的关键控制参数之一，在保持发动机推力不变的前提下，降低涡轮前温度可以有效提高发动机使用寿命，涡轮前温度最优控制是降低涡轮前温度的有效技术途径。研究了航空发动机涡轮进口温度的在线优化问题，并根据该优化问题的特点，提出了一种基于小生境遗传算法 （NGA） 与非线性规划 （NLPQL） 相结合的混合优化算法。数值仿真研究结果表明，虽然 NLPQL 计算速度快，但对涡轮进口温度的降低效果较差，NGA 具有全局收敛能力，优化效果较好，但计算耗时较长。NGA 和 NGA-NLPQL 混合算法在飞机全飞行包线内可分别降低涡轮前温度 27.35K 和 27.19K，但与 NGA 相比，NGA-NLPQL 混合算法节省了 74.6% 的计算时间。因此，所提出的 NGA-NLPQL 混合算法是一种效果更好、实时性更优的航空发动机涡轮前温度在线优化方法。
关键词：涡轮前温度；航空发动机；小生境遗传算法；非线性规划算法；混合算法
页:
[1]