随着科技的发展和使用要求的提高,传统的航空发动机很难满足高精度,高灵活性的作战需要。新一代变循环发动机融合了涡扇发动机和涡喷发动机的优点,成为当前航空发动机领域的研究重点。变循环发动机由于可调部件增多,导致控制变量增多,回路之间的耦合程度增强,控制系统复杂性增强等问题。本文依托某部委“XX发动机基础问题研究”项目,针对某型变循环发动机,提出了一种基于动态神经网络的变循环发动机智能控制方法,并基于某型变循环发动机机理模型进行仿真验证。具体内容包括:1.变循环发动机部件级模型研究。通过对变循环发动机国内外研究现状进行分析,在部件级建模方法框架下,依据变循环发动机变几何特性、外涵道稳态特性映射关系、可变几何部件性能关系,基于功率平衡方程、能量平衡方程及流量平衡方程等,明确了某型变循环发动机非线性部件级建模方法,并对发动机性能进行了仿真,为后续设计动态神经网络控制器奠定基础。2.基于灰色关联分析法的动态神经网络设计。针对神经网络结构过大,逼近效果较好但是容易出现过拟合和网络泛化能力差;网络结构过小,学习能力较弱,易导致训练精度不够的问题,提出了基于误差的结构增长算法和基于灰色关联分析法的结构修剪算法,对神经网络隐含层神经元逐层进行调整,从而实现动态神经网络的结构优化,并通过实验验证所提算法的可行性。3.设计基于动态神经网络的某型变循环发动机智能控制器,并进行仿真验证。针对变循环发动机控制变量多,耦合性强的问题,根据发动机控制计划,实现基于误差的结构增长和灰色关联分析的结构修剪算法的动态神经网络稳态控制器设计。仿真验证表明使用所提控制方法在不同的工况下均能很好地解决上述问题,且控制误差均在0.5%以内,无明显超调。与固定结构神经网络控制器相比,所提方法的网络结构更加精简,稳态误差更小,调节时间更短,具有一定的工程实用价值。4.变循环发动机智能控制仿真软件开发。在确定软件的开发需求和开发计划的基础上,进行软件方案设计及关键技术分析以及软件的功能开发。实现了在用户设置的工况下,原始模型的数据采集,并构成神经网络训练样本;在用户选择的神经网络训练方式下,进行训练并展示训练误差及隐含层神经元的变化情况;将训练好的动态神经网络或固定结构神经网络封装为变循环发动机智能控制器,实现变循环发动机多变量智能控制并能够展示控制器对控制指令的跟踪效果和控制变量的变化情况。