Resumen

Este artículo presenta un enfoque exitoso en el diseño de un controlador de lógica difusa (FLC) para un motor a reacción específico. En primer lugar, se presenta un modelo matemático adecuado para el motor a reacción con la ayuda de SIMULINK. A continuación, aplicando diferentes funciones razonables de flujo de combustible a través del modelo del motor, se obtienen algunos parámetros importantes de funcionamiento transitorio del motor (como el empuje, el margen de sobrecarga del compresor, la temperatura de entrada de la turbina, etc.). Estos parámetros proporcionan una valiosa base de datos, que entrena una red neuronal. En el segundo paso, mediante el diseño y el entrenamiento de una red neuronal perceptrón multicapa de tipo feedforward de acuerdo con esta base de datos disponible, se determinan varias funciones de flujo de combustible razonables para diversas operaciones de aceleración del motor. Estas funciones se utilizan para definir las funciones difusas de combustible deseadas. De hecho, las redes neuronales se utilizan como un método eficaz para definir las funciones difusas de combustible óptimas. En el siguiente paso, proponemos un FLC utilizando el modelo de simulación del motor y los resultados de la red neuronal. El esquema de control propuesto se comprueba mediante simulación por ordenador utilizando el modelo de motor diseñado. Los resultados de la simulación del modelo de motor con FLC ilustran que el controlador propuesto alcanza el rendimiento y la estabilidad deseados.

• Materias:Minería de datos Termodinámica Aerodinámica Ciencia de datos Ingeniería aeroespacial Exploración espacial
• Subjects:Data mining Thermodynamics Aerodynamics Data science Aerospace engineering Space exploration
• Palabras claves:función de flujo de combustible, red neuronal, función de combustible difusa, modelo de motor, ayuda de simulink, diferentes combustibles razonables, resultados del motor, parámetros de operaciones transitorias, perceptrón multicapa feedforward, esquema de control propuesto
• Keywords:fuel flow function, neural network, fuzzy fuel function, engine model, aid of simulink, different reasonable fuel, results of engine, transient operations parameters, feedforward multilayer perceptron, proposed control scheme