1、為了把握航空動力裝置發(fā)展方向，進一步研究航空動力裝置設計、驗證技術，本文以變循環(huán)發(fā)動機為研究對象，著重研究了其物理結構、建模手段和控制方法。
　　首先本文進行了變循環(huán)發(fā)動機物理結構設計，通過對比分析確定了主動調節(jié)模式選擇活門、后涵道引射器以及前涵道引射器被動調節(jié)的物理結構設計方案。為解決變循環(huán)發(fā)動機在不同工作模式下風扇整體建模不合理問題，引入了風扇葉根葉尖模型；同時還研究了模式選擇活門建模方法、可調靜子部件特性曲線獲取方法。采用容

2、積動力法在Matlab軟件Simulink平臺上建立了變循環(huán)發(fā)動機部件級模型，通過與NASA數據、試驗數據對比，對建立的部件級模型進行了正確性驗證，確保所建模型的有效性。
　　其次本文基于部件級模型研究了非線性模型辨識技術，首先研究了NARX模型辨識，分別選取了Sigmoid網絡、Wavelet網絡進行仿真計算，發(fā)現(xiàn)NARX模型辨識參數選取困難，辨識精度仍有提高空間；隨后引入了動態(tài)神經網絡時間序列預測方法，仿真計算表明這種方法精度

3、較高，輸出值最大相對誤差能控制在0.7％以內，但解析性較差；最后進行了基于Hammerstein-Wiener模型結構的非線性模型辨識方法仿真，結果表明其與NARX模型辨識有一定的相似性。通過對這些方法總結，本文提出了一種基于Hammerstein-Wiener的遞推模型，通過簡化模型、引入遺傳算法實現(xiàn)了模型參數化辨識，提高了模型精度的同時也使模型具有一定解析性，最終模型最大相對誤差能控制在0.5%以內。并基于這種遞推模型對全包線范圍模

4、型辨識進行了仿真研究，通過分析非辨識數據點情況下模型精度，提出了包線分割方法。
　　最后本文對變循環(huán)發(fā)動機非線性控制方法進行了研究，采用廣義預測控制方法，選擇最小方差形式性能指標進行最優(yōu)控制律求解。通過引入卡爾曼濾波器、飽和函數模塊完成了控制器結構設計，分析了控制器中參數選取方法及其對控制性能的影響，最終選定一組參數對變循環(huán)發(fā)動機進行了控制仿真計算，結果表明：廣義預測控制方法是一種較為有效的非線性控制方法，與PID控制器相比有一定