31829

طراحي كنترل كننده PID بهينه مبتني بر يادگيري تقويتي براي موتور توربوفن

كارشناسي ارشد

مهندسي برق كنترل

1400

1403/07/23

دكتر سعيد شمقدري

دكتر سعير شمقدري

مهندسي برق

موتور‌هاي هوايي سيستم‌هاي ترموديناميكي غير خطي پيچيده اي هستند علاوه بر آن موتور‌هاي هوايي در معرض تغيرات شديد شرايط خارجي و پارامتر‌هاي داخلي هستند. اين تغيرات موجب تغيرات در پرارمتر ديناميك موتور مي‌شود. سيستم كنترل نقش مهمي‌ در بهبود كارايي، افزايش عمر، قابليت اطمينان و عملكرد ايمن موتور‌هاي توربيني هوايي داشته است. وجود عدم قطعيت در ساخت و مدلسازي و همچنين استهلاك موتور باعث تحميل حاشيه اطمينان و در نتيجه عملكرد غير بهينه در كنترل‌كننده متعارف موتور مي‌شود. در اين پژوهش كنترل‌كننده PID مبتني بر يادگيري تقويتي براي موتور توربوفن AGTF30 طراحي شده است. در اين روش معماري كنترل‌كننده متعارف موتور حفظ شده است ولي با استفاده از الگوريتم Q-learning كنترل‌كننده PID بهينه طراحي شده است. به منظور مقايسه كنترل‌كننده طراحي شده با كنترل‌كننده متعارف، پاسخ پله موتور و رفتار حالت گذراي آن حول يك نقطه كاري مشخص مقايسه گرديد. مشاهده شد روش پيشنهادي قادر به كاهش زمان نشست در پاسخ پله موتور شده است. علاوه بر آن از ميزان بالازدگي در پاسخ گذراي سيستم كاسته شده است.

1403/10/03

Design of optimal PID controller based on reinforcement learning for turbofan engine

10/14/2025 12:00:00 AM

Aero engines are complex nonlinear thermodynamic systems which, exposed to extreme changes in external conditions and internal parameters. These changes cause changes in the dynamic parameters of the engine. The control system can improve the efficiency, life span expansion, reliability, and safe operation of aero turbine engines. Uncertainties in engine manufacturing and modeling or caused by engine degradation led to suboptimal performance in Conventional engine controllers. This imposes a margin of confidence that must be considered as controller design constraints. In this research, a reinforcement learning-based PID controller is designed for the AGTF30 turbofan engine. In the proposed method, the conventional controller architecture is retained, but an optimal PID controller is designed using the Q-learning algorithm. To compare the proposed method with the conventional controller, the engine speed step response and its transient behavior around a specific operating point are compared. In addition, proposed method can reduce overshoot in the system's transient response.

يادگيري تقويتي , الگوريتم Q-Learning , كنترل موتور توربوفن AGTF30 , كنترل توربين گاز هوايي , كنترل موتور هواپيما , كنترل‌كننده PID بهينه

Reinforcement learning , Q-Learning algorithm , AGTF30 Turbofan Engine Control , Aero Gas Turbine Engine Control , Aircraft Engine Control , Optimal PID Controller

Elias Noshad

Saeed Shamaghdari