基于神经网络和自适应控制的固体燃料冲压发动机推力监测与调节框架
最优化与控制
2025-06-11 v1
摘要
固体燃料冲压发动机 (SFRJ) 内部复杂燃烧动力学的控制仍是限制其规模化部署的关键挑战。本文提出使用神经网络模型处理实时测量数据，以进行 SFRJ 推力的监测与调节。训练一个神经网络从合成数据中估计推力，该数据由具有可变入口控制的SFRJ的准一维模型生成。将基于回溯成本优化的在线学习控制器集成到该准一维SFRJ模型中，以调节推力。对神经网络和自适应控制器进行灵敏度研究，以识别最优超参数。数值仿真结果表明，结合神经网络和学习控制框架的系统能够有效地利用有限的实时数据，对SFRJ模型产生的推力进行调节。
引用
@article{arxiv.2506.08157,
title = {An In-situ Solid Fuel Ramjet Thrust Monitoring and Regulation Framework Using Neural Networks and Adaptive Control},
author = {Ryan DeBoskey and Parham Oveissi and Venkat Narayanaswamy and Ankit Goel},
journal= {arXiv preprint arXiv:2506.08157},
year = {2025}
}