王 宁，潘慕绚，黄金泉

(南京航空航天大学 能源与动力学院， 南京 210016)

直升机是一个多自由度、强耦合的系统，直升机以及发动机之间是相互耦合的[1]。随着新一代涡轴发动机技术的不断提高，对发动机控制系统的性能要求也越来越高，涡轴发动机与直升机的耦合效应也大大增强。由于旋翼系统的时滞性影响，传统串级PI控制方法因不具备预测功能而不能考虑时滞的影响，难以满足控制系统的性能要求[2-3]。此外，为了保证发动机平稳、安全可靠工作，不希望发动机出现超温、超转等不安全现象。因此，发动机控制系统还受到发动机参数的约束限制。

模型预测控制(MPC)[4]是一种基于预测系统未来输出的有限时域滚动优化控制技术，在解决各种软硬约束限制上具备强大的处理能力。若能将该控制技术运用到涡轴发动机控制系统设计中，可有效处理系统的时滞效应以及解决控制器的限制约束，控制系统的控制效果也可以得到改善。

2007年美国NASA在一次从控制角度来讨论和发展智能发动机的重要会议中介绍了有关NMPC的应用[5]。从国内外文献来看，NMPC在航空发动机控制方面已开展了相关的研究[6-12]。以上研究大多利用神经网络或支持向量机等机器学习算法辨识发动机预测模型，但神经网络以及支持向量机有自身的缺陷，如需要多次迭代，训练时间长，容易陷入局部最优等。极限学习机(ELM)算法具有训练速度快、泛化能力强的特点，在辨识模型方面具有明显的优势[13]。……