燃气涡轮发动机使用模糊逻辑和神经网络的控制设计

文摘

本文提出一种成功的方法设计一个模糊逻辑控制器(方法)为一个特定的喷气发动机。首先,一个合适的数学模型提出了喷气发动机仿真软件的帮助。然后通过应用不同的合理的燃料流量函数通过发动机模型,一些重要engine-transient操作参数(如推力、压气机喘振裕度,涡轮入口温度,等等)。这些参数提供了一个宝贵的数据库,训练一个神经网络。第二步,通过设计和训练前馈多层感知器神经网络根据这个可用的数据库;许多不同的合理的燃料流量确定各种引擎加速的操作功能。这些函数是用来定义模糊燃料所需的功能。事实上,神经网络作为一种有效的方法来定义最优模糊燃料的功能。在下一步,我们提出一个方法通过使用发动机仿真模型和神经网络的结果。提出的控制方案是使用设计的发动机模型证明了计算机模拟。 The simulation results of engine model with FLC illustrate that the proposed controller achieves the desired performance and stability.

1。介绍

燃气涡轮发动机构成的一个复杂的系统。他们期望的性能可以保证飞机的飞行安全。这表现印象深刻一些引擎输入控制函数变化的发展引擎。找到这些函数可以是一个巨大的成功在喷气发动机控制问题(1,2]。例如,当飞机失去了它的一个有效的发动机在起飞期间,剩下的引擎应该尽快实现他们的最大推力没有任何卷在速度、涡轮进口温度,和压气机喘振。另一方面,在一个复杂的操纵战机飞机,发动机应该提供更准确的推力功能。这两个例子可以表明发动机控制问题的重要性。

虽然传统的航空发动机控制技术是经过时间考验的可靠,现代控制技术承诺提供改进的控制,因此改进飞机推进系统的性能(3,4]。

在过去五年中,大多数的控制问题所制定的客观知识给定的系统(例如,数学模型)。许多这样的“示范基地”的方法找到了进入实践和提供满意的解决复杂系统的光谱(5]。

然而,有许多知识所描述的系统,不能仅仅是传统数学表征(6,7]。

基于知识的方法比传统的经典方法更接近人的思维(6,8]。

在广泛的角度,以知识为基础的方法是所谓的“软计算”的基础。这些方法包括模糊逻辑(FL),神经网络(NN)、遗传算法(GA)和概率推理(公关)。此外,这些方法在很大程度上是互补的而不是竞争9]。

模糊逻辑已经激烈的辩论和争议的面积在过去的几十年。第一篇论文在模糊集理论中,目前认为是主题的研讨会论文,作者是德(见[10),被认为是田间的国父。在工作,德是隐式推进近似人类推理的概念做出有效决策的基础上可用的不精确,语言信息。第一个实现德的想法是通过Mamdani(见[11]),证明了模糊逻辑控制器的能力(方法)一个小模型蒸汽机。这个先锋工作之后,许多消费品和工业应用使用模糊技术已经开发,目前在整个世界。

模糊逻辑是一种最有效的智能控制方法的复杂非线性系统,如航空发动机(4]。这种方法的一个重要的优点是简单的利用率。另一个是增加的数量和类型的可行性隶属度函数和规则,它有各种各样的规则定义。

今天的引擎是可靠和安全,但他们是昂贵的操作和维护。可用的模型和算法的集成车载操作和结果增加车载智能,未来的引擎将能够运行更安全、可靠,降低生命周期成本(3,4]。

再次强调降低引擎的生命周期成本,提高燃油效率,增加耐用性和生活,等等,由各种发展项目,有很强的推动做研究智能技术的应用程序引擎。

智能控制方法将为航空发动机提供所需的范围更加高效、安全、经济。这些方法提供了潜在的创造非常安全,高可靠的系统。方法将有助于使一个级别的性能远远超过今天的推进系统以减少有害排放,燃油效率的最大化和最小化的噪音,同时改善系统能力和安全。

在过去的十年中,一些研究已经进行了使用模糊逻辑智能控制燃气涡轮发动机。在[12),作者研究了两个潜在的组合技术;模糊逻辑与进化算法为一个特定的燃气轮机。进口导叶控制参数包括进口角度和喷嘴面积。类似的工作已经在(13)是设计和评估两种方法通过控制燃烧室压力。然而,在上述的工作和其他相关研究(见[14,15]),一方面,没有提出一个全面的方法,考虑了熄火和安全限制。或者另一方面,燃料流量的影响不是视为一个非凡的控制参数。

一般而言,为每个特定航空发动机设计合适的控制器包括两个步骤:首先,一个精确的航空发动机模型来模拟引擎单独行为,第二,系统识别。系统识别为创建合适的隶属度函数和规则最重要的一步是发动机的性能参数和特殊的知识引擎操作期间他们的关系。最重要的性能参数之一是燃料流率及其与涡轮入口温度和压气机喘振裕度在不同的发动机加速禀赋。

之后,本文设计一个准确的发动机模拟器模型,我们考虑燃料流量直接作为最全面的控制参数对所有发动机的性能参数具有重要的影响。一个成功的方法实现系统识别。该方法包括设计和训练一个神经网络,模拟发动机的性能落后地。它授权我们获得一系列的燃料流量功能为各种引擎加速禀赋。这些函数使用过程中隶属度函数的定义。

2。轮机模拟器模型(TESM)

发动机在设计点是重要的性能特征参数获得发动机设计过程。首次定义工作,操作条件,一个引擎会花大部分时间传统意义上被选为发动机设计点。另外一些重要的高功率条件可以选择。无论哪种方式,在设计点引擎配置、组件设计和循环参数优化。改变几何引擎设计需要不同的引擎,在一个固定的操作条件(16]。

这里的目标不是设计一个引擎。因此,有一个特定的引擎固定几何和已知参数。我们只有寻求模拟引擎的不同操作条件包括稳定和瞬态操作。

有几种方法可以做发动机建模与仿真等传统方法,第4代语言FORTRAN或其他计算热力学循环参数与燃气涡轮发动机的设计和性能预测。这些周期甲板已经广泛使用的燃气涡轮发动机的开发人员理解的行为喷气发动机设计之前,期间和之后的物理引擎的发展。除了他们之外,模型软件和相关工具可应用于详细的发展,基于物理、涡轮发动机模型。

仿真软件提供了一个易于使用的、图形化的建模与仿真开发环境为开发基于时间的模拟在各种应用程序中,使用相关工具和仿真软件能够代码生成(17- - - - - -19]。因此,特定的涡轮喷气发动机的动态模型是使用MATLAB仿真环境和仿真软件开发工具箱(1]。模拟涡轮喷气发动机的配置示意图如图1。

发动机模型是由一个组件方法易于修改和更换不同的引擎组件。轮机模拟器的精度模型(TESM)结果取决于每个组件模块的精度结果(1]。

可以实例化每个组件从软件模块开发代表函数库的特定类型的组件。每个模块是一个功能单位,它自己的一组输入和输出(I / O)。每个函数可以看作一个独立的组件。例如,摄入量(扩散)摄入模块可以作为一个独立的组件,它可以用来实例化进气引擎模型。摄入模块及其I / O如图2。

TESM包括一些组件模块如:摄入量,压缩机、燃烧室、涡轮、喷嘴热力学建模为集中参数系统。这意味着多级压气机或涡轮模拟作为一个组件。采用这种方法,因为压缩机和涡轮机地图创建代表整个组件的性能。模型可以被开发以分阶段的方式如果我们需要真实的每个组件的性能数据。

模块开发基于质量守恒等基本的物理定律,动量和能量。例如,给出了转子动力学的角动量守恒方程,基于组件连接到轴的惯性矩(16]。 在哪里N是发动机轴速度、T是温度,W质量流量,我引擎线轴转动惯量,是发动机轴机械效率。

其他最重要的动力微分方程建模过程中使用如下(16]:

为了使用单个组件创建一个引擎模型,所有硬件组件信息,如流,压力比和效率地图,流量,一些组件的领域是必需的。

涡轮机械公司的地图数据(压缩机和涡轮机地图)到MATLAB工作区(Simulink-related块)是一个重要的部分匹配所需的优化过程模型的性能与数据为一个特定的引擎。

其他参数被纳入了MATLAB工作区特征长度,卷,转动惯量,设计常量、效率等等。这些调优参数的值必须确定从引擎设计文档,实验,或其他仿真模型。这些参数在运行时模型引用。

TESM输出之一是压气机喘振裕度是非常重要的安全引擎操作。压气机喘振条件影响航空航天和工业压缩系统,采用涡轮机械。增兵是一种不稳定的操作条件,可能导致的损失一架飞机在航空航天应用程序和工业系统造成严重损害。在这个压缩系统不稳定,压缩机叶片的流动摊位,和压力上升能力降低。当这种情况发生时,压缩机不能保持高压下游和暴力流逆转发生在整个压缩系统。

增加保证金(SM)的压缩机之间的安全边际是指正常的压缩机的操作点和稳定极限。增加保证金使用合并涡轮机械地图数据,获得如下(1]:

模型配置如图3。可以看到,组件之间的关系容易理解和气体通道流动参数之间的联系主要引擎组件包括质量流量、温度和压力,静态压力,燃气比例(远)。

这个模型提供了一个基本框架的发展引擎组件模块和组件交互的分析引擎内的系统级。可以重用组件模块和生产新的模型所需的时间和成本显著降低。

TESM有三个主要的输入包括高度和马赫数,环境输入(飞行数据)和燃料流量的燃烧室。下面详细的输入。(一)高度:这是一个环境输入10000英尺的这种类型的引擎进入ISA大气模型块。(b)马赫数:这个模拟飞机的速度及其影响P₂,T₂,和。对于这种类型的引擎马赫数范围是0到0.9。(c)燃料流量:这是一个重要的输入从发动机控制的角度来看,由一个控制器具体要求权力杠杆角度(PLA)。

发动机瞬态操作可以由TESM表示的输出。表1提出了一些输出。

在模型输出,四是最重要的,包括:发动机轴的速度(N),涡轮入口温度(T₄)、压气机喘振裕度(SM)和发动机推力。这些应该由发动机控制器控制。图4礼物TESM及其输入和输出更重要。

模型是一个虚拟的测试单元,使一个用户调查“假设”场景在一个引擎测试的成本的一小部分细胞或研究飞机。

现在,提出一种有效的方法来估计燃烧室的燃料流量注入功能室的重视在引擎输入控制函数(见[1,2,20.,21]),一些不同的合理的燃料流量函数应用通过发动机模型,然后一些重要引擎连续时间操作参数(如推力、压气机喘振裕度,涡轮入口温度,和发动机轴速度,等等)。这些参数和燃料流量函数提供了一个宝贵的数据库可以使用的神经网络。

每一个上述的燃料流量函数作为数据库的一个重要组成部分是一系列的二维向量。由于发动机加速从规范化轴的速度来的起始和结束点函数关注相关的燃料流量的稳态值。作为一般规则,燃气比例(远)把一些限制燃料流量的变化。在这方面,燃料流函数的导数应该受到一些指定的值引擎。通过考虑所有的上述的限制和压缩映射,将获得一系列的离散点。这些点是用来估计燃料流量功能。

3所示。神经网络训练

神经网络是一种功能强大的技术来解决许多现实问题。他们从经验中学习的能力,以改善他们的表现,并适应环境的变化。除此之外,他们可以处理不完整信息或嘈杂的数据,可以非常有效的尤其是在不可能的情况下定义的规则或步骤,导致问题的解决方案(2]。

通过设计和训练前馈多层感知器神经网络根据可用的数据库;我们估计不同的合理的燃料流量函数提供所需的发动机的性能参数如推力和压气机喘振裕度为各种加速度禀赋。选择引擎的禀赋只包括十二个快速和安全的加速度为飞行员的最高速度命令的临界范围引擎操作。不同利率的最高速度命令将分散这些禀赋。事实上,该神经网络模拟了发动机的性能落后地。所以一系列燃料流量的函数将获得各种引擎加速禀赋。这些函数将使用过程中设计一个模糊逻辑控制器的隶属度函数定义。

神经元网络的输入层由四个最重要的发动机的性能参数,并通过发动机模型。这些发动机模型输出参数是描绘在图4。有十个隐层神经元。输出层包括一个神经元的燃料流量。提出了神经网络图所示5。

我们使用反向传播算法作为一个可靠的和著名的算法来训练网络。应用该算法将最小化输出误差通过改变突触权重。

三百训练数据和50个测试数据使用的网络。网络活动函数如下:

因为上述功能提供了规范化的0和1之间的输出;所以网络的输入应该规范化。最后,该网络将在3500年前实现可接受的错误时代和训练过程完成。

4所示。设计一个燃料流量控制器由模糊逻辑方法的援助

模糊逻辑是一种越来越受欢迎的方法处理系统与不确定性,未建模动态,或者仅仅是人类经验是必需的。它能够处理不精确的数据通常可以提供了一个直接的利益在传统数学推理。它已被广泛用于控制问题,特别是由于其模拟非线性植物的行为的能力。通过确保找到正确制定规则库,模糊系统可以提供平稳操作政权之间的转换(12,22]。

一个方法利用模糊逻辑将语言信息基于专家知识转化为自动控制策略。为了使用模糊逻辑控制的目的,前端“fuzzifier”和后端“defuzzifier”通常被添加到输入-输出数据集(11]。一个方法通常由四个部分组成:规则,fuzzifier,推理引擎,defuzzifier。一旦建立了规则,控制器可以被认为是一个从输入到输出的非线性映射。框图(见图6)的广义模糊控制器由四种元素(23]:(1)模糊化,改变输入物理值到相应的语言变量μ(y_我);(2)模糊规则库,包括:

(一)知识基础,包含规则表逻辑输出块;

(b)逻辑输出块,将输入语言变量转换为输出一些隶属函数;(3)去模糊化,将输出语言变量转换为实际控制的影响。

设计方法将确定燃烧室的燃料流量室对其瞬态操作。方法和可用的涡轮发动机模型构成闭合回路如图所示7。

第一个输入控制器线轴速度误差(节气门的不同要求轴速度和当前线轴速度)。这个输入命名错误。定义的模糊函数输入如图8。第二个输入第一个输入变化随着时间的推移。这个输入被命名为三角洲错误。第二个输入的定义模糊函数图所示9。

定义适当的模糊隶属度函数对燃料流量控制器的行为有很大的影响。所以,获得所需的燃料流量函数作为神经网络的结果将有助于定义燃料流量模糊隶属度函数。这种方法有助于defuzzify燃料流的模糊隶属度函数。

在这方面,每个获得所需的燃料流量函数分别被认为是在十五平均间隔时间间隔[0.0,3.5]。所以同等数量的nonequispaced间隔也获得在每个燃料流量轴。由于燃料流动注射的速度更高的开始时间间隔(开始阶段的加速度),所以大量燃料流量区间靠近轴的一部分。燃料流量的时间间隔在一个示例所需的燃料流量函数由不同的箭头在图描述10。

使用一个简单的映射方法,每一种间隔创建一个三角形的燃料流量隶属函数。根据拟议中的映射,隶属度区间的中点是一个和端点是零。对提议的间隔排列图10燃料流量的前三个模糊隶属度函数表2。

类似的方法适用于每个所需的燃料流量的功能。然后,得到模糊燃料流量函数是用来定义一组最后的燃料流量模糊隶属度函数。在这方面,每个区间算术平均燃料的燃料值最高的隶属度得到标记和最大隶属度。这些最后的隶属度函数设计过程中使用的方法。

一般来说,模糊规则建立了知识、经验和观察,因此可能不是最佳。此外,尽管努力形式化开发标准模糊控制器,微调其性能仍然是一个重要的试验和错误(5,12,22]。

各种各样的隶属函数可以定义为输入和输出的控制器。通过改变数量和类型的函数和规则引擎的行为会改变。

加速时间实现飞行员要求操作点是非常重要的。这段时间应尽可能短(16]。另一方面,如果加速度时间短于其许用极限,压缩机可能会飙升。因此,有必要限制的引擎加速的方法。

本文应用逻辑创建方法规则包括更高的线轴加速度率在较低的轴速度和较低的轴加速度率在高轴速度。一些选择规则产生中央控制表面展示在表的一部分3。

去模糊化过程,后发生的生成模糊控制信号,完成使用推理机制。由此产生的模糊集必须被转换成一个数量将被发送到过程调节阀控制信号。在本部分中,所有激活逻辑规则的推理结果合成成脆输出做出决定。在这项研究中,逻辑,实现了最小的运营商,和去模糊化方法是基于平分线区域。

燃料流量的变化与两个控制器输入如图11。

通过设计的控制器,控制器参数对汽轮机的影响应该更详细地检查了。所以这是必要的同时模拟涡轮发动机和控制器。

5。测试和演示

加足马力的涡轮发动机加速命令将被视为实现最关键的条件。与单位阶跃仿真运行在电力杆角和马赫数和高度不变的零值。

理想的发动机的性能将得到应用和各种类型的隶属函数和规则,然后重新运行仿真程序。这种技术是有效实现最好的模糊逻辑控制器。发动机模型的仿真结果与方法呈现在图12。

当涡轮输出功率克服了压缩机输入功率、加速度操作完成。因此,增加燃料流量是一种常见的方法来加速引擎线轴。

通过初始时间加速,涡轮入口温度和压缩机输出压力将上升,压缩空气流量减少。考虑说情况在引擎加速度,加速度率高可能导致压气机喘振和失速和过度的涡轮入口温度必须控制的方法。数据12 (c)和12 (d)证明方法的生产能力提供上述要求。

燃气涡轮发动机的可接受性是至关重要的影响的能力生产要求的推力,而理想的燃料消耗。喷气发动机的推力要求是3500 (N)图12 (b)显示了方法能力达到要求的推力。

发动机模型的仿真结果与模糊控制器与发动机模型与传统的控制器相比,展示在表4。

从表4,该方法使得快速加速和降低涡轮入口温度。然而,相比减少了SM与传统控制器。

方法的一个重要的输入是发动机轴速度误差如图13。这个错误的大小随其最大(0.55)的模拟实现要求的最低(零)轴的速度。

最后指定的发动机加速,发动机推力加速度和时间等参数表5。方法的加速时间减少了。这将是一个重要的优势提出了方法。

模糊控制设计是否稳定是一个悬而未决的问题。方法问题的稳定性分析和最优解决明确;这些问题仍然开放的模糊控制器设计问题。分析各种非线性稳定性分析方法可以应用模糊控制系统。一些方法提出了基于李雅普诺夫第二方法。李雅普诺夫第二方法(也称为直接法)是确定的最一般的非线性和时变系统的稳定性的秩序。现在是一个热门研究课题。在这个项目中,系统的响应曲线及其参数包括上升时间、超调率,解决时间可能是用于指定方法的性能分析。适当的参数对系统响应也通过调整规则,输入和输出比例因子,或其他参数的方法。使用上述的方法,控制回路的行为对系统提出了众所周知的和被认为是充分的。

6。结论

这项研究背后的基本原理是需要开发的一项新技术,可以提高性能,同时提高了灵活性,未来概念的控制策略的效果。这些引擎包括非传统引擎或multiregime引擎由现代军用飞机使用更复杂的动作。

发动机变得越来越复杂和有更多的可控和可测量的参数,需要这样的技术将会增加如果他们实现他们的潜能。

稳定和瞬态模拟表明燃料流量的重要性作为一个全面控制参数对所有发动机的性能参数具有重要的影响。所以在速度控制系统中循环,防止引擎,压气机喘振,检查涡轮入口温度限制通过调度燃料流量在加速和减速。线轴速度误差及其差异随着时间的推移,作为模糊控制器的输入。控制器参数对涡轮发动机性能的影响进行了分析通过改变数量和类型的隶属度函数和规则。这是有效的设计最好的控制器。设计神经网络模拟引擎性能落后地。它授权我们获得一系列的燃料流量函数在不同的发动机加速禀赋。这些函数使用过程中隶属度函数的定义。

获得的结果从加足马力涡轮发动机和控制器的仿真证明了逻辑,成立。压气机喘振裕度是安全的,和涡轮入口温度受到较低的容许值。

发动机模型与模糊控制器的仿真结果表明,该控制器达到所需的性能。

命名法

答:	声音的速度
Cp:	比热
Cv:	定容比热容
:	燃烧室体积
我:	极惯性矩
求得:	低热值燃料
M:	马赫数
:	空气质量流量
护士:	发动机轴速度
P:	压力
SM:	压气机喘振裕度
师:	温度
你:	燃料质量流量()
W:	流量
:	机械效率
α:	力矩系数
ρ:	密度
x:	输入值
y:	输出值
w:	重量。

引用

1. m . Bazazzade h . Badihi, a·沙希瑞遇刺一周年,“改善涡轮发动机层次基于发动机燃油控制系统建模与仿真,”航空航天科学与技术杂志》上》第六卷,45-53,2009页。视图:谷歌学术搜索
2. h . Badihi a·沙希瑞遇刺一周年,a . Naghsh“人工神经网络应用于燃料流量函数要求喷气发动机性能,”IEEE航空学报》会议,IEEE,大的天空,蒙特,美国,2009年3月。视图:出版商的网站|谷歌学术搜索
3. l . c .下巴和美国Garg”推进控制技术开发在美国(历史的角度来看),”美国国家航空航天局(NASA)格伦研究中心,克利夫兰,俄亥俄州,美国,2005年。视图:谷歌学术搜索
4. j . s . Litt d·l·西蒙s Garg et al .,“智能控制的调查和健康管理技术对飞机推进系统,”美国国家航空航天局(NASA)格伦研究中心,克利夫兰,俄亥俄州,美国,2005年。视图:谷歌学术搜索
5. p . j . Antsaklis和k . m . Passino介绍智能和自动控制,波士顿Kluwer学术质量,美国,1993年。
6. 洛杉矶德”fuzzy-set-theoretical解释语言篱笆,”《控制论,卷2,不。3,4-34,1972页。视图:谷歌学术搜索
7. m·m·古普塔模糊集合理论的发展和应用北荷兰,阿姆斯特丹,荷兰,1987年。
8. b . Kosko神经网络和模糊系统:机器智能的动力系统的方法,Prentice Hall,纽约,纽约,美国,1991年。
9. l·a·德·g·j·Klir, b .元,模糊集、模糊逻辑、模糊系统:选择文件世界科学出版、河流边,新泽西,美国,1996年。
10. 洛杉矶德,“模糊集”,信息和控制,8卷,不。3、338 - 353年,1965页。视图:谷歌学术搜索
11. e·h·Mamdani和美国Assilian”,一个实验在语言合成模糊逻辑控制器,”国际人机研究杂志》上,7卷,不。1,1-13,1975页。视图:谷歌学术搜索
12. a . j . Chipperfield b Bica, p . j .弗莱明”模糊调度控制燃气涡轮发动机:多目标的方法,”IEEE工业电子产品卷,49号3、536 - 548年,2002页。视图:出版商的网站|谷歌学术搜索
13. a . Zilouchian m·朱利诺、t·希利和j·戴维斯,“设计一个模糊逻辑控制器的喷气发动机燃油系统,”控制工程实践,8卷,不。8,873 - 883年,2000页。视图:出版商的网站|谷歌学术搜索
14. j·w·金和s . w .金”的增量模糊PI控制器设计燃气轮机工厂,”IEEE / ASME举办,8卷,不。3、410 - 414年,2003页。视图:出版商的网站|谷歌学术搜索
15. a . Martucci和a·j·Volponi“模糊的燃料流量选择逻辑实时嵌入式全权数字发动机控制,”燃气轮机工程和权力,卷125,不。4、909 - 916年,2003页。视图:出版商的网站|谷歌学术搜索
16. p·p·沃尔什和p·弗莱彻,燃气轮机性能布莱克威尔马登,质量,美国,2004年。
17. A . Behbahani r·k·Yedavalli p . Shankar和m . Siddiqi”建模、诊断和预测的双转子涡扇发动机”美国第41张仁/ ASME / SAE / ASEE张仁联合推进会议和展览(05)美国图森,亚利桑那州,2005年7月。视图:谷歌学术搜索
18. g . Crosa f . Pittaluga a . Trucco f·贝尔特拉米,a . Torelli f .遍历,“重型燃气轮机装置气体热力学模拟使用仿真软件,”燃气轮机工程和权力,卷120,不。3、550 - 555年,1998页。视图:谷歌学术搜索
19. m . Lichtsinder和y . Levy”喷气发动机模型控制和实时模拟,”燃气轮机工程和权力,卷128,不。4、745 - 753年,2006页。视图:出版商的网站|谷歌学术搜索
20. k . Lietzau和a . krein”喷气发动机模型基于控制概念,”ASME论文,2001年。视图:谷歌学术搜索
21. k . Lietzau和a . krein”喷气发动机机载实时模型的使用控制,”德国MTU航空发动机,2004年。视图:谷歌学术搜索
22. 通用纳尔逊和h . Lakany”调查的应用模糊逻辑控制工业燃气涡轮机,”燃气轮机工程和权力,卷129,不。4、1138 - 1142年,2007页。视图:出版商的网站|谷歌学术搜索
23. l . Reznik模糊控制器,NEWNES,墨尔本,澳大利亚,1997年。

版权

版权©2011 m . Bazazzadeh et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。