来源：期刊VIP网 时间：
作者：陈弘毅;邓达明;马丙周;汪崇博;李秋红;庞淑伟;
单位：南京航空航天大学能源与动力学院江苏省航空动力系统重点实验室;江苏淮阴发电有限责任公司;
摘要：为了实现发动机导叶伺服系统在延时变化时的有效补偿控制，本文对导叶伺服系统的特性进行测试和模拟采样，将延时估计问题视为分类问题，提出一种基于极度梯度提升（Extreme Gradient Boosting,XGBoost）网络的延时分类方法，以指令变化之后的二维张量为输入构建树模型，实现了延时的准确估计，在训练和测试数据集上的估计精度均高于98.29%。采用极限学习机建立发动机导叶伺服系统模型并对延时进行补偿控制。模拟导叶延时变化情况开展仿真，结果表明：与采用常值延时的补偿算法进行对比，基于XGBoost的延时估计和补偿控制，能够有效应对延时变化后系统响应特性的恶化，实现了导叶伺服系统在大幅度延时变化下的无超调快速跟踪。
关键词：导叶伺服系统;;执行机构;;极度梯度提升;;延时估计;;延时控制
基金资助：国家科技重大专项（J2019-I-0010-0010）;; 国家自然科学基金（52306015）;; 中国博士后科学基金（2021M701692）;; 江苏省卓博计划（2022ZB202）~~
