基于FNN的船舶电站柴油机转速前馈补偿控制研究

孙 彬 曾凡明 李燕飞 李天水 秦久峰

（海军工程大学船舶与动力学院 武汉 430033）

0 引 言

随着船舶综合全电力系统的深入发展和高科技新型电子装备的使用，要求船舶电站具有更大的容量、更高的稳定性和适应各种负荷变化的能力.电站柴油机转速控制是电站控制的核心，也是电站并车工作稳定与否的关键.如果柴油机转速跟不上船舶用电设备启动或停止带来的瞬变，当负载突加时，会引起柴油机转速突减，电网频率减小，电压降低，影响其他设备的正常运行；反之当负荷突减时，柴油机转速会突加，电网频率突加，电压也会变大，严重时将导致其他电子设备烧坏，柴油机也可能飞车［1］.控制柴油机的转速，提高柴油机的动态性能是一个值得研究的问题.本文通过模糊神经网络（FNN）来实现负载扰动前馈补偿，建立了基于FNN的前馈补偿控制方法.

1 柴油机转速前馈补偿控制方法

电站柴油机的控制主要是基于转速的反馈控制.转速反馈控制普遍采用PID控制规律.通常柴油机PID的参数是按额定工况整定的，在额定工况或在额定工况点附近，控制性能良好.但柴油机存在变增益非线性问题［2］，当柴油机远离额定工况工作时，整定好的参数不再适合，控制性能将明显下降.另外，对于相对容量较小的船舶电站，船上一些大功率负载启动或停止时，将会引起柴油发电机组的负载在大范围变化.研究电站柴油机转速控制就必须面对这个问题.

对于电站柴油机的控制方式还有一种是扰动前馈控制.柴油发电机组转速变化的原因是发电机组的负载与柴油机输出功率不平衡，因而负载扰动是系统稳定的主要干扰源.当船舶电站柴油机的负载发生变化时，由于机组有较大的转动惯量，转速反馈控制明显滞后于负载的扰动，使得动态误差较大，动态调整过程较长.根据这一特点，控制系统采用扰动前馈控制可提高动态性能.当负载有扰动时，前馈控制器立即输出与扰动量成比例的控制量直接调节油泵的喷油量，使柴油机输出功率迅速变化.扰动前馈控制虽然大大提高控制器的动态性能，但它只适用于扰动可测的场合，而且一个补偿装置只能补偿一种扰动，对其他扰动不起作用.对于柴油发电机组控制系统，只采用扰动前馈控制很难满足控制的要求［3－4］.

所以将反馈控制与扰动前馈控制结合起来，当负载突变时，扰动前馈控制起作用，实现对扰动的补偿.而反馈控制消除其他因素产生的偏差.从上面的分析可以看出，将负载扰动前馈控制与反馈控制结合起来组成前馈补偿控制系统，是对电站柴油机控制行之有效的方法.

2 FNN前馈补偿控制设计

柴油机前馈补偿控制系统设计的主要思想是：用常规PID控制实现柴油机转速反馈控制，用FNN来实现负载的前馈补偿控制，用PID的输出作为误差来调整FNN的权值.通过训练网络，调整FNN的参数以及网络输出，使反馈控制输出逐渐趋于最小.前馈控制输出逐渐增大，并最终取代PID反馈控制成为控制转速的主导.柴油机前馈补偿控制的原理如图1所示.

图1 柴油机前馈补偿控制的原理图

2.1 柴油机转速控制系统模型

柴油机结构复杂，影响因素众多，而且存在大量的非线性因素，根据研究目的的不同，柴油机模型也有着较大的区别.由于本文研究电站柴油机转速的控制，因此采用简化的传递函数模型进行定性研究，见图2.

图2 柴油机转速控制系统模型

1）调速器模型 调速器采用PID控制，模型为

式中：Kp为比例系数；Ki为积分系数；Kd为微分系数.

2）执行器模型 执行器采用电磁执行器，其模型为一阶惯性环节.模型为

式中：Ts为执行机构时间常数.

3）延时等效模型 喷油泵齿条位置改变后，柴油机的功率和扭矩响应存在延迟，主要原因是喷油系统、燃烧系统存在惯性延时，同时柴油机系统本身喷油发火的间断性造成的延时.对于这些情况，可通过在调速器输出位置后加上一个纯延迟和一个惯性延迟环节来反映.延时等效模型为

式中：τ为延迟时间，包括一个纯延迟和一个惯性延迟.

4）柴油机系统模型 由柴油发电机组转矩平衡方程线性化处理并化简得，柴油发电机组的模型为

式中：Ta为转子飞升时间常数；β为自平衡系数.

2.2 FNN网络结构设计

根据文献［5－6］对前馈控制的研究结论，结合电站柴油机转速控制的特点，本文采用动态智能前馈控制策略来改善柴油机动态特性.

根据FNN在系统中的作用和电站柴油机控制的特点，网络以柴油发电机组的负载作为输入，网络的输出为前馈控制信号.为了能适应柴油机的时变特性，网络采用带时延单元的动态网络.FNN网络结构具体设计如图3所示.网络的各层节点数分别为：2－6－9－9－1.模糊推理采用sum－product方法，解模糊采用加权平均法.由于对柴油机负载扰动信号的扰动通道进行辨识非常困难，很难求的误差信号，所以用PID反馈控制信号代替误差信号，对FNN系统进行训练［7－8］.

图3 FNN网络结构设计

3 FNN前馈补偿控制仿真分析

为了研究模糊神经网络前馈补偿控制的控制效果，本文对FNN前馈补偿控制进行了仿真分析.所进行的仿真研究是基于MATLAB7.0及Simulink4.1软件环境中实现的.

在柴油机转速控制系统模型中，利用S函数实现模糊神经网络前馈控制器及其算法的嵌入.在柴油机模型中，纯延时时间常数确定为0.04s，惯性延时时间常数确定为0.03s，所以系统延时大约为0.07s.若采样时间取0.1s，则网络输入取相邻的两次采样值.训练工况为在仿真时间第2s时，柴油机突加100%阶跃负载扰动，仿真运行时间设为30s.

网络误差平方和在训练过程中的变化情况如图4所示.由图可见，整个训练过程是收敛的，且收敛速度较快，在经过2～3次训练后，误差平方和基本不再变化.

图4 网络误差随训练次数的变化曲线

图5是FNN前馈控制输出对应的齿杆相对量（简称为FNN前馈控制输出）、PID反馈控制输出对应的齿杆相对量（简称为PID反馈控制输出）及柴油机转速在训练过程中变化情况.由图可以看出，随着训练的进行，PID反馈输出减小，而FNN前馈控制输出逐渐增大，并最终取代反馈在控制中期的主要作用.

图5 FNN训练输出数据比较

图6是柴油机突加100%满负载时，将训练好的前馈补偿带入柴油机控制系统，与无前馈补偿控制时比较柴油机转速的变化情况.从图中可见，当负载突加，无前馈补偿时，转速下降12～13 r，稳定时间为3s，而有前馈补偿时，柴油机转速下降仅仅7～8r／min，稳定时间为2.5s，降低了柴油机的转速波动率和稳定时间.值得注意的是，前馈补偿还减小了由于PID参数没整定好引起的稳态误差，提高了柴油机的稳态特性.

图6 有无FNN前馈控制的比较

图7 突加突减柴油机转速变化曲线

为了验证FNN的泛化能力，对系统施以突加满负载而后突卸全负载.即空负载－满负载－空负载过程.图7为该情况下有无负载前馈扰动控制时柴油机转速变化曲线.由图7可见，有前馈补偿控制明显比无前馈补偿时波动小、稳定时间短，而且无论加减负载，它都能克服无前馈补偿时的稳态误差.训练好的FNN具有一定的泛化能力.

4 结 论

电站柴油机转速控制是涉及电站性能的关键问题之一.为了提高目前电站柴油机的动态和稳态性能，本文采用了兼顾神经网络和模糊控制特点的FNN，来实现负载扰动前馈补偿，建立了基于FNN的前馈补偿控制方法，通过对其的仿真分析，可以得出如下结论.

1）采用FNN实现前馈控制对负载扰动具有较强的适应能力，经过训练的FNN可以对任意变化的负载扰动进行补偿控制，并且效果较好，因此训练好的FNN具有一定的泛化能力.

2）由于采用反馈输出作为误差对FNN前馈网络进行训练，所以本文采用的前馈补偿控制系统，对反馈控制的要求不严，降低了反馈控制环节的参数整定要求.

［1］陈国钧，曾凡明.现代舰船轮机工程［M］.长沙：国防科技大学出版社，2001.

［2］王 丹，于 群，朱绍庐.船舶电站柴油机微机调速系统的设计［J］.大连海事大学学报，1997，23（2）：70－72.

［3］孙绍凯，崔继仁，李建利.前馈控制及其应用［J］.黑龙江电子技术，1999（5）：10－12.

［4］Wei Zhouhong，Schinstock D E.Feedforward control strategies for tracking performance in machine axes［J］.Chinese Journal of Mechanical Engineering，2005，18（1）：5－9.

［5］张卫东，陈国钧，唐开元.采用神经网络改善闭式循环柴油机的供氧控制［J］.内燃机学报，2001，19（2）：173－176.

［6］张卫东，李燕飞，陈国钧.闭式循环柴油机配氧及其控制策略实验研究［J］.内燃机学报，2005，23（6）：567－571.

［7］李燕飞，张卫东，郭江华.基于FNNs的闭式循环柴油机配氧前馈控制策略研究［J］.海军工程大学学报，2005，17（1）：76－79.

［8］吴志良，郭 晨.基于故障树的船舶电站可靠性、维修性研究［J］.武汉理工大学学报：交通科学与工程版，2010，34（1）：60－63.