神經網絡在船舶柴油發電機轉速控制應用

陳正昂，施振華

(青島遠洋船員職業學院機電系，山東青島266071)

0 引言

船舶電力系統中，同步發電機由柴油機驅動發出電功率，船舶柴油發電機的控制由轉速控制和勵磁控制兩部分組成。柴油發電機組控制系統的特性直接影響船舶電力系統的供電質量，其轉速控制直接影響發電機的有功功率輸出和船舶電力網頻率的穩定性。船舶柴油發電機轉速控制系統輸出是實際轉速，控制器常用的是PID 控制器，通過調節柴油機的供油量起到調節柴油機組轉速定速控制作用［1］。

1 Elman 網絡結構

Elman 神經網絡［2］包含一個雙曲正切S 型隱含層和一個線性輸出層，S 型隱含層接收網絡輸入和自身的反饋，線性輸出層從S 型隱含層得到輸入。由于Elman 網絡是S 型/線性(sigmoid/linear)網絡，它能夠表達包含有限個不連續點的函數。又因為它們有一個反饋連接，所以它被訓練后不僅能夠識別和產生空間模式，還能夠識別和產生時間模式，對于多輸入多輸出網絡，設上下文層的輸出為yc(k)，隱合層的輸入和輸出分別為x0(k)，網絡在外部輸入時間序列x(A)作用下的網絡輸出序列為y(A)，則有

式中，W1—輸入層與隱含層間的連接權值;W2—隱含層與輸出層間的連接權值;f(·)—S 型激活函數［2］。當Elman 神經網絡的上下文層存在增益為a 的自反饋連接時，稱為改進型Elman 神經網絡。此時，網絡能模擬更高階的動態系統，基于上下文層的輸出yc(k)仍變為

Elman 神經網絡拓撲結構:Elman 型回歸神經元網絡一般分為4 層:輸入層、中間層(隱含層)、承接層和輸出層。其輸入層、隱含層和輸出層的連接類似于前饋網絡。承接層又成為上下文層或狀態層，具體機構如圖1 所示。

圖1 Elman 網絡的拓撲結構

Elman 型回歸神經元網絡的特點是隱含層的輸出通過輸出層的延遲和存儲，自連到隱含層的輸入，這種自聯方式使其對歷史狀態的數據具有敏感性，內部反饋網絡的加入增加了網絡本身處理動態信息的能力，從而到達了動態建模的目的。

Elman 神經網絡的學習過程如下

式中，y，x，u xc—分別表示m 維輸出節點向量;n—n 維中間層節點向量;r—r 維輸入向量和n 維反饋狀態向量;w3，w2，W1—分別表示中間層到輸出層、輸入層到中間層、承接層到中間層的連接權值;g(·)—輸出神經元的傳遞函數，是中間層輸出的線性組合;f(·)—中間層神經元的傳遞函數，常采用函數。

式中，?y(w)—目標輸出向量。

2 船舶柴油機轉速Elman 網絡控制

船舶柴油發電機轉速控制系統如圖2 所示輸出是實際轉速，通過調節柴油機的供油量起到調節柴油機組轉速定速控制作用。

圖2 柴油發電機組轉速控制系統結構方框圖

船舶柴油發電機轉速Elman 神經網絡控制代替PID 控制結構如圖3 所示。該系統通過訓練Elman 神經網絡對于PID 控制器進行控制算法的學習。使訓練好的Elman 神經網絡控制器代替常規PID 實現控制;系統初始運行階段，常規控制器實現反饋控制，保證系統的穩定性，且抑制擾動［3］;Elman 神經控制器實現了正常控制，由于柴油機延時環節的存在，系統有一定的非線性特性;又由于同步發電機是一個強耦合的非線性電磁對象，這里運用基于Elman 神經網絡的串行控制方法來解決船舶柴油發電機組系統的非線性控制問題。

圖3 Elman 神經控制器代替PID 進行控制

在船舶電力仿真系統中，應用Elman 神經網絡代替PID 串行控制，同步發電機模型采用六階狀態方程模型，該模型不考慮0 軸的派克方程，并規定正方向的定子電流產生正向磁鏈。也不考慮q 軸阻尼繞組的電磁暫態過程，Tq0'和Xq'兩個數據為0。發電機模型用d-q 軸參考模型電路進行描述，如圖4 所示，全部的電氣變量都是從定子側看的，上面帶有一撇的是折算到定子側的轉子電量。

圖4 同步發電機d-q 軸模型結構

對于該同步發電機有如下的微分方程模型［4］

3 控制系統結構仿真

根據本課題的需要用Simulink 設計船舶柴油發電機組控制系統仿真模型，以本文所建立的簡化模型作為被控制對象時，即以式(15)表示

為柴油發電機及只執行機構組成的廣義被控制對象模型，用模型參考自適應控制器來控制，采樣周期為1ms，經過多次仿真試湊，仿真結果如圖5(a)、圖5(b)所示。由圖可見雖然起始處有震蕩，但是后面控制的效果還是很好的，輸出基本上能夠完全跟蹤輸入。

圖5 (a)輸出跟蹤輸入仿真

圖5 (b)誤差

將本文所采用的神經網絡控制器用編程命令生成神經網絡控制子系統，并將其用來替代Matlab 中柴油發電機的常規控制器。其結構如圖6所示。

圖6 柴油發電機組控制結構

下面來看用這個神經網絡模型參考自適應控制器來控制船舶柴油發電機轉速的仿真結果。圖7是用該神經網絡模型參考自適應控制器來控制船舶柴油發電機轉速的仿真結果，我們將它與用PID 控制器控制的仿真結果對比一下，從圖中我們可以看出，用神經網絡控制器來控制船舶柴油發電機的轉速使柴油原動機的轉速動態特性響應速度加快了，而超調量并沒有變壞，還附帶改善了船舶柴油發電機輸出機械功率和發電機電壓的動態特性。

圖7 柴油發電機Elman 轉速控制仿真結果

5 結語

用Elman 神經網絡模型參考自適應控制器來控制船舶柴油發電機的轉速使柴油原動機的轉速動態特性響應速度加快了，而超調量并沒有變壞，還附帶改善了船舶柴油發電機輸出機械功率和發電機電壓的動態特性。理論分析與仿真結果證明了該方案的合理性和有效性。

［1］ 李東輝.船舶電站柴油機的建模與運行仿真研究.大連:大連海事大學博士學位論文，2011.6.

［2］ Elman J L.Finding structure in time. Cognitive Science，1990，14(2):179-211.

［3］ 田靚，高孝洪，陳輝.基于Matlab/Simulink 的船舶主柴油機轉速控制系統的動態仿真.船海工程，2006，35(2).

［4］ 黃曼磊，王常虹.船舶電站柴油發電機組的非線性數學模型.哈爾濱工程大學學報，2006.2:15-19+47.