船舶柴油發(fā)電機轉(zhuǎn)速的BP-PID并行控制

丁茂森 張艷

（上海海事大學(xué)物流工程學(xué)院，上海 201306）

0 引言

目前，船舶柴油發(fā)電機轉(zhuǎn)速控制系統(tǒng)中仍然采用經(jīng)典PID反饋控制，并作為船舶發(fā)電機組的主要控制方式。在船舶電能的產(chǎn)生與運用過程中，由于系統(tǒng)的大功率發(fā)電機組往往具有強耦合性、不確定性、時變性、非線性、信息不完整性和大的純滯后等特性[1]，柴油發(fā)電機組的控制采用PID規(guī)律很難再進一步提高電力系統(tǒng)的供電質(zhì)量。隨著船舶發(fā)電機組向著大容量和全自動化方向發(fā)展，迫切需要運用一些先進控制方法提高發(fā)電機控制質(zhì)量[2]，以解決發(fā)電機組的穩(wěn)定性、準確性和快速性方面的問題。

針對PID控制器的不足，許多學(xué)者提出了基于PID的新的控制算法，如模糊PID控制、PID神經(jīng)網(wǎng)絡(luò)控制、變結(jié)構(gòu)控制算法等[3]，而這些算法在工程上應(yīng)用還需要進一步的研究，才能應(yīng)用于實踐。如模糊PID雖然不依賴于模型，但對模型規(guī)則的確定和優(yōu)化是比較困難的；變結(jié)構(gòu)體算法的抖振問題至今仍然沒有得到很好的解決[4]。

柴油發(fā)電機組具有一定的非線性特性，船舶同步發(fā)電機是一個強耦合的非線性電磁系統(tǒng)，而BP神經(jīng)網(wǎng)絡(luò)對非線性系統(tǒng)具有強擬合性。本文主要采用一種將經(jīng)典的PID控制[5]與BP神經(jīng)網(wǎng)絡(luò)并行運行的的控制方法，通過BP神經(jīng)網(wǎng)絡(luò)在函數(shù)擬合與系統(tǒng)建模方面的高精度性，可以對船舶發(fā)電機組轉(zhuǎn)速控制系統(tǒng)進行很好的訓(xùn)練與學(xué)習(xí)，然后形成神經(jīng)網(wǎng)絡(luò)控制器，同時，PID控制器在BP網(wǎng)絡(luò)的基礎(chǔ)上實現(xiàn)對系統(tǒng)的有效控制，通過調(diào)節(jié)柴油機機組轉(zhuǎn)速值，維持電網(wǎng)的電網(wǎng)頻率穩(wěn)定。

2 BP網(wǎng)絡(luò)與PID并行控制系統(tǒng)設(shè)計

2.1 柴油發(fā)電機轉(zhuǎn)速控制系統(tǒng)模型

船舶電力系統(tǒng)中，同步發(fā)電機由柴油機驅(qū)動發(fā)出電功率，船舶柴油發(fā)電機的控制由轉(zhuǎn)速控制和勵磁控制兩部分組成。柴油發(fā)電機組控制系統(tǒng)的特性直接影響船舶電力系統(tǒng)的供電質(zhì)量，其轉(zhuǎn)速控制直接影響發(fā)電機的有功功率輸出和船舶電力網(wǎng)頻率的穩(wěn)定性。船舶柴油發(fā)電機轉(zhuǎn)速控制系統(tǒng)如圖1所示，輸出是實際轉(zhuǎn)速，控制器常用的是PID控制器，通過調(diào)節(jié)柴油機的供油量起到調(diào)節(jié)柴油機組轉(zhuǎn)速定速控制作用。

圖1 柴油發(fā)電機轉(zhuǎn)速控制系統(tǒng)框圖

在柴油發(fā)電控制系統(tǒng)[4]仿真與分析中，常采用簡化后的柴油機與調(diào)速系統(tǒng)模型，它們分別采用二階環(huán)節(jié)進行組合建模。主控制器與放大單元構(gòu)成比例微分加二階慣性環(huán)節(jié)的控制單元，通過調(diào)節(jié)柴油機油門執(zhí)行器達到轉(zhuǎn)速的調(diào)節(jié)作用。然后，柴油機的輸出轉(zhuǎn)速通過積分環(huán)節(jié)轉(zhuǎn)換為轉(zhuǎn)矩，再加上柴油機的延時特性，所以該轉(zhuǎn)矩通過機組的延時環(huán)節(jié)后再與乘法器的轉(zhuǎn)速信號相乘，得到轉(zhuǎn)矩功率信號，發(fā)電機在這個轉(zhuǎn)矩功率驅(qū)動下發(fā)出電功率。可以得到包括傳統(tǒng)的PID控制器的船舶柴油發(fā)電機組轉(zhuǎn)速控制系統(tǒng)的傳遞函數(shù)為

本文研究的船舶柴油發(fā)電機轉(zhuǎn)速控制系統(tǒng)中的相關(guān)參數(shù)為：

2.2 BP神經(jīng)網(wǎng)絡(luò)算法

神經(jīng)網(wǎng)絡(luò)[6]在控制系統(tǒng)系統(tǒng)中通常與其它控制器配合作為被控制對象的辨識器，用于辨識被控制對象的雅克比參數(shù)，或者狀態(tài)反饋參數(shù)等，并把辨識出來的參數(shù)傳輸給控制器，用于實時調(diào)整控制器參數(shù)。神經(jīng)網(wǎng)絡(luò)經(jīng)過離線辨識和訓(xùn)練后再進行在線辨識。根據(jù)神經(jīng)網(wǎng)絡(luò)與辨識對象連接的方式不同可以分為正辨識與逆辨識。下面將對神經(jīng)網(wǎng)絡(luò)原理，即用BP神經(jīng)網(wǎng)絡(luò)對執(zhí)行器和柴油發(fā)電機所構(gòu)成的廣義被控對象進行正向離線辨識，從而設(shè)計合適的控制系統(tǒng)辨識器。

BP神經(jīng)網(wǎng)絡(luò)辨識的輸入均為控制器在每一個采樣時刻k的輸出u(k)，及船舶柴油發(fā)電機中柴油原動機的輸出角頻率y在每一采樣時刻k的輸出ym(k)。BP神經(jīng)網(wǎng)絡(luò)的輸出為y(k)，目標(biāo)值E將用于調(diào)節(jié)BP神經(jīng)網(wǎng)絡(luò)控制器的參數(shù)值。

BP網(wǎng)絡(luò)是一種包含輸入層、隱含層和輸出層的前饋型網(wǎng)絡(luò)。每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。它是前饋型網(wǎng)絡(luò)的核心部分。輸入層的神經(jīng)元算法是各個輸入的加權(quán)和，隱含層的神經(jīng)元算法是雙曲正切S型函數(shù)，輸出層的神經(jīng)元算法[7]也是各個輸出層輸入的加權(quán)和。

本文采用的3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，框圖如圖2所示，下面僅就其原理作說明。

圖2 三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖中BP神經(jīng)網(wǎng)絡(luò)的輸入為kx即采樣的得到的u(k)和輸出ko，隱層ky，權(quán)值kw，kv為權(quán)值向量，這里對于輸出層，有：

對于隱層，有：

以上兩式中，變換函數(shù)f(x)單極性Sigmoid函數(shù)：

當(dāng)網(wǎng)絡(luò)輸出o與期望輸出不等時，存在輸出誤差E，定義如下式

將上式代入隱層，并進一步代入輸出層，采用梯度下降算法，修改權(quán)值w,v使得誤差E最小或者小到一定程度，權(quán)值按下式進行調(diào)整：

2.3 BP-PID并行控制設(shè)計

按BP-PID并行控制的設(shè)計原理，構(gòu)建船舶柴油發(fā)電機組轉(zhuǎn)速BP-PID并行控制系統(tǒng)，構(gòu)成的SISO控制系統(tǒng)結(jié)構(gòu)如圖3所示。該系統(tǒng)在PID系統(tǒng)控制器的基礎(chǔ)上，再并聯(lián)一個BP神經(jīng)網(wǎng)絡(luò)控制器，形成BP-PID并行控制系統(tǒng)，BP神經(jīng)網(wǎng)絡(luò)控制器和PID控制器并行控制發(fā)電機組。BP神經(jīng)網(wǎng)絡(luò)控制器通過系統(tǒng)在PID控制器作用下在線學(xué)習(xí)，在線調(diào)整權(quán)值，使反饋誤差趨近于零和PID控制器的輸出趨近于零，從而使BP神經(jīng)網(wǎng)絡(luò)控制器逐漸在控制中占據(jù)主導(dǎo)地位。BP-PID并行控制中，控制算法并不是PID控制器的簡單復(fù)制，BP-PID并行控制對象的動態(tài)逆模型中包含有PID控制、系統(tǒng)執(zhí)行單元等廣義被控對象的信息。并行控制的PID控制器作用是為了評判BP控制器的性能，同時增強系統(tǒng)的穩(wěn)定性，并抑制擾動；對于反饋控制器，雖然最終輸出為零，但反饋控制器仍然存在于系統(tǒng)中，一旦系統(tǒng)出現(xiàn)特殊干擾，反饋來之前仍然可以重新起作用。即常規(guī)控制器在一定程度上還具有反饋控制作用，保證系統(tǒng)的穩(wěn)定性，抑制擾動。BP控制能夠減少了系統(tǒng)動作的突變，同時PID單獨控制時，增益K的值在很大程度上能決定控制效果，而采用BP-PID并行控制時，控制效果對增益K的依賴程度下降，其值只需要在一個合理的范圍內(nèi)即可，從而在K值整定上不需要更多的已知條件，而有利于增加系統(tǒng)的魯棒性。

圖3 船舶柴油發(fā)電機組轉(zhuǎn)速BP-PID并行控制系統(tǒng)結(jié)構(gòu)

3 仿真及結(jié)果分析

2.1 仿真參數(shù)設(shè)置

在本文的船舶柴油發(fā)電機轉(zhuǎn)速控制的仿真系統(tǒng)[3]中，船舶發(fā)電機的額定功率為3.125 MW，額定電壓為6.6 kV，頻率為60 Hz。在Simulink下對船舶柴油發(fā)電機轉(zhuǎn)速進行BP-PID并行控制，Simulimk仿真模塊如圖4所示。

圖4 BP-PID并行控制仿真框圖

控制系統(tǒng)的PID參數(shù)為：比例系數(shù)為8，積分系數(shù)為25，微分系數(shù)為0.25；其中輸入wref(pu)是轉(zhuǎn)速給定標(biāo)稱值，w(pu)是轉(zhuǎn)速實際測量標(biāo)稱值，輸出Pmec(pu)是柴油機的輸出轉(zhuǎn)矩功率標(biāo)稱值。BP神經(jīng)網(wǎng)絡(luò)算法用Matlab的m文件格式實現(xiàn)，時鐘信號Clock實現(xiàn)BP神經(jīng)網(wǎng)絡(luò)取值的初始化。柴油機輸出機械轉(zhuǎn)矩功率，用于驅(qū)動同步發(fā)電機發(fā)出電功率。

在Matlab中編寫算法并形成M文件，實現(xiàn)并行控制系統(tǒng)中的BP神經(jīng)網(wǎng)絡(luò)控制部分的系統(tǒng)辨識(BPNNI)和神經(jīng)網(wǎng)絡(luò)控制器(BPNNC)，其中系統(tǒng)辨識的仿真過程中參數(shù)設(shè)BP神經(jīng)網(wǎng)絡(luò)參數(shù)取η=0.20、α=0.05。

3.2 系統(tǒng)辨識與誤差分析

圖5 BP-PID參數(shù)辨識與誤差曲線

經(jīng)過多次系統(tǒng)辨識仿真，對PID控制與BP-PID控制下系統(tǒng)參數(shù)辨識和期望與實際輸出誤差的仿真結(jié)果如圖5所示，其中，上圖中虛線表示純PID控制時系統(tǒng)的辨識的效果曲線，實線則為BP-PID控制時的辨識曲線；下圖中虛線表示PID控制下系統(tǒng)實際輸出與期望輸出的誤差波動曲線，實線BP-PID控制下系統(tǒng)實際輸出與期望輸出的誤差波動曲線。由圖可見，BP-PID并行控制下，系統(tǒng)辨識效果更接近于期望狀態(tài)，所以要好

于純PID控制系統(tǒng)，而且在BP-PID并行控制下的期望與實際輸出的誤差除在剛啟動時波動較大外，隨著時間的推移，波動會逐漸變小，不會再出現(xiàn)較大波動，而純PID控制的波動效果明顯比前者差。即BP-PID并行控制雖然起始處都有震蕩，但是后面控制的效果兩者都還是比較好的，輸出能夠更好的跟蹤輸入。

3.3 純PID與BP-PID并行控制效果比較

圖6 (a) PID控制系統(tǒng)柴油發(fā)電機轉(zhuǎn)矩功率輸出曲線

圖6 (b) PID控制系統(tǒng)柴油發(fā)電機轉(zhuǎn)速輸出曲線

圖7 (a) BP-PID并行控制系統(tǒng)轉(zhuǎn)矩功率輸出曲線

圖7 (b) BP-PID并行控制系統(tǒng)柴油發(fā)電機轉(zhuǎn)速輸出曲線

仿真結(jié)果如圖6所示，同時，我們可以看到純PID控制器作用下的柴油發(fā)電機組的轉(zhuǎn)矩功率以及轉(zhuǎn)速仿真曲線如圖7所示。對于純PID控制來說，圖形曲線有明顯的尖峰，輸出波形不光滑、連續(xù)性比較差，系統(tǒng)的的動態(tài)過程不理想。而從BP-PID并行控制器作用下的系統(tǒng)輸出曲線可以看出波形的連續(xù)程度與光滑性有了很大的改善，系統(tǒng)動態(tài)過程的超調(diào)量減小。通過比較BP-PID并行控制純PID控制的動態(tài)過程，特別是從控制系統(tǒng)的過渡過程特性來看，BP-PID并行控制系統(tǒng)在過渡過程特性的連續(xù)性上有了明顯的改善，特性沒有明顯的尖峰突變；系統(tǒng)的準確性有較大提高，最大動態(tài)偏差有一定的減小。

4 結(jié)論

本文主要采用BP神經(jīng)網(wǎng)絡(luò)控制器與PID控制器相結(jié)合的方法對船舶柴油發(fā)電機轉(zhuǎn)速系統(tǒng)進行控制，經(jīng)過神經(jīng)網(wǎng)絡(luò)控制器的不斷訓(xùn)練學(xué)習(xí)，控制器獲取船舶柴油發(fā)電機轉(zhuǎn)速系統(tǒng)的模型，并逐漸地由BP神經(jīng)網(wǎng)絡(luò)控制器占主要控制作用，從而達到對系統(tǒng)的實時控制。從仿真結(jié)果可以看出：

1) 相比PID控制，BP-PID并行控制對柴油發(fā)電機轉(zhuǎn)速控制具有很小的超調(diào)量和更加平滑穩(wěn)定的變化曲線，因此，其具有較好的動態(tài)效應(yīng)特性和穩(wěn)態(tài)特性；

2) BP-PID并行控制即較好地繼承了傳統(tǒng)的PID控制的優(yōu)點，又兼具了BP神經(jīng)網(wǎng)絡(luò)精準的學(xué)習(xí)辨識能力，因此在被控對象模型參數(shù)準確度不高時仍能很好的實現(xiàn)控制功能；

3) 在采用BP-PID并行控制時，由于網(wǎng)絡(luò)學(xué)習(xí)與辨識需要花費時間，所以，雖然其能夠取得以上很好的動態(tài)特性和穩(wěn)態(tài)特性，但是，其調(diào)整時間還是有待改善。

[1]O P Malik．Artificial intelligence techniques and apllied to adaptive power system stabilizer design.IEEE Power Engineering Society General Meeting,2006, p.1-7.

[2]黃曼磊, 唐嘉亨, 郭鎮(zhèn)明. 柴油機轉(zhuǎn)速系統(tǒng)的數(shù)學(xué)模型[J]. 哈爾濱工程大學(xué)學(xué)報, 1997, 18(6): 1-5.

[3]施偉鋒．船舶柴油發(fā)電機組雙回路系統(tǒng)神經(jīng)網(wǎng)絡(luò)控制研究[J]. 哈爾濱工業(yè)大學(xué)學(xué)報, 2005, 26(5):570-575．

[4]施偉鋒．基于RBF神經(jīng)網(wǎng)絡(luò)的船舶發(fā)電機建模[J].信息技術(shù), 2004, 28(4): 1-4．

[5]劉金琨. 先進PID控制MATLAB仿真[M]. 北京: 電子工業(yè)出版社, 2004.

[6]胡伍生.神經(jīng)網(wǎng)絡(luò)理論及其工程應(yīng)用[M]. 北京: 測繪出版社, 2006.

[7]胡金濱, 唐旭清．人工神經(jīng)網(wǎng)絡(luò)的BP算法及其應(yīng)用[J].信息技術(shù), 2004, 28(4): 1-4．