風翼助航船舶模糊PID控制調速系統設計

馮寶輝， 閆亞勝， 黃連忠， 趙志強， 馬冉祺

(大連海事大學 輪機工程學院， 遼寧 大連 116026)

風翼助航船舶模糊PID控制調速系統設計

馮寶輝， 閆亞勝， 黃連忠， 趙志強， 馬冉祺

(大連海事大學 輪機工程學院， 遼寧 大連 116026)

通過對風翼助航船舶的特點和常規PID控制調速器進行分析，明確采用智能控制算法中較為成熟的模糊控制算法的目標。根據船機槳的數學模型，在MATLAB/Simulink中建立風翼助航目標船的機槳翼匹配簡化平均值模型。通過采用模糊PID自適應控制算法，建立模糊PID自適應控制器，并將其應用到主機調速器中。仿真結果表明，同常規PID控制器相比，模糊PID控制器能大幅度提高調速器的自適應響應性能。

船舶工程； 風翼助航船舶； 調速器； 模糊PID控制； 自適應控制

風翼助航船舶的甲板上安裝有輔助風翼，可以在保證船舶正常航速的條件下降低主機轉速，從而降低燃油消耗。風翼助航被認為是目前船舶節能的最佳方法。對風帆助航船舶調速策略的研究一直是風帆助航技術的關鍵課題之一，而主機調速器控制算法是船舶調速策略的核心。[1]

海上風場條件并不是恒定不變的。[2]對于加裝大面積風翼的船舶，輔助風翼迎風攻角發生變化會引起船舶姿態和風翼輔助推力發生較大的改變；為避免頻繁轉動風翼，基于保持推力最大的風翼回轉控制系統必定會設置一定的轉角死區范圍，當風翼攻角在死區角度內變化時，對攻角敏感的大升力翼型帆的助推力可能會發生較大變化，并表現出一定的隨機性。[3]以上情形均會破壞原有船機槳負荷匹配點，造成主機負荷變化，從而引起主機轉速發生變化。[4]

由以上分析可知，加裝風翼之后，船舶的姿態會對外界環境更加敏感，主機負荷和轉速更易發生變化。因此，有必要設計一種具有良好自適應響應性能的新型調速器。

隨著機電技術、執行器和傳感器技術不斷進步，先進的控制算法及優化算法可以應用到船舶推進裝置的控制系統中。[5]與常規PID控制算法相比，模糊PID自適應控制算法具有較好的魯棒性，對控制對象的非線性、時變性和滯后適應能力也較強。[6]模糊控制器是一種新型控制器，其優點是不要求掌握控制對象精確的數學模型，根據人工控制規則組織控制策略即可，由該控制策略決定控制量的大小。[7]

1 機槳翼匹配模型

風翼助航目標船為49 000載重噸的散貨船，主機型號為MAN 6S60MC-C，主機數字調速器型號為MG-800。

目標船機槳翼匹配的數學模型可分為4部分：主機、輔助風翼、螺旋槳和調速器，各部分的匹配關系見圖1。輔助風翼的推力可以降低主機和螺旋槳的負載。調速系統通過控制主機的循環噴油量控制主機轉速，螺旋槳作為主機的負載。

圖1 機槳翼模型原理圖

為對比不同控制算法對控制系統的動態響應性能的優劣，需建立一種適合動態響應分析的船機槳模型。本文建立的船機槳模型為簡化的平均值模型，主要采用瞬變方程和狀態方程來描述工作過程。

1.1柴油機模型

采用較適合控制系統實時分析的平均值模型，并進行相應簡化。柴油機平均值模型可分為噴油泵模型、動力模型、增壓器模型、掃氣箱模型和排氣管模型。由于僅研究控制算法對主機轉速控制的響應性能，而增壓器模型只與柴油機指示熱效率有關，因此只需建立一種包含噴油泵和動力模型的簡化均值模型即可。

由能量守恒原理可知，主機軸功率Pe和每循環供油量gc之間滿足

(1)

式(1)中：n為主機轉速；Hu為燃油低熱值，42 700 kJ/kg；ηe為有效熱效率，可取為定值。

2.2.3 居民對福州城市林業成效感知差異性分析 就福州市民對福州城市林業綜合評價的單因素進行方差分析，結果(表5)顯示，福州市民對城市森林在各區均勻度，結構布局的喬灌草比例，城市森林覆蓋率，噪聲，滿足市民休閑、游憩、觀光等精神需要感知方面存在顯著性差異；經多重比較后發現，臺江區與晉安區、倉山區、鼓樓區、馬尾區在均勻度、噪聲、精神需要、城市森林覆蓋率、喬灌草比例方面差異顯著，其他區域的市民在這些單因素感知方面差異不顯著。

主機輸出扭矩與軸功率之間的關系為

(2)

由式(1)和式(2)可得主機扭矩Me與循環供油量gc滿足線性關系[8]

Me=c·gc

(3)

由牛頓第二定律可得柴油轉速為

(4)

式(4)中：I為曲柄連桿機構和輸出軸總平均轉動慣量；Ms為風翼助推當量扭矩；Mf為傳遞損失扭矩；Mp為螺旋槳負載扭矩；τ為從燃油噴入氣缸到燃燒做功的延遲時間。

噴油泵模型表現為循環噴油量與油泵油門刻度、主機轉速的關系[9-10]，通過數據擬合的方法可知噴油泵數學模型為

gc=c0(Pos-c1)·n+c2

(5)

式(5)中：Pos為噴油泵油門刻度；gc為每循環供油量；c0，c1，c2為擬合得到系數。

1.2螺旋槳模型

螺旋槳水阻力矩為

Mp=KMρn2D5

(6)

式(6)中：KM為螺旋槳扭矩系數；ρ為海水密度；D為螺旋槳直徑。

對于定矩螺旋槳，扭矩系數KM是進程比J的函數，通常由螺旋槳水動力圖譜查取。但目標船采用的螺旋槳為新型理論槳，并非圖譜槳，沒有現成的準確圖譜可供查詢。

進程比是螺旋槳水動力學性能的重要參數，對于一定螺旋槳，其值取決于船舶航行狀態。因此，扭矩系數KM也取決于船舶航行狀態。當船舶在某一特定條件(船舶吃水、氣候、海況等因素不變或相近)下航行時，進程比和扭矩系數可視為常數。[11]此時采用試航數據線性回歸擬合的方法更為準確。螺旋槳扭矩和轉速的平方滿足線性關系

Mp=Cp·n2

(7)

根據試航報告數據(見表1)，采用平均系數時，計算得出的扭矩與測量值相比誤差均不到1%，有很高的精度，因此，取系數Cp的值為0.078。

1.3調速器模型

主機調速器主要包括控制器和執行器兩部分。MG-800型調速器為全制式數字調速器，與其他現有調速器一樣,其控制器也采用常規PID控制算法，執行器的核心為可逆直流伺服電機。

PID控制的數學表達式為

(8)

式(8)中:偏差信號e(t)為控制器輸入量；u(t)為控制輸出結果；Kp為比例系數；Ti為積分時間常數；Td為微分時間常數。

比例系數、積分系數和微分系數的大小及三者之間的組合決定了控制器的控制效果。不同的控制對象和需求對三個系數的要求是不同的。

作為執行器的可逆直流伺服電機可認為是一個二階環節[12]，其傳遞函數可表示為

(9)

在Simulink中建立機槳翼仿真模型(見圖2)。

表1 目標船試航報告數據

圖2 目標船機槳翼模型

2 模糊PID自適應控制算法

與常規PID控制不同，模糊PID控制在其基礎上加上了參數自整定的功能，原理見圖3。[13]其中K1和K2為模糊因子，用于保證偏差e和偏差變化率ec在設定的變量范圍內。模糊PID控制器跟蹤控制對象偏差e和偏差變化率ec，采用模糊推理的方法對PID參數Kp、Ki和Kd進行在線整定，以改善控制器性能，使控制對象具有良好的動態和靜態特性。

圖3 模糊PID控制原理圖

由模糊邏輯整定的PID控制器參數的表達式為

(10)

式(10)中：ΔKp，ΔKi，ΔKd為模糊推理結果；γp，γi，γd為解模糊因子。

通過分析PID參數對控制器性能的影響，可以確定模糊PID控制器模糊推理的原則：當偏差較大時，為了加快響應速度，應取較大的Kp和較小的Kd；當偏差較小時，應取較大的Kp和Ki；當偏差和偏差變化率為中等時，應取較小的Kp和Kd。

打開MATLAB中Fuzzy Logic工具箱里的FIS編輯器，將偏差e和偏差變化率ec作為輸入量，ΔKp、ΔKi、ΔKd作為輸出量。輸入量隸屬度函數采用高斯形式，輸出量的隸屬度函數采用三角形形式，變量范圍均取為[-6,6]，隸屬度函數從左至右分別為NB，NM，NS，ZO，PS，PM，PB(見圖4和圖5)。

圖4 輸入量隸屬度函數

圖5 輸出量隸屬度函數

根據以上隸屬度函數的劃分，確定了輸出量和輸入量的模糊推理關系的49條模糊控制規則(見表2)。

在FIS編輯器中，輸入以上模糊規則，解模糊化(defuzzification)方法選為重心平均法(centroid)，馬丹尼算子，這樣完成了FIS文件的建立，供以后Simulink中Fuzzy Logic Controller模塊調用。輸出量與輸入量的關系見圖6。

表2 模糊規則表

圖6 ΔKp、ΔKi、ΔKd的曲面觀測圖

3 模糊PID控制模型

在原有機槳翼模型的基礎上，引入模糊控制器，在Simulink中使用Fuzzy Logic Controller模塊，調用上文編輯的.fis文件，建立模糊PID控制機槳翼模型(見圖7)。模型建立完之后，需要對模糊因子K1和K2進行確定，這里采用反復仿真試湊的方法，使e和ec在設定的變量范圍內，以達到模糊化的目的。根據式(10)確定PID參數整定結構，建立模糊PID控制器代替常規PID控制器。

4 模型仿真對比

在MATLAB/Simulink工具箱中建立模糊PID控制與常規PID控制的對比仿真模型，將對比模型封裝在同一個.mdl文件中(見圖8)，保證除模糊控制器以外的所有參數和設置完全相同，以便進行對比。

圖7 模糊PID控制模型

圖8 對比仿真模型

采用4階龍格-庫塔算法，變步長，仿真時間設為1 000 s。在主機轉速仿真結果中，實線為傳統PID控制的結果，虛線為模糊PID控制的結果。

4.1定主機轉速，風翼迎風攻角改變時的仿真結果

風翼助航船舶在定主機轉速航行時，輔助風翼迎風攻角的改變會造成風翼輔助推力發生較大變化。圖9為風翼輔助推力增加時，仿真得到的主機轉速變化結果。

圖9 輔助推力增加時，對比仿真結果

通過對仿真結果進行分析可知，當風翼輔助推力增加后，模糊PID控制的結果較常規PID控制顯示超調量降低50%左右；同時，穩定時間降低50%左右，有效控制了主機轉速的波動。

4.2基于非定常風場的風翼助推工況的仿真結果

為避免因頻繁轉動風翼而消耗能量，當風場條件在一定范圍內變化時，并不需要及時轉動風翼，這時風翼輔助推力具有一定的隨機性。風翼助航船舶在非定常風場中航行時，仿真得到的船舶主機轉速變化見圖10。

圖10 基于非定常風場仿真結果

由以上仿真結果可知，通過采用模糊PID控制的調速器，主機轉速超調量明顯降低，主機轉速的變化變得更加平穩。

5 結 語

對比仿真結果可知，當采用輔助風翼作為目標船輔助推進裝置時，將模糊PID算法應用到主機調速控制系統中，可以有效降低船舶主機轉速變化的超調量并有效減少穩定時間。模糊PID控制器的自適應性能較常規PID控制器明顯提高，說明通過引入模糊PID參數在線整定的方法能有效提高調速器對風翼助航船舶主機的自適應控制性能，滿足了目標船主機對調速器響應過程的要求。

[1] 孫培廷.“十二五”期間航運業和造船業熱點與難點問題[J].世界海運，2013，36(1)：1-8.

[2] 嚴新平.新能源在船舶上的應用進展及展望[J].船海工程，2010，39(6)：111-115.

[3] 趙江濱，王立明，袁成清,等.一種基于主導風向的風帆偏航控制系統[J].交通信息與安全，2010，28(6)：95-97.

[4] 任洪瑩，吳桂濤，孫培廷,等.風翼助航改裝船對機槳配合影響的研究[J].可再生能源，2011，29(6)：64-67.

[5] 王海燕，張均東，任光.大型船用柴油機建模與動態仿真[J].系統仿真學報，2006，18(9)：269-272.

[6] 黃文超，張維競，張傳亮.模糊PID控制的柴油機調速系統仿真[J].計算機應用與軟件，2011，28(2)：154-157.

[7] 孫立晶.基于模糊-PID算法的柴油機調速控制策略設計與研究[D].哈爾濱：哈爾濱工程大學，2010.

[8] 任洪瑩.風翼助航船舶主動力裝置特性研究[D].大連：大連海事大學，2012.

[9] 丁洪祥.基于模糊-PID控制的船舶柴油機調速系統的仿真研究[D].大連：大連海事大學，2005.

[10] 陳華清，敖晨和.艦船推進系統仿真中的柴油機數學模型[J].船舶工程，2000(5):33-37.

[11] 王海燕.大型低速船用柴油機建模與系統仿真[D].大連：大連海事大學，2006.

[12] 江國和，劉西全，楊松林.船舶柴油機轉速智能控制系統仿真[J].柴油機，2005，27(4)：9-11.

[13] 薛定宇，陳陽泉.控制數學問題的MATLAB求解[M].北京：清華大學出版社，2007：353.

△版權聲明△

凡投稿本刊的文章，均視為同意本刊授權的合作媒體使用，本刊支付的稿酬已包含授權費用。

《中國航海》編輯部

DesignofFuzzyPIDGovernorSystemforWing-AssistedMotorVessels

FENGBaohui，YANYasheng,HUANGLianzhong，ZHAOZhiqiang，MARanqi
(Marine Engineering College，Dalian Maritime University，Dalian 116026，China)

The characteristics of wing-assisted motor vessels and PID governors are investigated. The fuzzy control method ,one of the well developed intelligent control algorithms, is introduced into the PID system. The simplified average value model of wing-assisted motor vessel is established based on the main engine-propeller-wing matching model by means of MATLAB/Simulink. On the basis of the fuzzy PID self-adaptive control algorithm, a self-adaptive controller is developed and applied to the main engine governor. Simulation results show that, the fuzzy PID controller performs better than ordinary PID controller in adaptability.

ship engineering; wing-assisted motor vessel； governor； fuzzy PID control； self-adaptive control

2014-03-20

國家高技術研究發展計劃(“八六三”計劃)項目(2012AA112702)

馮寶輝(1988-)，男，河北唐山人，碩士生，從事風翼助航船舶主機控制系統研究。E-mail：fengbaohui88@126.com.黃連忠(1969-)，男，湖北武漢人，教授，從事風翼助航技術和現代輪機工程研究。E-mail：huanglianzhong@163.com.

1000-4653(2014)02-0019-05

TP273+.4; U664.1

A