基于RBF 神經(jīng)網(wǎng)絡(luò)船舶傳動電液恒功率調(diào)速自整定PID 控制?

周 正 賀 易 陳家璘 詹 鵬 湯 弋 葉 露

（國網(wǎng)湖北省電力有限公司信息通信公司 武漢 430077）

1 引言

船舶傳動電液調(diào)速系統(tǒng)是保障船舶傳動順利工作的關(guān)鍵系統(tǒng)之一，隨著船舶傳動工藝的進步，越來越多的電牽引船舶傳動采用調(diào)速技術(shù)，目前一般常用交流變頻調(diào)速和電磁調(diào)速［1～3］。交流變頻調(diào)速主要有開關(guān)恒壓比控制，電壓空間矢量控制，直接轉(zhuǎn)矩控制等幾種控制形式，存在控制精度不高的缺陷；電磁調(diào)速電牽引船舶傳動的調(diào)速裝置多由模擬電路構(gòu)成，雖具有響應(yīng)快速、技術(shù)成熟的優(yōu)點，然而參數(shù)一經(jīng)確定，便不易改變，對控制對象的適應(yīng)性差，且硬件設(shè)備復雜，安裝調(diào)試困難［4～6］。

基于液壓牽引的電液比例調(diào)速控制適用于具有大慣量的船舶傳動控制系統(tǒng)，液壓驅(qū)動方式的輸出力和力矩較大，容易實現(xiàn)精確的自動化控制［7］。傳統(tǒng)的PID 控制系統(tǒng)具有動態(tài)響應(yīng)欠佳，參數(shù)調(diào)整不及時的問題［8～9］。RBF 神經(jīng)網(wǎng)絡(luò)具有很強的預測功能，能從及時反饋參數(shù)信息糾正結(jié)果［10～13］。本文采用RBF 神經(jīng)網(wǎng)絡(luò)自整定PID 技術(shù)對電液恒功率調(diào)速系統(tǒng)進行設(shè)計。

2 電液恒功率自動調(diào)速系統(tǒng)原理分析

電液恒功率自動調(diào)速系統(tǒng)原理如圖1 所示，主要由調(diào)速液壓缸、彈簧調(diào)速液壓缸、調(diào)速塊、電液伺服閥、伺服液壓缸、主變量泵、梭閥、液壓馬達、阻尼管、鏈輪、調(diào)速套等組成［14～15］。調(diào)速液壓缸用于將梭閥的輸出壓力轉(zhuǎn)變?yōu)榛钊麠U位移，從而形成調(diào)速的壓力反饋，伺服閥用于控制進入伺服液壓缸的流量和壓力，改變液壓缸的位移，變量泵通過改變排量控制液壓馬達的轉(zhuǎn)速，液壓馬達為執(zhí)行機構(gòu)和控制對象，變量泵和液壓馬達構(gòu)成閉式的容積調(diào)速回路。

系統(tǒng)工作原理:給定電液伺服閥的電壓值，通過比例電磁體驅(qū)動閥芯移動，控制輸出流量的大小和方向，控制伺服液壓缸活塞桿的位移，進而改變主變量泵的的斜盤傾角，從而改變變量泵的排量，控制流入液壓馬達的流量大小，從而達到控制液壓馬達的轉(zhuǎn)速。

圖1 電液恒功率自動調(diào)速系統(tǒng)原理圖

3 RBF神經(jīng)網(wǎng)絡(luò)模型

徑向基函數(shù)（Radial Basis Function，RBF）神經(jīng)網(wǎng)絡(luò)為一種單隱層的三層前饋網(wǎng)絡(luò)，由輸入到輸出的映射為非線性的，而隱含層空間到輸出空間的映射為線性的，因而大大加快了學習速度并避免局部極小問題，其結(jié)構(gòu)見圖2所示。

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

RBF 網(wǎng)絡(luò)以權(quán)值向量和閾值向量之間的距離作為自變量，該距離為通過輸入向量和加權(quán)矩陣的行向量的乘積得到的，隨著權(quán)值和輸入向量之間距離的減小，網(wǎng)絡(luò)輸出為遞增的，當權(quán)值和輸入向量之間距離一致時，網(wǎng)絡(luò)輸出為1，閾值用于調(diào)節(jié)網(wǎng)絡(luò)的靈敏度。

RBF網(wǎng)絡(luò)的訓練過程分為兩步:第一步為無教師學習，確定輸入層與隱含層間的權(quán)值；第二步為有教師學習，確定訓練隱含層與輸出層間的權(quán)值。訓練前，需要提供輸入向量，對應(yīng)的目標向量和學習系數(shù)，訓練的目的為求取兩層最終權(quán)值和閾值。

在RBF 網(wǎng)絡(luò)結(jié)構(gòu)中，設(shè)X=[x1,x2,…,xn]T為網(wǎng)絡(luò)的輸入向量，H=[h1,h2,…,hj,…,hm]T，其中hj為高斯基函數(shù):

網(wǎng)絡(luò)第 j 個節(jié)點的中心矢量為Cj=[Cj1,Cj2,…,Cji,…,Cjn]T，其中，i=1,2,…,n。

設(shè)網(wǎng)絡(luò)的基寬向量為:B=[b1,b2,…,bm]T，bj為節(jié)點j 的基寬度參數(shù)，且大于零。網(wǎng)絡(luò)的權(quán)向量為

辨識網(wǎng)絡(luò)的輸出為

辨識網(wǎng)絡(luò)的性能指標函數(shù)為

根據(jù)最梯度下降算法，輸出權(quán)值，節(jié)點中心，節(jié)點基寬參數(shù)迭代算法為

其中，η 為學習速率，α 為動量因子，Jacobian 矩陣的算法為

4 模型建立

4.1 基于RBF神經(jīng)網(wǎng)絡(luò)自整定PID控制模型

采用增量式PID控制算法，控制誤差為

PID控制器的三項輸入為

控制算法為

RBF神經(jīng)網(wǎng)絡(luò)的整定指標為

參數(shù)kp,ki,kd的調(diào)整采用最速梯度下降法:

4.2 電液恒功率自動調(diào)速模型

搭建基于RBF 神經(jīng)網(wǎng)絡(luò)自整定PID 的電液恒功率自動調(diào)速系統(tǒng)模型如圖3 所示，其中控制系統(tǒng)的輸出信號yout 與輸入信號rin 比較，其偏差值error 作為PID 控制器的輸入信號，PID 控制器的輸出控制量u 作為電液調(diào)速系統(tǒng)和RBF 神經(jīng)網(wǎng)絡(luò)的輸入信號，同時控制系統(tǒng)的輸出信號yout和誤差信號（yout-ymout）同時作為RBF 神經(jīng)網(wǎng)絡(luò)的輸入信號，通過RBF網(wǎng)絡(luò)調(diào)整其權(quán)值和基寬向量并通過辨識輸出改變PID 控制器的參數(shù)kp,ki,kd值，以便于輸出信號更好的跟蹤輸入信號，提高跟蹤精度。

圖3 基于RBF神經(jīng)網(wǎng)絡(luò)電液恒功率調(diào)速自整定PID控制模型

5 仿真結(jié)果

系統(tǒng)對于輸入為方波信號的跟蹤響應(yīng)如圖4所示，系統(tǒng)能夠較好地跟蹤方波輸入信號，當輸入為給定的調(diào)速信號時，系統(tǒng)輸出速度能較好地跟蹤給定的速度信號，因而系統(tǒng)的調(diào)速性能較好，系統(tǒng)的調(diào)速誤差穩(wěn)定在10%以內(nèi)。

基于RBF 神經(jīng)網(wǎng)絡(luò)的自整定PID 控制時系統(tǒng)的實際輸出與模型輸出對比仿真結(jié)果如圖5 所示，可知，系統(tǒng)的實際輸出和模型輸出的吻合度較好，兩者之間的誤差不超過5%，說明本文設(shè)計的RBF神經(jīng)網(wǎng)絡(luò)控制器是成功的，控制器的辨識的精度較好，能夠?qū)崟r反映系統(tǒng)的實際輸出。系統(tǒng)的PID 參數(shù)曲線整體變化趨勢與系統(tǒng)的實際輸出曲線，模型輸出曲線總體上成正相關(guān)的關(guān)系，從而說明PID 參數(shù)的調(diào)整根據(jù)系統(tǒng)實時輸出進行，而PID 參數(shù)的調(diào)整值與系統(tǒng)實際輸出和模型輸出。

圖4 輸入方波響應(yīng)

圖5 輸出結(jié)果

6 結(jié)語

船舶傳動電液調(diào)速系統(tǒng)是保障船舶傳動順利工作的關(guān)鍵系統(tǒng)之一，本文在分析恒功率自動調(diào)速的電液控制系統(tǒng)原理的基礎(chǔ)上，基于RBF神經(jīng)網(wǎng)絡(luò)的Jacobian 矩陣控制模型，引入自整定的PID 控制參數(shù)，建立了基于RBF神經(jīng)網(wǎng)絡(luò)自整定的電液調(diào)速系統(tǒng)PID 控制的數(shù)學模型。仿真計算得到系統(tǒng)的實際輸出和模型輸出的誤差不超過5%，設(shè)計的RBF 神經(jīng)網(wǎng)絡(luò)的電液恒功率調(diào)速自整定PID 控制制具有更高的跟蹤精度和響應(yīng)特性，完全可以實現(xiàn)系統(tǒng)的高精度與快速的調(diào)速控制。