船舶动力装置建模仿真及神经网络控制.pptxVIP

船用柴油机建模、仿真综述及神经网络控制1 船用柴油机建模方法综述【1】容积法模型平均值模型线性化模型准稳态模型系统辨识模型1 .1容积法模型容积法【2】将涡轮增压柴油机分为气缸、扫气箱、排气管、中冷器及涡轮增压器五个相互独立单元，假设各单元处于瞬时热力平衡状态，将复杂的气体流动简化为容积的充满和排气过程。图1 容积法模型原理图以气缸内工作过程为例，其基本方程为：其中， 为曲轴转角。容积法模型以曲轴转角为计算单位，误差小，但是仿真速度慢，难以实现实时仿真。 ??1.2平均值法模型平均值模型【3】与容积法很相似，将柴油机分为柴油机本体、排气管、涡轮、压气机、中冷器、扫气箱六个相互独立单元。其基本方程可以归纳为：图2 平均值法模型原理图?平均值模型以时间为计算单位，主要用于控制系统仿真，也可以实现实时控制模型的动态仿真，其仿真速度快，但误差较大。1.3线性化模型在柴油机分段区线性化模型中，以油门为输入，转速为输出，构成单输入单输出系统。线性化模型比较简单、精度低，计算速度快，只能应用于要求不高的场合。1.4准稳态模型图3 准稳态模型原理图准稳态模型【4】利用柴油机稳态数据建立动态模型，保证了柴油机动态过程仿真的实时性和计算精度，广泛应用在动态性能分析中。准稳态模型提高了实时性，但建模时，实验数据的需求量大，增加了建模的成本和难度。1.5系统辨识模型系统辨识法【5】先将系统视为一个整体，然后把试验信号送到输入端，再利用测得的输入输出数据，选择合适的算法，辨识出被控对象的数学模型。由于很多实际系统的内部过程机理比较复杂，而测输入、输出数据相对容易，因此，很多时候辨识法比机理法（前四种）有一定的优越性。1.6 总结应用容积法模型用于柴油机工作过程仿真平均值模型实现柴油机的动态仿真线性化模型应用于柴油机控制系统的实时仿真准稳态模型动态性能实时仿真和非实时的瞬态性能分析和优化系统辨识模型建立动态模型2船用柴油机建模与仿真的应用由于所具有的经济性、安全性及预测性，仿真技术在柴油机故障诊断、转速控制等方面得到广泛应用。在柴油机控制方面，控制算法的研究在较早期有传统PID控制。然而近年来随着船舶动力系统日益严格的控制规范和智能化的发展趋势，先进的控制算法，如模糊逻辑法【6】、神经网络法【4】等的应用成为了船舶动力系统研究的一个热点。2.1柴油机自适应控制【4】准稳态模型：其中 为各个转矩（其计算需要基于试验数据）， 为各个转动惯量， 为主机角速度变化率。????2.1柴油机自适应控制图4 基于Wiener-NN和BP-NN的柴油机自适应控制Wiener 神经网络辨识器：辨识柴油机非线性化模型BP神经网络：优化PID参数?2.1柴油机自适应控制传统PID算法：?自适应控制过程：BP-NN根据系统的运行状态，调节PID控制器的参数，以期达到性能指标的最优化。其中，输入到神经网络的信号为神经网络的输出为 。??2.1柴油机自适应控制50%额定负荷转速交替从1100RPM到1500RPM图5 转速变化仿真响应曲线自适应控制器：速度波动率0.81%，稳态响应时间6.5s传统PID控制器：速度波动率0.99%，稳态响应时间8.5s3神经网络控制[7]80年代神经网络控制3神经网络控制 人工神经网络（简称神经网络——NN）是由人工神经元（简称神经元）互连组成的网络，它是从微观结构和功能上对人脑的抽象、简化，是模拟人类智能的一条重要途径，反映了人脑功能的若干基本特征，如，并行信息处理、学习、联想、模式分类、记忆等。神经网络对控制领域有吸引力的特征 （1）能逼近任意L2上的非线性函数； （2）信息的并行分布式处理与存储； （3）可以多输入、多输出； （4）便于用超大规模集成电路（VLSI）或光学集成电路系统实现，或用现有的计算机技术实现； （5）能进行学习，以适应环境的变化。3神经网络控制神经网络用于控制领域，已取得的进展： 1. 基于神经网络的系统辩识； 2. 神经网络控制； 3. 神经网络与其它算法相结合； 4. 优化计算； 5. 控制系统的故障诊断。3.1神经网络理论基础生物神经元人工神经元3.1神经网络理论基础? ：与神经元i连接的神经元j的输出，即i的输入（模拟树突从突触接收信号的过程） ：神经元j至i的连接权值 ：神经元i的阈值 ：神经元i的非线性作用函数（模拟信号经处理从轴突传递的过程） ：神经元i的输出，可与下一级神经元通过权连接（模拟信号经神经末梢传递给下一级神经的过程）???f?输出作用函数阈值输入权值 书用 符号MATLAB符号3.1.1单层感知器的MATLAB实现单层感知器—单神经元 结构 模型3.1.1单层感知器的MATLAB实现M233b.m 构建单层感知器3.2基