一种快速跟踪精准控制的舰船燃机控制方法及装置制造方法及图纸

本发明专利技术涉及一种快速跟踪精准控制的舰船燃机控制方法及装置，控制器装置为功率驱动器，包括控制单元和功率单元。方法包括：获取转速控制信号、加速度控制信号、排气温度控制信号，通过最小值选择器得到燃料需求信号，基于燃料需求信号对燃料控制系统进行控制；获取第一开口角控制量、第二开口角控制量，通过最小值选择器得到开度控制信号，基于开度控制信号对进口导叶控制系统进行控制。与现有技术相比，本发明专利技术通过遗传算法寻优确定BPNN网络的初始控制参数，再通过BPNN神经网络反向传播学习算法不断通过自学习整定PID的参数，使用PID控制器实现燃气轮机控制，能够有效的提高控制系统的控制跟踪速度与控制精度。统的控制跟踪速度与控制精度。统的控制跟踪速度与控制精度。

【技术实现步骤摘要】
一种快速跟踪精准控制的舰船燃机控制方法及装置


[0001]本专利技术涉及舰船燃气轮机智能控制
，尤其是涉及一种快速跟踪精准控制的舰船燃机控制方法及装置。

技术介绍

[0002]舰船全电推进方式是当今各国船用动力的主要发展方向，舰船全电推进的方式能够更加方便的对舰船进行总体的布局和设计，并且船舶电气化水平的提高使得舰船趋向智能化、自动化和信息化。舰船的航行海况非常复杂，舰船上负载对电网的扰动情况也很复杂。同时，由于全电推进舰船的电网容量非常小，使得船舶发电系统对负荷扰动非常敏感，尤其是随着目前舰船投入的用电设备功率的增大和装置的增多导致负荷的突变，所以如何在大幅度负载突变下实现快速控制和控制信号精准调节从而保证舰船发电系统的稳定性是当前研究的关键问题，该问题直接影响舰船的整体作战性能和舰船的生命力。
[0003]当前燃气轮机机组的控制装置主要为燃油伺服装置控制，单参数单回路的燃油伺服控制系统难以适应外界环境的大幅度变化，且对一些复杂的过程难以进行有效控制。针对该问题，国内外研究者对此展开了大量的研究。一些研究者针对燃气轮机的转速调节和负荷控制建立了控制器模型，进行了初步仿真研究，考虑到燃气轮机的使用寿命以及安全性等，将排气温度限制加入燃气轮机控制环节。一些研究者引入了负载动态前馈及基于燃油量预估的前馈环节，通过提前增加油量来平抑电网的波动；在物理结构方面，增加了利用机电转化关系的飞轮储能装置来减少大负载变化下的系统波动。还有一些研究者利用船用燃气轮机进口导叶(IGV)装置，在机组甩负荷时，对其快速关闭以防止燃机超速。并且基于此控制需求以及被控对象的特性，采用基于先验知识的自适应逆控制(AIC)，设计IGV控制装置以实现对其动态响应的控制。当前传统控制器采用PID控制器，由于其结构设计简单和可靠性强而被广泛用于燃气轮机的控制中，但其存在参数需要根据具体情况进行确定和非线性问题等，使得控制器无法达到最佳性能。
[0004]目前，智能控制迎来了巨大的发展，出现了许多智能控制算法优化的燃气轮机控制器，如滑模控制器和模糊PID控制器，神经网络PID控制器等，但在不同程度上都具有其局限性：模糊PID控制器虽无需精确的数学模型且控制精度高，但模糊控制具有控制规则基于经验确定从而导致的适应性差的缺点；神经网络PID控制器中，由于神经网络初始权值随机，表现出不稳定和难以得到最好控制效果的缺点。
[0005]综上，为增加舰船燃机变工况下的稳定性和可靠性，有必要对智能控制器做出进一步优化。

技术实现思路

[0006]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种快速跟踪精准控制的舰船燃机控制方法及装置。
[0007]本专利技术的目的可以通过以下技术方案来实现：
[0008]根据本专利技术的第一方面，提供一种快速跟踪精准控制的舰船燃机控制方法，应用于燃油伺服控制系统和进口导叶控制系统，所述舰船燃机控制方法包括以下步骤：
[0009]获取动力涡轮实际转速，基于燃气轮机动力涡轮的实际转速和设定转速得到转速控制信号；获取燃气轮机转子实际加速度，基于动力涡轮的实际加速度和设定加速度得到加速度控制信号；获取动力涡轮的实际排气温度，动力涡轮的实际排气温度和设第一排气温度得到排气温度控制信号；
[0010]基于所述转速控制信号、加速度控制信号和排气温度控制信号，通过最小值选择器得到燃料需求信号，基于所述燃料需求信号对燃料控制系统进行控制；
[0011]获取动力涡轮的实际排气温度，基于动力涡轮的实际排气温度和设定第二排气温度得到第一开口角控制量；获取喘振裕度值，基于喘振裕度值和设定安全裕度参考值得到第二开口角控制量；
[0012]基于第一开口角控制量和第二开口角控制量，通过最小值选择器得到开度控制信号，基于所述开度控制信号对进口导叶控制系统进行控制。
[0013]进一步地，建立BPNN
‑
GA智能控制器，分别使用所述BPNN
‑
GA智能控制器获取转速控制信号、加速度控制信号、排气温度控制信号、第一开口角控制量和第二开口角控制量；所述BPNN
‑
GA智能控制器包括BPNN神经网络和PID控制器，所述BPNN神经网络包括输入层、隐藏层和输出层；所述输入层以实际信号、设定值、实际信号与设定信号的差值作为输入，所述输出层以PID控制器的三个参数k
P
、k
I
、k
D
作为输出，所述BPNN神经网络的权值和阈值采用遗传算法寻优确定。
[0014]进一步地，使用遗传算法确定所述BPNN神经网络的权值和阈值具体为：
[0015](1)编码：将BPNN神经网络的权值和阈值进行编码，得到由多个个体组成的种群；
[0016](2)适应度计算：计算各个个体的适应度，检查是否满足预设置的终止条件，若满足，则输出当前适应度值最优的个体，否则，执行步骤(3)；
[0017](3)执行选择、交叉和变异操作，更新种群，重复步骤(2)。
[0018]进一步地，将个体所代表的权值和阈值代入所述BPNN神经网络，通过神经网络反向传播算法自适应实时调节网络参数，调节完成后将BPNN神经网络输出的三个参数代入PID控制器，使用PID控制器进行转速控制，并获取转速控制结果，计算适应度，所述适应度的计算公式为：
[0019][0020]其中，Fitness
i
表示个体i的适应度，M
x
表示燃机转速最大相对超调值，ST表示转速稳定花费时间，INT(Error)表示判定稳定后实际转速与设定转速的误差积分。
[0021]进一步地，使用浮点数编码的方法将BPNN神经网络的权值和阈值进行编码，所述选择操作采取轮盘赌形式；采用交叉操作和变异操作进行点交叉与点变异，其中，交叉率与变异率采用非定值进行计算：
[0022]Gene＝Lbd+(Ubd
‑
Lbd)
×
Pick
[0023][0024][0025]其中，Gene代表个体不同点位的基因值，Lbd与Ubd为下边界与上边界，Pick代表随机插值点位，P
c
代表交叉率大小，k1为曲线光滑系数，f
avg
为种群平均适应度值，f
′
为个体适应度值，P
cmax
和P
cmin
分别表示预设置的最大交叉率和最小交叉率，P
m
代表变异率大小，G
max
代表预设置的遗传最大代数，G为当前实时代数，P
m1
、P
m2
、P
m3
分别表示曲线增益系数，光滑因子和偏置系数。
[0026]根据本专利技术的第二方面，提供一种快速跟踪精准控制的舰船燃机控制器装置，所述控制器装置为功率驱动器，包括控制单元和功率单元。
[0027]进一步地，所述功率单元为一套基于IGBT的AC/DC/AC变频器，采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种快速跟踪精准控制的舰船燃机控制方法，其特征在于，应用于燃油伺服控制系统和进口导叶控制系统，所述舰船燃机控制方法包括以下步骤：获取动力涡轮实际转速，基于燃气轮机动力涡轮的实际转速和设定转速得到转速控制信号；获取燃气轮机转子实际加速度，基于动力涡轮的实际加速度和设定加速度得到加速度控制信号；获取动力涡轮的实际排气温度，动力涡轮的实际排气温度和设定第一排气温度得到排气温度控制信号；基于所述转速控制信号、加速度控制信号和排气温度控制信号，通过最小值选择器得到燃料需求信号，基于所述燃料需求信号对燃料控制系统进行控制；获取动力涡轮的实际排气温度，基于动力涡轮的实际排气温度和设定第二排气温度得到第一开口角控制量；获取喘振裕度值，基于喘振裕度值和设定安全裕度参考值得到第二开口角控制量；基于第一开口角控制量和第二开口角控制量，通过最小值选择器得到开度控制信号，基于所述开度控制信号对进口导叶控制系统进行控制。2.根据权利要求1所述的一种快速跟踪精准控制的舰船燃机控制方法，其特征在于，建立BPNN
‑
GA智能控制器，分别使用所述BPNN
‑
GA智能控制器获取转速控制信号、加速度控制信号、排气温度控制信号、第一开口角控制量和第二开口角控制量；所述BPNN
‑
GA智能控制器包括BPNN神经网络和PID控制器，所述BPNN神经网络包括输入层、隐藏层和输出层；所述输入层以实际信号、设定值、实际信号与设定信号的差值作为输入，所述输出层以PID控制器的三个参数k
P
、k
I
、k
D
作为输出，所述BPNN神经网络的权值和阈值采用遗传算法寻优确定。3.根据权利要求2所述的一种快速跟踪精准控制的舰船燃机控制方法，其特征在于，使用遗传算法确定所述BPNN神经网络的权值和阈值具体为：(1)编码：将BPNN神经网络的权值和阈值进行编码，得到由多个个体组成的种群；(2)适应度计算：计算各个个体的适应度，检查是否满足预设置的终止条件，若满足，则输出当前适应度值最优的个体，否则，执行步骤(3)；(3)执行选择、交叉和变异操作，更新种群，重复步骤(2)。4.根据权利要求3所述的一种快速跟踪精准控制的舰船燃机控制方法，其特征在于，将个体所代表的权值和阈值代入所述BPNN神经网络，通过神经网络反向传播算法自适应实时调节网络参数，调节完成后将BPNN神经网络输出的三个参数代入PID控制器，使用PID控制器进行转速控制，并获取转速控制结果，计算适应度，所述适应度的计算公式为：其中，Fitness
i
表示个体i的适应度，Mx表示燃机转速最大相对...

【专利技术属性】
技术研发人员：吕小静，温家乐，卢矍然，翁一武，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：