船舶动力控制SoC系统的应用研究

作者:陈海峰;郭航 刊名:舰船科学技术 上传者:杨明

【摘要】近年来,海洋运输业飞速发展,船舶的质量和吨位快速增加,对船舶动力系统的控制提出了更高的要求。船舶动力控制SoC系统逐渐成为人们关注的重点和研究方向。本文研究以预测模型为基础的控制策略,提出基于LS-SVM算法的动力控制SoC系统。

全文阅读

0引言近几年,作为对外贸易的关键环节,海上运输事业随着贸易量的增加获得蓬勃发展。然而有调查显示,虽然海上运输量急剧扩大,但是受制于投资成本高等因素的影响,海上运输企业的数量并无相应的增长,这也就意味着船舶利用频率的提高和单船运量的增加,这对于船舶的整体性能提出了更高的要求。船上动力设备是船舶“心脏”,是保障船舶安全运行、顺利完成运输任务的关键。一般来说,蒸汽轮机组具有稳定性高、单机动力强、寿命长、成本低、易维护等多重优点,因此船上动力装置大多以蒸汽轮机为主。汽轮机组所执行的主要任务是依据船舶航行过程中的条件变化,能够及时、稳定、正确地调转方向、调节转速,从而保障船舶各组件高效稳定的运转[1]。随着信息技术的发展,船舶智能化水平逐渐提高,因此动力装置智能性研究也成为热点。本文研究预测模型控制和船舶动力系统,在此基础上,提出基于LS-SVM的动力控制SoC系统,最后进行仿真实验。1预测模型和船舶动力系统1.1预测模型控制预测模型控制和传统预测控制相似,是以预测模型为基础进行控制的一种算法,该算法主要包括反馈校正、预测模型、滚动优化3个基本原理[2]。1)反馈校正。预测模型控制利用预测模型及滚动优化确定一些最优控制量,最终只选择一个最优控制量发送到被控系统,这样就避免了干扰误差和预测误差。下一时刻,根据系统实际偏差值来修正控制策略。所以,预测模型控制以预测模型和历史数据为基础,利用反馈校正实现性能指标的反复优化。2)预测模型。该原理的功能是根据历史信息和未来输入来预测控制对象的输出值。通常而言,预测模型控制只关注模型预测的精度,对于采用什么预测形式或方法并不关注。预测模型提供预备数据,明确控制系统的输入形式,控制对象按预期趋势变化。对于任意时刻,将预测的控制策略发送到被控系统,然后根据输出值,将其和其他策略进行比较,进而对控制策略的好坏进行评价。3)滚动优化。预测模型控制利用在线求解最优性能指标,得到最优控制量。其中,性能指标和系统未来的状态紧密相关,因此,预测模型控制是在线控制算法的一种。一般性能指标选择在将来某时刻k系统输出和系统期望值的方差,通过求解性能指标最小值得到最优控制量。和一般的离散控制策略相比,预测模型控制策略的不同在于该策略是在线的。在k时刻,在有限时间内对性能指标进行优化,在k+1时刻,优化时段也随之前移。所以,由上述特点和原理分析可知,预测模型控制具有速度快、精度高等优点,因此,将预测模型控制应用于船舶动力控制具有可行性,能够解决船舶控制系统中存在的难点。1.2船舶动力系统描述船舶汽轮机组的转动体主要由低压转子、高压转子以及浆轴3部分组成[3]。低压和高压转子利用转轴输出功率到减速器,再通过浆轴使螺旋桨转动。将所有转子视为刚体,那么,根据牛顿第二定律可以得到运动方程为[4]:2Ji60dnidt=60(Pi-Pfi)2ni-Mri。(1)式中:Ji为转动惯量;ni为转速;Pi为驱动功率;Pfi为摩擦功率;Mri为扭矩,i=1,2分别为高压和低压转子。将传动比关系ki=nins代入式(1)可得:2Jik2i60dnsdt=60(Pi-Pfi)2ns-kiMri,(2)对于浆轴而言,其运动方程为:2Js60dnsdt=Mds-60(Ps+Pfi)2ns。(3)式中:ns为浆轴转速;pfs为浆轴摩擦功率;Js为浆轴转动惯量;Ps为螺旋桨驱动功率;Mds为浆轴驱动扭矩。将式(2)和式(3)进行相加操作,并考虑轴系上转子间扭矩之和为0,可以得到:nsdnsdt=9002J0(2i=1Pi-Pf-Ps)。(4)式中:J0=Js+2i=1Jik

参考文献

引证文献

问答

我要提问