船舶发电机励磁系统人工神经网络控制研究
|
摘要
目前，由于船舶吨位的不断增加以及柴油机—电力推进船舶的不断涌现，使船舶电站发电机的容量越来越大。由于船舶采用了电力推进技术，由此对船舶发电控制系统提出了更高的要求。在电力推进船舶上，船舶发电机发出的电能不仅要提供给船舶上的各个负载，还要给船舶推进装置提供电能。船舶电力系统的电压必须稳定在一定范围内而不能有大的波动，否则对船舶电气系统的影响是巨大的。船舶发电机励磁系统控制性能的好坏直接影响到电力系统的电压稳定。
大型船舶电力系统是一个高阶强耦合的非线性系统，在采用电力电子变频器调节推进电动机转速之后，更增加了网络谐波和电磁干扰等问题，使系统更加复杂。传统的船舶发电机励磁PID控制器，一旦参数整定计算好后，在整个控制过程中都是固定不变的，而在实际系统中，由于系统状态和参数等发生变化时，过程中会出现状态变化和参数的不确定性，系统很难达到最佳的控制效果。因此，在现代工业过程控制中，采用传统的PID控制器难以获得满意的控制效果。而人工神经网络以其良好的非线性处理能力及优良的容错性能为解决未知不确定非线性系统的建模与控制问题提供了一条新的思路。神经网络是以对信息的分布式存贮和并行处理为基础，它具有自组织、自学习的功能，具有信息的联想记忆功能，在很多方面更接近人对信息的处理方法，它具有模拟人的形象思维的能力，反映了人脑功能的若干基本特性，但它并不是人脑的逼真描述，而只是它的某种抽象、简化和模拟，神经网络控制已在实际中得到应用。
目前由于神经元芯片的出现和快速DSP芯片的广泛应用，使ANN方法用于实时控制方面有了很大的发展。本课题以发电机励磁控制系统为研究对象，首先对船舶发电机相复励控制系统进行了研究与仿真，然后运用BP和CMAC两种ANN方法设计了发电机励磁系统，最终文中给出了BP控制，CMAC控制与传统PID控制的仿真比较结果。ANN控制方法能使发电机在负荷变化、甩负荷运行、电网故障以及发电机故障等各种工况条件下，发电机端电压保持稳定。该论文的支持课题：上海市高等学校科学技术发展基金项目(03IK06)—船舶大功率发电机组的CNN建模与分析。
At present, with the increasing tonnage of ship and more and more ships propelled by electric power, the capacity of a generator in a marine power station is getting larger and larger. Because of electric propulsion technology applied by modern marines, the control system of voltage stability in vessel must be with better performance. The electric energy produced by diesel generators is not only transported to each load but also sent to vessel propulsion device in vessel with electric propulsion. The voltage of a vessel power system must be kept in reasonable range, otherwise it would affect the electrical system of a vessel greatly. The performance of excitation control of generators is the key to the voltage stability of power system in vessel electrical network.
Large-scale vessel electrical network is the system which is high order, strong coupling and nonlinear. After using electric electron and transducer to regulate the rotate speed of generators, the electrical network system becomes more complicated because there are network harmonic wave, electromagnetism disturbance and so on. After rectified, the traditional PID controller is unchangeable in the whole control process. But in the practical system, when the state of system and parameters are changed, the uncertainty of the process and parameters will appear. So in modern industry control process, the traditional PID controller has not good effect. However, because of the ability of dealing with nonlinear system and fault tolerance, the artificial neural network will be a new method to deal with the uncertainty nonlinear system and control problems. On the basis of distributing memory and concurrent processing, it has the function of self-organization, self-learning and association anamnesis of information. In
many aspects, ANN is similar to human in the process of handling with information. It has the ability of simulating visual thinking of human and it expresses some basic character of brain of human. But ANN is not the real description of human brain but a simulation, abstract and pre-digestion. ANN has been applied in practice.
Now with the appearance of nerve cell chips and DSP used widely, ANN is used in real time control. Take the excitation control system as an object, the
phase compound excitation system is firstly studied and controlled. Then two methods are designed by BP and CMAC to control the excitation system. Last, three control effects BP, CMAC, PID are compared. ANN control strategy can make the voltage of generators stable in the course of load changed, load uninstalled, electrical network fault and generator fault and so on. This project is supported by fund of science and technology development of Shanghai municipal education committee (03IK06).
大型船舶电力系统是一个高阶强耦合的非线性系统，在采用电力电子变频器调节推进电动机转速之后，更增加了网络谐波和电磁干扰等问题，使系统更加复杂。传统的船舶发电机励磁PID控制器，一旦参数整定计算好后，在整个控制过程中都是固定不变的，而在实际系统中，由于系统状态和参数等发生变化时，过程中会出现状态变化和参数的不确定性，系统很难达到最佳的控制效果。因此，在现代工业过程控制中，采用传统的PID控制器难以获得满意的控制效果。而人工神经网络以其良好的非线性处理能力及优良的容错性能为解决未知不确定非线性系统的建模与控制问题提供了一条新的思路。神经网络是以对信息的分布式存贮和并行处理为基础，它具有自组织、自学习的功能，具有信息的联想记忆功能，在很多方面更接近人对信息的处理方法，它具有模拟人的形象思维的能力，反映了人脑功能的若干基本特性，但它并不是人脑的逼真描述，而只是它的某种抽象、简化和模拟，神经网络控制已在实际中得到应用。
目前由于神经元芯片的出现和快速DSP芯片的广泛应用，使ANN方法用于实时控制方面有了很大的发展。本课题以发电机励磁控制系统为研究对象，首先对船舶发电机相复励控制系统进行了研究与仿真，然后运用BP和CMAC两种ANN方法设计了发电机励磁系统，最终文中给出了BP控制，CMAC控制与传统PID控制的仿真比较结果。ANN控制方法能使发电机在负荷变化、甩负荷运行、电网故障以及发电机故障等各种工况条件下，发电机端电压保持稳定。该论文的支持课题：上海市高等学校科学技术发展基金项目(03IK06)—船舶大功率发电机组的CNN建模与分析。
At present, with the increasing tonnage of ship and more and more ships propelled by electric power, the capacity of a generator in a marine power station is getting larger and larger. Because of electric propulsion technology applied by modern marines, the control system of voltage stability in vessel must be with better performance. The electric energy produced by diesel generators is not only transported to each load but also sent to vessel propulsion device in vessel with electric propulsion. The voltage of a vessel power system must be kept in reasonable range, otherwise it would affect the electrical system of a vessel greatly. The performance of excitation control of generators is the key to the voltage stability of power system in vessel electrical network.
Large-scale vessel electrical network is the system which is high order, strong coupling and nonlinear. After using electric electron and transducer to regulate the rotate speed of generators, the electrical network system becomes more complicated because there are network harmonic wave, electromagnetism disturbance and so on. After rectified, the traditional PID controller is unchangeable in the whole control process. But in the practical system, when the state of system and parameters are changed, the uncertainty of the process and parameters will appear. So in modern industry control process, the traditional PID controller has not good effect. However, because of the ability of dealing with nonlinear system and fault tolerance, the artificial neural network will be a new method to deal with the uncertainty nonlinear system and control problems. On the basis of distributing memory and concurrent processing, it has the function of self-organization, self-learning and association anamnesis of information. In
many aspects, ANN is similar to human in the process of handling with information. It has the ability of simulating visual thinking of human and it expresses some basic character of brain of human. But ANN is not the real description of human brain but a simulation, abstract and pre-digestion. ANN has been applied in practice.
Now with the appearance of nerve cell chips and DSP used widely, ANN is used in real time control. Take the excitation control system as an object, the
phase compound excitation system is firstly studied and controlled. Then two methods are designed by BP and CMAC to control the excitation system. Last, three control effects BP, CMAC, PID are compared. ANN control strategy can make the voltage of generators stable in the course of load changed, load uninstalled, electrical network fault and generator fault and so on. This project is supported by fund of science and technology development of Shanghai municipal education committee (03IK06).
引文
1 张伟，陈辉．面向21世纪的船舶电力推进技术．交通科技，2003年4月第2期
2 周双喜，朱凌志，郭锡玖，王小海编著．电力系统电压稳定性及其控制
3 李基成编著．现代同步发电机励磁系统设计及应用．中国电力出版社，2002
4 刘慧博，李志民，张遇杰．无刷直流电机的神经网络PID控制及其仿真．包头钢铁学院学报，2002．3
5 王仁祥编著．智能PID控制简介
6 船舶轮机问答编写组编．船舶轮机问答．人民交通出版社，1976
7 杨嘉锡，戴汝为．智能控制在国内的进展．机械与电子，1994年第1期
8 阎平凡，张长水编著．人工神经网络与模拟进化计算．清华大学出版社，1999
9 刘金琨著．先进PID控制及其MATLAB仿真．电子工业出版社，2003
10 Wong Y F, et al. Learning Convergence in CMAC. IEEE Trans NN, 1992,3:115～121
11 Long S H, et al. Thoery and Development of Higher-order CMAC NN. IEEE Control System Magzine, 1992,4:23～30
12 Chiang C T, et al. CMAC With General Basis Functions. Networks, 1996.9
13 丁国锋等．高阶CMAC神经网络研究．信息与控制，1996，25：373～380
14 盛振邦主编．船舶推进．北京科学教育编辑室出版，1963
15 [苏]维列捷尼柯夫著．章以刚译．船舶电力系统暂态过程研究的理论与方法．国防工业出版社，1985
16 中国船级社．船舶与海上设施交流电力系统的短路计算．人民交通出版社，1997
17 ritten by Stephen J. Chapman. Electric Machinery and Power System Fundamentals. Published by McGraw Hill, 2002
18 倪以信，陈寿孙，张宝霖著．动态电力系统的理论和分析．清华大学出版社，2002
19 孙俊，神经网络在船舶轮机训练器实时仿真建模中的应用研究．计算机仿真，Vol．19 No．2 Mar．2002
20 刘志远等．新型RBF神经网络及在热工过程建模中的应用．中国机电工程学报，Vol．22 No．9 Sep．2002
21 李锋等．基于动态神经网络的非线性系统建模及其控制．石油大学学报(自然科学版)，Vol．26 No．2 Apr．2002
22 杨玉杰．基于MATLAB的SVPWM变频调速系统的仿真．鞍山钢铁学院学报，Vol25．No4 Aug．2002
23 黄连中，孙培廷，李斌．现代船舶电力推进装置．世界海运，2001．12第24卷第6期
24 罗耀华，叶瑰昀，刘勇．舰船全电力推进系统模拟研究．船舶工程，2002年第4期
25 张晓东．某船电力推进系统方案分析与评价．船舶，2002．6 第三期
26 余新新．神经网络模型优化问题的研究及其应用．武汉理工大学学报，交通科学与工程版，2002．26(5)
27 PRABHA KUNDUR著．电力系统稳定与控制．中国电力出版社，1999
28 魏传有．独具匠心的“美人鱼”电力推进系统．知识就是力量，2002年04期
29 曾兆钰．美国Polar级破水船的电力推进系统．国外航海科技，1990年10月第5期
30 佐藤孝雄，张应朝．渔业调查船“开洋丸”的电力推进系统．船电技术，1993(1)
31 魏传有．卡米瓦与阿尔斯通合作开发的“美人鱼”电力推进装置．国际船艇，2001(1)．-34-35
32 泉泰志等．客船“水晶”号的电力推进系统．船电技术，1992(6)．-17-26
33 黄建章．中心电站—电力推进的125000dwt穿梭油轮．船舶，1995(2)．-45-48
34 沈伟升，周德国，黄建章．新型多用途集装箱船和化学品船的辅助电力推进系统．船舶电气，2002(4)．-39-44
35 冀路明，汪庆周．二十一世纪的Azipod吊舱式电力推进系统．船舶工程，2002(2)．-61-64
36 孙诗南．舰船电力推进在21世纪的发展．上海造船，2002年第2期
37 刘大勇等．船用PMSM电力推进系统制动过程暂态分析及仿真．船电技术，1999年第3期
38 梅瑞经．二十一世纪美国海军的电力推进装置和劳导流罩的推进器．船电技术，1991(4)．-63-64
39 张伟，陈辉．面向21世纪的船舶电力推进技术．交通科技，2003年第二期
40 沈建清．潜艇交流电力推进中的变频技术．海军工程大学学报，2001．12第13卷第六期
41 沈爱第．变流技术促进电力推进系统的发展．上海远洋教育中心，2002．2 第一期
42 云峻峰，黄仁和，赵建华．现代舰船电力推进设计走向．舰船科学技术，2003．2第25卷 第1期
43 陈永春．从MATLAB／SIMULINK模型到代码实现．清华大学出版社，2002．10．1
44 丛爽．神经网络、模糊系统及其在运动控制中的应用．中国科学技术大学出版社，2001
45 桑松等．基于神经网络的船型要素数学建模研究．计算机工程，Vol．22 No．9
46 梁翰荪．潜艇电力推进系统的最高电压及各工况电压的确定．船舶科学技术，
1994．2
47 Simon．神经网络原理．机械工业出版社，2003
48 赵明旺．基于神经网络实现的自校正PID调节．基础自动化，1994年第2期
49 黄苏南等．智能控制的理论和方法．控制理论与应用，1994年8月第11卷第4期
50 戴汝为．智能控制在国内的进展．机械与电子，1994(1)
51 欧阳楷．BP网络与CMAC网络的仿真比较．北京生物医学工程，1997年16卷第2期
52 段培永，邵惠鹤．CMAC(小脑模型)神经计算与神经控制．信息与控制，1996年6月28卷第3期
2 周双喜，朱凌志，郭锡玖，王小海编著．电力系统电压稳定性及其控制
3 李基成编著．现代同步发电机励磁系统设计及应用．中国电力出版社，2002
4 刘慧博，李志民，张遇杰．无刷直流电机的神经网络PID控制及其仿真．包头钢铁学院学报，2002．3
5 王仁祥编著．智能PID控制简介
6 船舶轮机问答编写组编．船舶轮机问答．人民交通出版社，1976
7 杨嘉锡，戴汝为．智能控制在国内的进展．机械与电子，1994年第1期
8 阎平凡，张长水编著．人工神经网络与模拟进化计算．清华大学出版社，1999
9 刘金琨著．先进PID控制及其MATLAB仿真．电子工业出版社，2003
10 Wong Y F, et al. Learning Convergence in CMAC. IEEE Trans NN, 1992,3:115～121
11 Long S H, et al. Thoery and Development of Higher-order CMAC NN. IEEE Control System Magzine, 1992,4:23～30
12 Chiang C T, et al. CMAC With General Basis Functions. Networks, 1996.9
13 丁国锋等．高阶CMAC神经网络研究．信息与控制，1996，25：373～380
14 盛振邦主编．船舶推进．北京科学教育编辑室出版，1963
15 [苏]维列捷尼柯夫著．章以刚译．船舶电力系统暂态过程研究的理论与方法．国防工业出版社，1985
16 中国船级社．船舶与海上设施交流电力系统的短路计算．人民交通出版社，1997
17 ritten by Stephen J. Chapman. Electric Machinery and Power System Fundamentals. Published by McGraw Hill, 2002
18 倪以信，陈寿孙，张宝霖著．动态电力系统的理论和分析．清华大学出版社，2002
19 孙俊，神经网络在船舶轮机训练器实时仿真建模中的应用研究．计算机仿真，Vol．19 No．2 Mar．2002
20 刘志远等．新型RBF神经网络及在热工过程建模中的应用．中国机电工程学报，Vol．22 No．9 Sep．2002
21 李锋等．基于动态神经网络的非线性系统建模及其控制．石油大学学报(自然科学版)，Vol．26 No．2 Apr．2002
22 杨玉杰．基于MATLAB的SVPWM变频调速系统的仿真．鞍山钢铁学院学报，Vol25．No4 Aug．2002
23 黄连中，孙培廷，李斌．现代船舶电力推进装置．世界海运，2001．12第24卷第6期
24 罗耀华，叶瑰昀，刘勇．舰船全电力推进系统模拟研究．船舶工程，2002年第4期
25 张晓东．某船电力推进系统方案分析与评价．船舶，2002．6 第三期
26 余新新．神经网络模型优化问题的研究及其应用．武汉理工大学学报，交通科学与工程版，2002．26(5)
27 PRABHA KUNDUR著．电力系统稳定与控制．中国电力出版社，1999
28 魏传有．独具匠心的“美人鱼”电力推进系统．知识就是力量，2002年04期
29 曾兆钰．美国Polar级破水船的电力推进系统．国外航海科技，1990年10月第5期
30 佐藤孝雄，张应朝．渔业调查船“开洋丸”的电力推进系统．船电技术，1993(1)
31 魏传有．卡米瓦与阿尔斯通合作开发的“美人鱼”电力推进装置．国际船艇，2001(1)．-34-35
32 泉泰志等．客船“水晶”号的电力推进系统．船电技术，1992(6)．-17-26
33 黄建章．中心电站—电力推进的125000dwt穿梭油轮．船舶，1995(2)．-45-48
34 沈伟升，周德国，黄建章．新型多用途集装箱船和化学品船的辅助电力推进系统．船舶电气，2002(4)．-39-44
35 冀路明，汪庆周．二十一世纪的Azipod吊舱式电力推进系统．船舶工程，2002(2)．-61-64
36 孙诗南．舰船电力推进在21世纪的发展．上海造船，2002年第2期
37 刘大勇等．船用PMSM电力推进系统制动过程暂态分析及仿真．船电技术，1999年第3期
38 梅瑞经．二十一世纪美国海军的电力推进装置和劳导流罩的推进器．船电技术，1991(4)．-63-64
39 张伟，陈辉．面向21世纪的船舶电力推进技术．交通科技，2003年第二期
40 沈建清．潜艇交流电力推进中的变频技术．海军工程大学学报，2001．12第13卷第六期
41 沈爱第．变流技术促进电力推进系统的发展．上海远洋教育中心，2002．2 第一期
42 云峻峰，黄仁和，赵建华．现代舰船电力推进设计走向．舰船科学技术，2003．2第25卷 第1期
43 陈永春．从MATLAB／SIMULINK模型到代码实现．清华大学出版社，2002．10．1
44 丛爽．神经网络、模糊系统及其在运动控制中的应用．中国科学技术大学出版社，2001
45 桑松等．基于神经网络的船型要素数学建模研究．计算机工程，Vol．22 No．9
46 梁翰荪．潜艇电力推进系统的最高电压及各工况电压的确定．船舶科学技术，
1994．2
47 Simon．神经网络原理．机械工业出版社，2003
48 赵明旺．基于神经网络实现的自校正PID调节．基础自动化，1994年第2期
49 黄苏南等．智能控制的理论和方法．控制理论与应用，1994年8月第11卷第4期
50 戴汝为．智能控制在国内的进展．机械与电子，1994(1)
51 欧阳楷．BP网络与CMAC网络的仿真比较．北京生物医学工程，1997年16卷第2期
52 段培永，邵惠鹤．CMAC(小脑模型)神经计算与神经控制．信息与控制，1996年6月28卷第3期
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |