CN109839821A - 一种船用柴油机bp神经网络燃烧-转速双闭环控制方法 - Google Patents

Abstract

本发明的目的在于提供一种船用柴油机BP神经网络燃烧‑转速双闭环控制方法，包括如下步骤：根据柴油机燃烧‑转速控制要求，选取系统变量；确定燃烧‑转速双闭环控制器；设置燃烧‑转速双闭环控制器的参数。柴油机为非线性系统，具有很强的时变性特征，传统的PID控制器无法实现船用柴油机燃烧状态的精确控制。本发明的一种船用柴油机BP神经网络燃烧‑转速双闭环控制方法，优化了柴油机燃烧过程，对降低柴油机排放污染、减少燃油消耗率、降低工作噪声及提高船用柴油机综合性能具有重要意义。

Description

一种船用柴油机BP神经网络燃烧-转速双闭环控制方法

技术领域

本发明涉及的是一种柴油机控制方法，具体地说是柴油机燃烧控制方法。

背景技术

柴油机是目前使用最为广泛的一种动力机械，但内燃机的广泛使用加剧了能源危机和环境污染。通过研究燃烧过程的优化控制来降低柴油机排放污染、减少燃油消耗率，对于提高柴油机的整体工作状况和节能减排具有重要意义。

传统的柴油机燃烧控制系统一般都是基于标定的开环控制系统，当发动机装机运行时根据不同的工况选取已经标定好参数的PID控制器对发动机实施控制。基于标定的方法操作简单，但前期实验工作量大并且仅能保证标定工况点的控制效果，然而柴油机为复杂且具有时变性特征的非线性系统，当工况变化时，系统受扰动作用，基于试验台架环境预先设定的PID参数不能保证精确控制的效果。

船用柴油机的转速稳定对于船舶航运具有重要意义，柴油机在燃烧控制过程中对循环喷油总量的调节会引起船用柴油机转速的改变，因此在实现柴油机燃烧控制的同时对转速实施控制以保证转速稳定及其重要。

神经网络控制是一种智能化自适应的控制方法，适用于控制时变模型并能解决高度非线性问题，具有适应和学习功能，利用神经网络的非线性控制特征对柴油机燃烧过程实施控制能够提高变工况下的控制精度，对燃烧控制的优化具有重要意义。

文献“齐自达.柴油机神经网络控制技术研究[D].哈尔滨工程大学, 2012.”“龙东.基于BP神经网络的柴油机调速技术研究[D].哈尔滨工程大学, 2014.”仅利用神经网络对柴油机的转速进行了控制，不能对燃烧状态进行反馈调节，具有很大的局限性。

发明内容

本发明的目的在于提供通过检测柴油机的实际工作状态并利用BP神经网络与PID控制器调节柴油机每循环喷油量，实现对柴油机转速和IMEP控制的一种船用柴油机BP神经网络燃烧-转速双闭环控制方法。

本发明的目的是这样实现的：

本发明一种船用柴油机BP神经网络燃烧-转速双闭环控制方法，其特征是：

(1)根据柴油机燃烧-转速控制要求，选取系统变量；

(2)确定燃烧-转速双闭环控制器；

(3)设置燃烧-转速双闭环控制器的参数。

本发明还可以包括：

1、所述的选取系统变量具体为：根据船用柴油机的实际运行工况选取船用柴油机燃烧-转速控制的系统变量，选择控制输入量为循环喷油总量m_f，输出量分别为柴油机转速实际值n_e和缸内燃烧状态参数IMEP的实际值P_IMEP。

2、所述确定燃烧-转速双闭环控制器具体为：外环为转速控制环，采用PID 控制器，外环的输入为柴油机实际转速n_e与期望转速r_n的差值e，外环控制器的输出量为y，输入与输出的关系为：

写成传递函数的形式为

式中K_p、T_I、T_D分别为PID控制器的比例、积分和微分系数；

内环为缸内燃烧参数IMEP控制环，采用BP神经网络对内环PID参数进行动态调整，内环BP神经网络PID控制器的输入为y、r_n、P_IMEP，内环控制器的输出为循环喷油总量m_f。

3、设置燃烧-转速双闭环控制器的参数包括：初始化PID控制器和BP神经网络控制器，利用发动机实验台架标定传统PID控制参数K_p、T_I、T_D，设定船用柴油机的转速期望值r_n，设定神经网络控制算法的学习步长h、权值初始值、误差范围、神经网络学习速率、惯性系数，设定BP-PID控制器初始控制参数p、i、d。

4、所述的内环BP神经网络控制器，包括3个输入节点、5个隐含节点和 3个输出节点，分为三层结构，前向传播过程如下：

BP神经网络的输入为：

x(1)＝y，x(2)＝r_n，x(3)＝P_IMEP，

输入层第j个神经元的节点输出为：

o_j ⁽¹⁾＝x(j)j＝1,2,3；

隐含层第i个神经元的输入：

隐含层第i个神经元的输出可表达为：

o_i ⁽²⁾(t)＝g(net_i ²(t))i＝1,2,3,4,5；

其中w_ij ⁽²⁾为输入层到隐层权值；上标(1)、(2)、(3)分别代表输入层、隐含层、输出层，g(x)为活化函数：

输出层的第k个神经元的总输入为：

输出层的第k个神经元的总输出为：

式中，为隐层到输出层加权系数，f(·)为输出活化函数，

在神将网络前向过程计算结束之后，矫正加权系数，引入反馈计算：

选取目标函数为：

按照梯度下降法得到：

其中的I_j表示节点i的第j个输入，ω_ij为权系数，σ_i为第i个节点的状态net_i对 E的灵敏度，反向过程的权值调整公式为：

式中t为循环次数，η为学习速率，m₁是节点i后边一层的第m₁个节点。

本发明的优势在于：本发明的一种船用柴油机BP神经网络燃烧-转速双闭环控制方法，优化了柴油机燃烧过程，对降低柴油机排放污染、减少燃油消耗率、降低工作噪声及提高船用柴油机综合性能具有重要意义。

附图说明

图1为本发明方法示意图；

图2为传统PID控制方法与本发明方法在转速控制过程中的对比曲线；

图3为传统PID控制方法与本发明方法在柴油机IMEP控制过程中的对比曲线；

图4为传统PID控制方法与本发明方法在柴油机缸内压力和转速的控制过程中耗油量的对比曲线。

具体实施方式

下面结合附图举例对本发明做更详细地描述：

结合图1-4，本发明的一种船用柴油机BP神经网络燃烧-转速双闭环控制方法，主要包含以下步骤：

步骤一：根据船用柴油机的实际运行工况选取船用柴油机燃烧-转速控制的系统变量，选择控制输入量为循环喷油总量m_f，输出量分别为柴油机转速实际值n_e和缸内燃烧状态参数IMEP的实际值P_IMEP；

步骤二：设计燃烧-转速双闭环控制器，其中外环为转速控制环，采用PID 控制器。外环的输入为柴油机实际转速n_e与期望转速r_n的差值e，外环控制器的输出量为y，输入与输出的关系为：

写成传递函数的形式为

其中:(2)式中K_p、T_I、T_D分别为PID控制器的比例、积分和微分系数。

内环为缸内燃烧参数IMEP控制环，采用BP神经网络对内环PID参数进行动态调整，内环BP神经网络PID控制器的输入为y、r_n、P_IMEP，内环控制器的输出为循环喷油总量m_f。

内环BP神经网络控制器的控制原理为：该BP神经网络具有3个输入节点、 5个隐含节点和3个输出节点，分为三层结构，则前向传播过程如下：

BP神经网络的输入为：

x(1)＝y，x(2)＝r_n，x(3)＝P_IMEP (3)

输入层第j个神经元的节点输出为：

o_j ⁽¹⁾＝x(j)j＝1,2,3； (4)

隐含层第i个神经元的输入:：

隐含层第i个神经元的输出可表达为：

o_i ⁽²⁾(t)＝g(net_i ²(t))i＝1,2,3,4,5； (6)

其中w_ij ⁽²⁾为输入层到隐层权值；上标(1)、(2)、(3)分别代表输入层、隐含层、输出层，g(x)为活化函数，这里取为：

输出层的第k个神经元的总输入为：

输出层的第k个神经元的总输出为：

式中，为隐层到输出层加权系数，f(·)为输出活化函数。

在神将网络前向过程计算结束之后，为了矫正加权系数，下边引入反馈计算。

为了对加权系数进行调整，选取目标函数为：

按照梯度下降法，可以得到：

其中的I_j表示节点i的第j个输入，ω_ij为权系数，σ_i为第i个节点的状态 net_i对E的灵敏度，因此反向过程的权值调整公式为：

式中t为循环次数，η为学习速率，m₁是节点i后边一层的第m₁个节点；

步骤三：双闭环控制器参数设置与调试，具体过程为：初始化PID控制器和BP神经网络控制器，利用发动机实验台架标定传统PID控制参数K_p、T_I、 T_D，设定船用柴油机的转速期望值r_n，设定神经网络控制算法的学习步长h、权值初始值、误差范围、神经网络学习速率、惯性系数，设定BP-PID控制器初始控制参数p、i、d。

采用本发明的一种船用柴油机BP神经网络燃烧-转速双闭环控制方法对某型号船用柴油机进行控制，其控制系统框图如图1所示：包括BP神经网络控制模块1、PID控制模块2、IMEP检测装置3、转速传感器4、喷油执行机构5。

给定某型号船用柴油机期望转速r_n＝1500rpm，设定初始时刻的柴油机实际转速为1400rpm，初始时刻的转速差值e＝100rpm。PID控制器2与转速传感器4 组成外环控制，对PID控制器2的控制参数初始化为Kp＝0.06,Ki＝0.05, Kd＝0.001。

BP神经网络PID控制器1和IMEP检测装置3组成内环控制，外环输出值y 作为内环期望，设定BP神经网络控制器1的神经网络输入层神经元个数为3，隐含层神经元个数为5，隐含层层数为1，输出层神经元个数为3，设定BP神经网络控制器的初始权值为-0.5到0.5范围内的随机数，神经网络的学习速率设定为0.1，惯性系数取0.05，设置BP神经网络控制器的控制参数初始值为 p＝0.6，i＝0.3，d＝0.0001，通过控制喷油装置5来调节循环喷油总量，进而改变柴油机的燃烧状态，实现船用柴油机燃烧特征参数IMEP的监测与调整。图 2为传统PID控制方法与本发明方法在转速控制过程中的对比曲线，可以看出本发明控制方法在柴油机转速控制过程中的超调量和调节时间均减小。图3为传统PID控制方法与本发明方法在柴油机IMEP控制过程中的对比曲线，可以看出本发明控制方法在柴油机IMEP控制过程中的超调量和调节时间均减小。图4为传统PID控制方法与本发明方法在柴油机缸内压力和转速的控制过程中耗油量的对比曲线，可以看出本发明控制方法在柴油机缸内压力和转速的控制过程中耗油量减少。

Claims (5)

1.一种船用柴油机BP神经网络燃烧-转速双闭环控制方法，其特征是：

(1)根据柴油机燃烧-转速控制要求，选取系统变量；

(2)确定燃烧-转速双闭环控制器；

(3)设置燃烧-转速双闭环控制器的参数。

2.根据权利要求1所述的一种船用柴油机BP神经网络燃烧-转速双闭环控制方法，其特征是：所述的选取系统变量具体为：根据船用柴油机的实际运行工况选取船用柴油机燃烧-转速控制的系统变量，选择控制输入量为循环喷油总量m_f，输出量分别为柴油机转速实际值n_e和缸内燃烧状态参数IMEP的实际值P_IMEP。

3.根据权利要求1所述的一种船用柴油机BP神经网络燃烧-转速双闭环控制方法，其特征是：所述确定燃烧-转速双闭环控制器具体为：外环为转速控制环，采用PID控制器，外环的输入为柴油机实际转速n_e与期望转速r_n的差值e，外环控制器的输出量为y，输入与输出的关系为：

写成传递函数的形式为

式中K_p、T_I、T_D分别为PID控制器的比例、积分和微分系数；

内环为缸内燃烧参数IMEP控制环，采用BP神经网络对内环PID参数进行动态调整，内环BP神经网络PID控制器的输入为y、r_n、P_IMEP，内环控制器的输出为循环喷油总量m_f。

4.根据权利要求1所述的一种船用柴油机BP神经网络燃烧-转速双闭环控制方法，其特征是：设置燃烧-转速双闭环控制器的参数包括：初始化PID控制器和BP神经网络控制器，利用发动机实验台架标定传统PID控制参数K_p、T_I、T_D，设定船用柴油机的转速期望值r_n，设定神经网络控制算法的学习步长h、权值初始值、误差范围、神经网络学习速率、惯性系数，设定BP-PID控制器初始控制参数p、i、d。

5.根据权利要求3所述的一种船用柴油机BP神经网络燃烧-转速双闭环控制方法，其特征是：所述的内环BP神经网络控制器，包括3个输入节点、5个隐含节点和3个输出节点，分为三层结构，前向传播过程如下：

BP神经网络的输入为：

x(1)＝y，x(2)＝r_n，x(3)＝P_IMEP，

输入层第j个神经元的节点输出为：

o_j ⁽¹⁾＝x(j)j＝1,2,3；

隐含层第i个神经元的输入：

隐含层第i个神经元的输出可表达为：

o_i ⁽²⁾(t)＝g(net_i ²(t))i＝1,2,3,4,5；

其中w_ij ⁽²⁾为输入层到隐层权值；上标(1)、(2)、(3)分别代表输入层、隐含层、输出层，g(x)为活化函数：

输出层的第k个神经元的总输入为：

输出层的第k个神经元的总输出为：

式中，为隐层到输出层加权系数，f(·)为输出活化函数，

在神将网络前向过程计算结束之后，矫正加权系数，引入反馈计算：

选取目标函数为：

按照梯度下降法得到：

其中的I_j表示节点i的第j个输入，ω_ij为权系数，σ_i为第i个节点的状态net_i对E的灵敏度，反向过程的权值调整公式为：

式中t为循环次数，η为学习速率，m₁是节点i后边一层的第m₁个节点。