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
一种船用柴油机bp神经网络燃烧-转速双闭环控制方法 Download PDFInfo
- Publication number
- CN109839821A CN109839821A CN201910045064.6A CN201910045064A CN109839821A CN 109839821 A CN109839821 A CN 109839821A CN 201910045064 A CN201910045064 A CN 201910045064A CN 109839821 A CN109839821 A CN 109839821A
- Authority
- CN
- China
- Prior art keywords
- revolving speed
- neural network
- burning
- closed
- loop control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Feedback Control In General (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
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
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mf,输出量分别为柴油机转速实际值ne和缸内燃烧状态参数IMEP的实际值PIMEP。
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ne与期望转速rn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Kp、TI、TD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、rn、PIMEP,内环控制器的输出为循环喷油总量mf。
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Kp、TI、TD,设定船用柴油机的转速期望值rn,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)=rn,x(3)=PIMEP,
输入层第j个神经元的节点输出为:
oj (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:
oi (2)(t)=g(neti 2(t))i=1,2,3,4,5;
其中wij (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Ij表示节点i的第j个输入,ωij为权系数,σi为第i个节点的状态neti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mf,输出量分别为柴油机转速实际值ne和缸内燃烧状态参数IMEP的实际值PIMEP;
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ne与期望转速rn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Kp、TI、TD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、rn、PIMEP,内环控制器的输出为循环喷油总量mf。
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)=rn,x(3)=PIMEP (3)
输入层第j个神经元的节点输出为:
oj (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:
oi (2)(t)=g(neti 2(t))i=1,2,3,4,5; (6)
其中wij (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Ij表示节点i的第j个输入,ωij为权系数,σi为第i个节点的状态 neti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Kp、TI、 TD,设定船用柴油机的转速期望值rn,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rn=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mf,输出量分别为柴油机转速实际值ne和缸内燃烧状态参数IMEP的实际值PIMEP。
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ne与期望转速rn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Kp、TI、TD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、rn、PIMEP,内环控制器的输出为循环喷油总量mf。
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Kp、TI、TD,设定船用柴油机的转速期望值rn,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)=rn,x(3)=PIMEP,
输入层第j个神经元的节点输出为:
oj (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:
oi (2)(t)=g(neti 2(t))i=1,2,3,4,5;
其中wij (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Ij表示节点i的第j个输入,ωij为权系数,σi为第i个节点的状态neti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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910045064.6A CN109839821A (zh) | 2019-01-17 | 2019-01-17 | 一种船用柴油机bp神经网络燃烧-转速双闭环控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910045064.6A CN109839821A (zh) | 2019-01-17 | 2019-01-17 | 一种船用柴油机bp神经网络燃烧-转速双闭环控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109839821A true CN109839821A (zh) | 2019-06-04 |
Family
ID=66883872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910045064.6A Pending CN109839821A (zh) | 2019-01-17 | 2019-01-17 | 一种船用柴油机bp神经网络燃烧-转速双闭环控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109839821A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111413098A (zh) * | 2020-01-13 | 2020-07-14 | 哈尔滨工程大学 | 一种基于imep时间序列的天然气发动机燃烧系统非线性特征识别方法 |
CN114909227A (zh) * | 2022-04-12 | 2022-08-16 | 哈尔滨工程大学 | 一种基于数字孪生的船舶柴油机喷油控制系统及策略 |
CN116663396A (zh) * | 2023-04-29 | 2023-08-29 | 中国人民解放军63963部队 | 一种动力发电兼顾型柴油机排量人工智能决策方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030055798A1 (en) * | 2001-09-08 | 2003-03-20 | Hittle Douglas C. | Combined proportional plus integral (PI) and neural network (nN) controller |
CN202645739U (zh) * | 2012-05-08 | 2013-01-02 | 中南林业科技大学 | 一种柴油机智能调速控制系统 |
CN202851169U (zh) * | 2012-06-05 | 2013-04-03 | 张玉辉 | 一种发动机双闭环控制器 |
CN104832307A (zh) * | 2015-04-09 | 2015-08-12 | 哈尔滨工程大学 | 一种柴油发动机转速控制方法 |
-
2019
- 2019-01-17 CN CN201910045064.6A patent/CN109839821A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030055798A1 (en) * | 2001-09-08 | 2003-03-20 | Hittle Douglas C. | Combined proportional plus integral (PI) and neural network (nN) controller |
CN202645739U (zh) * | 2012-05-08 | 2013-01-02 | 中南林业科技大学 | 一种柴油机智能调速控制系统 |
CN202851169U (zh) * | 2012-06-05 | 2013-04-03 | 张玉辉 | 一种发动机双闭环控制器 |
CN104832307A (zh) * | 2015-04-09 | 2015-08-12 | 哈尔滨工程大学 | 一种柴油发动机转速控制方法 |
Non-Patent Citations (3)
Title |
---|
SHUANG CONG,ETC: "A NOVEL PID-LIKE NEURAL NETWORK CONTROLLER", 《IFAC PROCEEDINGS VOLUMES》 * |
方成,等: "使用缸压信息的柴油机低温燃烧闭环控制", 《清华大学学报(自然科学版)》 * |
石勇,等: "船用柴油机齿条位置执行器与转速BP神经网络控制研究", 《内燃机工程》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111413098A (zh) * | 2020-01-13 | 2020-07-14 | 哈尔滨工程大学 | 一种基于imep时间序列的天然气发动机燃烧系统非线性特征识别方法 |
CN111413098B (zh) * | 2020-01-13 | 2021-06-01 | 哈尔滨工程大学 | 一种基于imep时间序列的天然气发动机燃烧系统非线性特征识别方法 |
CN114909227A (zh) * | 2022-04-12 | 2022-08-16 | 哈尔滨工程大学 | 一种基于数字孪生的船舶柴油机喷油控制系统及策略 |
CN116663396A (zh) * | 2023-04-29 | 2023-08-29 | 中国人民解放军63963部队 | 一种动力发电兼顾型柴油机排量人工智能决策方法及系统 |
CN116663396B (zh) * | 2023-04-29 | 2023-11-03 | 中国人民解放军63963部队 | 一种动力发电兼顾型柴油机排量人工智能决策方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109839821A (zh) | 一种船用柴油机bp神经网络燃烧-转速双闭环控制方法 | |
CN107272403A (zh) | 一种基于改进粒子群算法的pid控制器参数整定算法 | |
CN105674060B (zh) | 一种压缩空气系统压力流量联合控制节能装置及方法 | |
CN109696836B (zh) | 飞机舵机电液伺服系统智能控制方法 | |
CN101165331A (zh) | 控制装置和控制方法 | |
JPH0396636A (ja) | 内燃エンジンの制御装置 | |
CN108757192B (zh) | 一种基于模糊变结构的柴油发动机电控调速及测试方法 | |
CN106773654B (zh) | 一种分数阶pid控制器参数优化整定方法 | |
CN110531614B (zh) | 新颖的无刷直流电机模糊神经网络pi控制器 | |
KR20090027096A (ko) | 디지털 조속기의 속도제어를 위한 속도형 신경망 제어기 | |
CN104734588A (zh) | 一种生物质气内燃发电机组转速控制方法 | |
CN106401757A (zh) | 发动机的断缸模式实现方法、系统及车辆 | |
WO2024124799A1 (zh) | 自适应控制方法、装置及设备 | |
CN111352450B (zh) | 一种数字比例阀流量控制系统及方法 | |
CN116520909A (zh) | 哈里斯鹰算法优化模糊pid参数的高值耗材柜温度控制方法 | |
CN108549213A (zh) | 一种基于rbf神经网络pid的速比控制方法 | |
Jiang et al. | H∞-based minimal energy adaptive control with preset convergence rate | |
Pan et al. | Optimization of industrial boiler combustion control system based on genetic algorithm | |
CN108019289B (zh) | 一种电控发动机自适应标定控制方法 | |
CN206694126U (zh) | 一种柴油机共轨压力的pid参数自整定控制装置 | |
CN116300422A (zh) | 一种水电机组控制优化方法及终端 | |
CN109515097A (zh) | 一种半主动车辆悬架控制系统 | |
CN106440844B (zh) | 一种篦冷机刮板速度控制方法 | |
CN109799765A (zh) | 舵机电液伺服系统智能控制方法 | |
Huang et al. | Transfer Function Model Identification Based on Improved Least Square Method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190604 |