CN111736466B - 一种半潜平台快速排载系统的优化控制方法及系统 - Google Patents

Abstract

本发明涉及一种半潜平台快速排载系统的优化控制方法，包括：建立分数阶PI^λD^μ控制器模型；以工频空压机组和变频空压机的总功耗以及目标水位为目标进行寻优，建立变频空压机的频率的适应度函数；根据适应度函数基于粒子群算法对分数阶PI^λD^μ控制器模型的参数进行优化，建立粒子群分数阶PI^λD^μ控制器模型；根据粒子群分数阶PI^λD^μ控制器模型控制变频器的频率。基于粒子群算法的分数阶PI^λD^μ控制器在半潜平台的起重作业工况中，比传统PID控制器用时更少，比分数阶PI^λD^μ控制器节能效果更可观，基于PSO的分数阶PI^λD^μ控制器既继承了分数阶PI^λD^μ控制器快速性的特点，又在粒子群算法的优化下改善了节能性，综合性能更加优越，半潜平台起重作业工况中变频空压机找到了合适的频率控制方法。

Description

一种半潜平台快速排载系统的优化控制方法及系统

技术领域

本发明涉及压缩空气排载系统设计技术领域，尤其涉及一种半潜平台快速排载系统的优化控制方法及系统。

背景技术

最早被用于潜艇紧急上浮的压缩空气快速排载系统，已被用于半潜式起重平台的压载系统设计中。压缩空气排载系统就是利用空气压缩机在压载舱内实现超压，将舱内压载水快速吹除，其排载速度非常快，最高可以达到常规离心泵的数十倍，采用压缩空气排载系统可以极大加速排载过程。

2017年工信部高技术船舶专项一“半潜式起重拆解平台开发”，对快速排载系统的空压机组进行节能改造研究。快速排载系统一般由控制系统、空压机系统、管路及压载舱系统三部分组成，如图1所示为现有技术中一种快速排载系统的实施例的结构框图，由图1可知，该快速排载系统的实施例中，控制系统主要设备是压力控制系统装置1，空压机系统主要设备有工频空压机组2、变频器3、电机4和变频空压机5，管路及压载舱系统主要设备有管路、阀门、快速压载舱6和压力传感器。

快速排载系统中的空压机是半潜式起重平台中主要的耗能设备之一，它主要的作用是产生压缩空气对起重侧压载舱进行快速排载，以调节平台的稳态。但是现有技术中半潜式起重平台快速排载系统中的空压机的控制方式，存在落后、能耗大、效率低下等问题。

发明内容

本发明针对现有技术中存在的技术问题，提供一种半潜平台快速排载系统的优化控制方法，解决现有技术中空压机的控制方式存在落后、能耗大、效率低下等问题。

本发明解决上述技术问题的技术方案如下：一种半潜平台快速排载系统的优化控制方法，所述快速排载系统包括电机、工频空压机组、变频器和变频空压机，所述变频器通过对应的所述电机控制所述变频空压机的工作，所述方法包括：

步骤1，建立分数阶PI^λD^μ控制器模型；

步骤2，以所述工频空压机组和所述变频空压机的总功耗以及目标水位为目标进行寻优，建立所述变频空压机的频率的适应度函数；

步骤3，根据所述适应度函数基于粒子群算法对所述分数阶PI^λD^μ控制器模型的参数进行优化，建立粒子群分数阶PI^λD^μ控制器模型；

步骤4，根据所述粒子群分数阶PI^λD^μ控制器模型控制所述变频器的频率。

本发明提供一种半潜平台快速排载系统的优化控制系统，所述快速排载系统包括电机、工频空压机组、变频器和变频空压机，所述优化控制系统包括与所述变频器连接的控制单元，所述控制单元包括：控制器模型建立模块、适应度函数建立模块、参数优化模块和变频器控制模块；

控制器模型建立模块，用于建立分数阶PI^λD^μ控制器模型；

适应度函数建立模块，用于以所述工频空压机组和所述变频空压机的总功耗以及目标水位为目标进行寻优，建立所述变频空压机的频率的适应度函数；

参数优化模块，用于根据所述适应度函数基于粒子群算法对所述分数阶PI^λD^μ控制器模型的参数进行优化，建立粒子群分数阶PI^λD^μ控制器模型；

变频器控制模块，用于根据所述粒子群分数阶PI^λD^μ控制器模型控制所述变频器的频率。

本发明的有益效果是：本发明提供的一种半潜平台快速排载系统的优化控制方法，设计一种基于粒子群算法的分数阶PI^λD^μ控制器，优化变频空压机的运行频率，该控制器的变化策略适用于具有波动大、时变性等气体压力变化特点的系统，在典型起重工况的实验下，对比工频控制器、传统PID控制器、分数阶PI^λD^μ控制器与粒子群分数阶PI^λD^μ控制器的控制效果；结果显示，基于粒子群算法的分数阶PI^λD^μ控制器在保证平台安全作业的前提下，能够实现快速排载系统节能运行，且比传统PID控制器用时更少，比分数阶PI^λD^μ控制器节能效果更可观，在快速排载系统中粒子群分数阶PI^λD^μ控制算法性能更加优越，目前半潜式起重拆解平台的快速排载系统中的空压机组采用工频阶梯式运行方式，自动化程度低且能耗大，对这种方式进行变频改造并进行变频控制算法优化研究，能在规定时间内保证正常作业的基础上，优化空压机控制、提高空压机效率、降低空压机组的能耗，对挖掘节能潜力具有重要意义；此控制算法亦可推广到其它空气排载系统领域。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述步骤1中建立的所述分数阶PI^λD^μ控制器模型的传递函数为：

其中，K_p、K_i、K_d、λ和μ所述分数阶PI^λD^μ控制器模型的参数，λ和μ分别为所述分数阶PI^λD^μ控制器模型的积分和微分的阶次，s表示，Gc(s)表示。

进一步，所述步骤2中建立的所述适应度函数为：

f(t)＝K_pΔp(t)+K_iD^-λΔp(t)+K_dD^μΔp(t)；

fun＝W+k₁h_a+k₂h_b；

其中，f(t)为t时刻变频空压机的频率；Δp(t)为t时刻压缩空气总管内的气体压力与设定压力的差值；fun为目标，W为所述工频空压机组和所述变频空压机的总功耗；h_a为第一主浮筒立柱压载舱的水位，k₁为第一主浮筒立柱压载舱的水位项的权重；h_b为第二主浮筒立柱压载舱的水位，k₂为第二主浮筒立柱压载舱的水位项的权重。

进一步，所述工频空压机组和所述变频空压机的总功耗W的计算式为：

W＝∫(P_工+P_f)dt；

其中，P_工表示所述工频空压机组的功率，P_f表示所述变频空压机的功耗；

P_e表示工频空压机的额定功率，V_{suc_f}表示变频空压机的吸气量，V_suc表示工频空压机额定工况下的吸气量，n表示工频空压机额定工况下的转速，n_f表示变频空压机的转速，其中，e₁、e₂、e₃满足：e₁+e₂+e₃≈1。

进一步，所述步骤3中基于粒子群算法对所述分数阶PI^λD^μ控制器模型的参数进行优化时，粒子在空间飞行的速度和位置的更新公式为：

其中，w为改变粒子的大小能够决定粒子当前速度继承的大小的惯性权重；

和

分别为粒子第k次迭代和第k+1次迭代时的速度向量；

和

是第k次迭代和第k+1次迭代时的粒子位置；pbest表示粒子本身找到的最优解的位置；gbest表示整个种群目前找到的最优解的位置；c₁和c₂为学习因子；r₁和r₂为加速因子，在[0,1]中随机产生。

进一步，所述工频空压机组包括至少两台工频空压机；

两台所述工频空压机和所述变频空压机的加/卸载压力呈阶梯状递增。

进一步，两台所述工频空压机和所述变频空压机的加/卸载压力分别为0.14/0.17Mpa、0.17/0.20Mpa、0.20/0.26Mpa。

采用上述进一步方案的有益效果是：以半潜式起重平台的快速压载系统为研究对象，把基于粒子群算法优化的分数阶PI^λD^μ控制的变频技术应用于系统中，并根据提出工-变频联合式空压机组集群控制方案；对于具有波动大、时变性等特点的气体压力变化，本发明所提出的控制策略具有较强的适应性，能够根据工况的变化及时响应，具有良好的节能效果。

附图说明

图1为现有技术中一种快速排载系统的实施例的结构框图；

图2为本发明提供的一种半潜平台快速排载系统的优化控制方法的流程图；

图3(a)为现有技术的空压机集群控制图；

图3(b)为本发明实施例提供的空压机集群控制图；

图4为本发明实施例提供的一种半潜平台快速排载系统的优化控制系统的硬件组成示意图；

图5为本发明提供的一种半潜平台快速排载系统的优化控制系统的控制单元的实施例的结构框图；

图6为本发明实施例提供的一种电子设备的实体结构示意图。

附图中，各标号所代表的部件列表如下：

1、压力控制系统装置，2、工频空压机组，3、变频器，4、电机，5、变频空压机，6、快速压载舱，101、控制器模型建立模块，102、适应度函数建立模块，103、参数优化模块，104、变频器控制模块，201、处理器，202、通信接口，203、存储器，204、通信总线。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

压力控制系统装置1分别与工频空压机组2、变频器3和快速压载舱6连接。压力控制系统装置1通过采用CAN总线通讯方式，采用RS485通讯方式传输信号，将工频空压机组2启停及加卸载指令、变频器3频率指令传递给电机4、变频器3，完成工频空压机组2的启动、停止、加载、卸载功能及变频空压机5的变频器频率变化功能；同时采用CAN总线通讯方式，用RS485通讯将快速压载舱6的空气压力值传递给压力控制系统装置1；电网的三相电输出端接口通过电力电缆线连接变频器3的三相电输入端接口；变频器3的三相电输出端接口通过电力电缆线连接电机4的三相电输入端接口；电机4的输出端通过联接轴连接变频空压机5。

对压力控制系统装置1的输入信号通过内部PLC程序进行处理，根据处理后的信号通过PLC控制器来控制工频空压机组2和变频空压机5。

变频器的主要功能：动力电源输入端取电压信号及频率信号，经过交-直-交变频后，输出端输出电压信号及频率信号，其中输出端的电压及频率信号受变频器控制方式的控制。

变频器可以设置闭环控制及开环控制两种方式。在闭环控制方式下，输入端作为信号反馈接入端，信号输入后经过变频器内置控制器的运算，输出给定频率及电压，达到控制的目的，或者采用外接控制器的方式，禁用变频器本身的控制器，输入端作为频率给定值，这样做的好处是可以灵活选择控制算法，不受装置本身的限制；而在开环控制方式下，通过手动调节模拟输入端的设定值，来调节变频器的频率输出，不使用内置或外置的控制器。由于本项目要采用外接优化控制算法，所以变频器使用外接控制器的闭环控制功能。

运行中电动机的速度与变频器的输出电压之间的多种不同的控制关系，如：线性V/f控制，用于可变转矩和恒定转矩的负载；抛物线V/f控制，这一方式可用于可变转矩负载，如空压机和泵等。

考虑了负载变化以及频率变化等因素对电动机效率的影响。确定效率后，可以根据负载功率除以效率得到电源端消耗的功率：

P₁＝P₂/EFF。

其中P₁是电动机消耗的总功率，P₂是负载功率，EFF是电机效率。

另外还需确定的是电动机的转速，在某一频率下，在电动机的允许范围内，电动机的转速随负载的增加而减小，转差率随之增大，而在某一负载下，电动机的转差率随频率的降低而增大。根据电动机实际运行时转差率的变化情况，确定转差率的大小，然后根据以下公式得到电动机的转速：

RPM＝(1-S)*RPMN1。

其中RPM是电动机转速，S是转差率，RPMN1是同步转速。

变频空压机也即风机的转速是可以变化的，所以在计算特性参数时考虑了转速变化的影响。

如果转速为n₁时，N-q(功率—流量)曲线的拟和结果为：

N(q)＝B₁q³+B₂q²+B₃q+B₄。

根据比例定律有：

q₂＝(n₂/n₁)q₁，N₂＝(n₂/n₁)³N₁。

则当转速为n₂时，N-q(功率—流量)曲线为:

N(q)＝B₁q³+(n₂/n₁)B₂q²+(n₂/n₁)²B₃q+(n₂/n₁)³B₄。

如图2所示为本发明提供的一种半潜平台快速排载系统的优化控制方法的流程图，由图2可知，该方法包括：

步骤1，建立分数阶PI^λD^μ控制器模型。

步骤2，以工频空压机组和变频空压机的总功耗以及目标水位为目标进行寻优，建立变频空压机的频率的适应度函数。

步骤3，根据适应度函数基于粒子群算法对分数阶PI^λD^μ控制器模型的参数进行优化，建立粒子群分数阶PI^λD^μ控制器模型。

步骤4，根据粒子群分数阶PI^λD^μ控制器模型控制变频器的频率。

本发明提供的一种半潜平台快速排载系统的优化控制方法，设计一种基于粒子群算法的分数阶PI^λD^μ控制器，优化变频空压机的运行频率，该控制器的变化策略适用于具有波动大、时变性等气体压力变化特点的系统；在典型起重工况的实验下，对比工频控制器、传统PID控制器、分数阶PI^λD^μ控制器与粒子群分数阶PI^λD^μ控制器的控制效果；结果显示，基于粒子群算法的分数阶PI^λD^μ控制器在保证平台安全作业的前提下，能够实现快速排载系统节能运行，且比传统PID控制器用时更少，比分数阶PI^λD^μ控制器节能效果更可观，在快速排载系统中粒子群分数阶PI^λD^μ控制算法性能更加优越，目前半潜式起重拆解平台的快速排载系统中的空压机组采用工频阶梯式运行方式，自动化程度低且能耗大，对这种方式进行变频改造并进行变频控制算法优化研究，能在规定时间内保证正常作业的基础上，优化空压机控制、提高空压机效率、降低空压机组的能耗，对挖掘节能潜力具有重要意义；此控制算法亦可推广到其它空气排载系统领域。

实施例1

本发明提供的实施例1为本发明提供的一种半潜平台快速排载系统的优化控制方法的第一实施例，具体的，该优化控制方法的第一实施例包括：

步骤1，建立分数阶PI^λD^μ控制器模型。

具体的，分数阶微积分为整数阶微积分的延伸与扩展，它的阶数可以为任意复数。本发明实施例提供的技术方案中，微积分的阶次均为实数，分数阶微积分的算子

可表示为：

式中，a和t分别为微积分的上下限，阶次α为复数，Re(α)为阶次α的实部。

与整数阶PID类似，分数阶PI^λD^μ控制器模型的微分方程为：

u(t)＝K_pe(t)+K_iD^-λe(t)+K_dD^μe(t) (2)

式中，De(t)为Caputo定义的分数阶算子，K_p、K_i、K_d、λ和μ分数阶PI^λD^μ控制器模型的参数，e(t)表示输入，u(t)表示输出，可将分数阶PI^λD^μ控制器看作一个具有特殊功能的过滤器，设计的原理与整数阶的PID控制器相似，不同的是分数阶PI^λD^μ控制器有五个参数K_p、K_i、K_d、λ和μ。

利用拉普拉斯变换对分数阶微积分时域表达式(2)进行变换，可以得到：

式中，c表示，f(t)表示，F(s)表示，s表示，N表示，

在零初始条件下可将式(3)表达成：

则具体的，步骤1中建立的分数阶PI^λD^μ控制器模型的传递函数为：

其中，Gc(s)表示，λ和μ分别为分数阶PI^λD^μ控制器模型的积分和微分的阶次，扩大了积分和微分的可调范围，提高了分数阶控制器的控制精度。

步骤2，以工频空压机组和变频空压机的总功耗以及目标水位为目标进行寻优，建立变频空压机的频率的适应度函数。

因平台安全性的要求，快速排载系统在节能的同时，要尽可能使得完成工况时间更短，即在尽可能短的时间内使得快速排载舱的水位从初始值排至目标值。此因素为分数阶PI^λD^μ控制器参数的一个约束条件，采取罚函数的方法来解决。

优选的，建立的该适应度函数为：

f(t)＝K_pΔp(t)+K_iD^-λΔp(t)+K_dD^μΔp(t) (6)

fun＝W+k₁h_a+k₂h_b (7)

其中，f(t)为t时刻变频空压机的频率；Δp(t)为t时刻压缩空气总管内的气体压力与设定压力的差值，该设定压力可以为0.26Mpa；fun为目标，W为工频空压机组和变频空压机的总功耗；h_a为CSBTMP#1(第一主浮筒立柱压载舱)的水位，k₁为CSBTMP#1水位项的权重；h_b为CSBTMP#2(第二主浮筒立柱压载舱)的水位，k₂为CSBTMP#2的水位项的权重。

具体的，工频空压机组和变频空压机的总功耗W的计算式为：

W＝∫(P_工+P_f)dt (8)

其中，P_工表示工频空压机组的功率，P_f表示变频空压机的功耗。

P_e表示工频空压机的额定功率，V_{suc_f}表示变频空压机的吸气量，V_suc表示工频空压机额定工况下的吸气量，n表示工频空压机额定工况下的转速，n_f表示变频空压机的转速，其中，e₁、e₂、e₃满足以下关系：e₁+e₂+e₃≈1。

步骤3，根据适应度函数基于粒子群算法对分数阶PI^λD^μ控制器模型的参数进行优化，建立粒子群分数阶PI^λD^μ控制器模型。

粒子群算法是模拟鸟类觅食行为的算法。每个需要被优化的问题都是搜索空间的一只鸟，称之为“粒子”。所有的粒子还有一个速度来决定它们的飞行方向和距离，粒子都有一个被优化函数所决定的适应值，每个粒子追随当前的最优粒子在解空间中搜索。利用适应度函数确定最优粒子，更新其粒子的速度与位置，向最优的粒子移动，经过一定时间的运动后，所有粒子都将收敛在最优位置，这个最优位置就是整个搜索空间的最优解。

粒子群分数阶PI^λD^μ控制器是在分数阶PI^λD^μ控制器的基础上，对分数阶PI^λD^μ的五个控制参数K_p、K_i、K_d、λ和μ，进行优化，在每种工况下，利用PSO(ParticleSwarmOptimization，粒子群优化算法)算法求解出能耗目标下的PI^λD^μ控制器模型的参数最优解集，在满足其控制需求的情况下，实现节能运行。

优选的，基于粒子群算法对分数阶PI^λD^μ控制器模型的参数进行优化时，粒子在空间飞行的速度和位置的更新公式为：

其中，w为改变粒子的大小能够决定粒子当前速度继承的大小的惯性权重；

和

分别为粒子第k次迭代和第k+1次迭代时的速度向量；

和

是第k次迭代和第k+1次迭代时的粒子位置；pbest表示粒子本身找到的最优解的位置，pbest_i表示第i代pbest；gbest表示整个种群目前找到的最优解的位置；c₁和c₂为学习因子，一般取2，通过改变c₁和c₂值的大小可以调整pbest和gbest对粒子吸引的影响强度；r₁和r₂为加速因子，在[0,1]中随机产生。

步骤4，根据粒子群分数阶PI^λD^μ控制器模型控制变频器的频率。

本发明提供的一种半潜平台快速排载系统的优化控制方法，基于上述步骤编写pso程序，优化分数阶PI^λD^μ控制器模型控制器的参数。

实施例2

本发明提供的实施例2为本发明提供的一种半潜平台快速排载系统的优化控制方法的第二实施例，具体的，该优化控制方法的第二实施例中，PLC控制器控制工频空压机组的启动和加卸载工作，联合变频空压机以实现整个空压机组的节能运行。

如图3(a)所示为现有技术的空压机集群控制图，如图3(b)所示为本发明实施例提供的空压机集群控制图。在快速压载系统中，为系统供气的空压机有四台，其中一台备用。由图3(a)可知，起重作业时，三台空压机陆续投入使用，一旦空压机启动，它们将始终处于装载或卸载状态，直到起重完成。在原快速压载系统中，工频空压机组采用阶梯式控制策略。所谓阶梯式控制就是各台空压机的加卸载压力呈阶梯状分布，相邻两台压缩机的加卸载压力呈递增趋势。A、B、C工频空压机的加/卸载压力依次递增。

本发明提供的一种半潜平台快速排载系统的优化控制方法的第二实施例中，对上述提出工频空压机组阶梯式集群控制策略进行模拟改造，提出工-变频联合式空压机组集群控制策略，其中所用的变频策略采用前文中提出的基于粒子群算法优化的分数阶PI^λD^μ变频控制策略。改造方案如图3(b)所示，C工频空压机改为D变频空压机，A、B工频空压机保持不变，A、B、C工频空压机的加/卸载压力分别为0.14/0.17Mpa、0.17/0.20Mpa、0.20/0.26Mpa，D变频空压机的额定功率、额定排气量、额定排气压力与C空压机相同。

本发明实施例以半潜式起重平台的快速压载系统为研究对象，把基于粒子群算法优化的分数阶PI^λD^μ控制的变频技术应用于系统中，并根据提出工-变频联合式空压机组集群控制方案。对于具有波动大、时变性等特点的气体压力变化，本发明所提出的控制策略具有较强的适应性，能够根据工况的变化及时响应，具有良好的节能效果。

实施例3

本发明提供的实施例2为本发明提供的一种半潜平台快速排载系统的优化控制系统的实施例，如图4所示为本发明提供的一种半潜平台快速排载系统的优化控制系统的硬件组成示意图。图中下方虚框中的部分为根据实际项目需要可选的部分。

嵌入式系统的接口设计为4路模拟量输入(A/D)、4路模拟量输出(D/A)、4路开关量输入(DI)、4路开关量输出(DO)，以给将来留出扩展的余地。比如可以接前馈信号，以改善控制效果，也可以接多个智能仪表的输出信号。嵌入式系统中的控制程序的功能：对智能仪表的输出做进一步优化处理，如加入对前馈信号的处理；根据电机、空压机(或泵)的特性曲线做进一步优化；对可以同时控制调节阀的，通过优化算法得出变频器频率与调节门开度的最佳分配；对于同时控制多个空压机(或泵)的情况，通过优化算法得出各个变频器频率的最佳分配等。智能仪表、嵌入式系统及上位机都有RS485通讯接口，可以互相通讯。

通过将控制算法写入该硬件系统，并将该硬件系统与变频器、及现场其他信号进行连接，可以实现对变频节能系统的控制。在硬件设计时充分考虑了其通用性，可以适用于所有的变频节能项目。针对不同的项目，只需要改写其控制软件，以及改变其接口连线即可。

采用变频调节的方式时，空压机出口的调节阀门保持全开，利用变频器改变电动机的频率，进而改变风机的工作转速，使流进快速压载舱的空气流量随之发生改变，也能达到改变快速压载舱中空气压力的目的。

如图5所示为本发明提供的一种半潜平台快速排载系统的优化控制系统的实施例的结构框图，由图5可知，优化控制系统包括与变频器连接的控制单元，控制单元包括：控制器模型建立模块101、适应度函数建立模块102、参数优化模块103和变频器控制模块104。

控制器模型建立模块101，用于建立分数阶PI^λD^μ控制器模型。

适应度函数建立模块102，用于以工频空压机组和变频空压机的总功耗以及目标水位为目标进行寻优，建立变频空压机的频率的适应度函数。

参数优化模块103，用于根据适应度函数基于粒子群算法对分数阶PI^λD^μ控制器模型的参数进行优化，建立粒子群分数阶PI^λD^μ控制器模型。

变频器控制模块104，用于根据粒子群分数阶PI^λD^μ控制器模型控制变频器的频率。

图6为本发明实施例提供的一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器201、通信接口202、存储器203和通信总线204，其中，处理器201，通信接口202，存储器203通过通信总线204完成相互间的通信。处理器201可以调用存储在存储器203上并可在处理器201上运行的计算机程序，以执行上述各实施例提供的半潜平台快速排载系统的优化控制方法，例如包括：步骤1，建立分数阶PI^λD^μ控制器模型；步骤2，以工频空压机组和变频空压机的总功耗以及目标水位为目标进行寻优，建立变频空压机的频率的适应度函数；步骤3，根据适应度函数基于粒子群算法对分数阶PI^λD^μ控制器模型的参数进行优化，建立粒子群分数阶PI^λD^μ控制器模型；步骤4，根据粒子群分数阶PI^λD^μ控制器模型控制变频器的频率。

本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的半潜平台快速排载系统的优化控制方法，例如包括：步骤1，建立分数阶PI^λD^μ控制器模型；步骤2，以工频空压机组和变频空压机的总功耗以及目标水位为目标进行寻优，建立变频空压机的频率的适应度函数；步骤3，根据适应度函数基于粒子群算法对分数阶PI^λD^μ控制器模型的参数进行优化，建立粒子群分数阶PI^λD^μ控制器模型；步骤4，根据粒子群分数阶PI^λD^μ控制器模型控制变频器的频率。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种半潜平台快速排载系统的优化控制方法，所述快速排载系统包括电机、工频空压机组、变频器和变频空压机，所述变频器通过对应的所述电机控制所述变频空压机的工作，其特征在于，所述方法包括：

步骤1，建立分数阶PI^λD^μ控制器模型；

步骤2，以所述工频空压机组和所述变频空压机的总功耗以及目标水位为目标进行寻优，建立所述变频空压机的频率的适应度函数；

步骤3，根据所述适应度函数基于粒子群算法对所述分数阶PI^λD^μ控制器模型的参数进行优化，建立粒子群分数阶PI^λD^μ控制器模型；

步骤4，根据所述粒子群分数阶PI^λD^μ控制器模型控制所述变频器的频率；

所述步骤1中建立的所述分数阶PI^λD^μ控制器模型的传递函数为：

其中，K_p、K_i、K_d、λ和μ为所述分数阶PI^λD^μ控制器模型的参数，λ和μ分别为所述分数阶PI^λD^μ控制器模型的积分和微分的阶次；

所述步骤2中建立所述适应度函数使所述目标的值最小，建立的所述变频空压机的频率的适应度函数为：

f(t)＝K_pΔp(t)+K_iD^-λΔp(t)+K_dD^μΔp(t)；

所述目标的函数为：fun＝W+k₁h_a+k₂h_b；

其中，f(t)为t时刻变频空压机的频率；Δp(t)为t时刻压缩空气总管内的气体压力与设定压力的差值；fun为目标，W为所述工频空压机组和所述变频空压机的总功耗；h_a为第一主浮筒立柱压载舱的水位，k₁为第一主浮筒立柱压载舱的水位项的权重；h_b为第二主浮筒立柱压载舱的水位，k₂为第二主浮筒立柱压载舱的水位项的权重；

所述工频空压机组和所述变频空压机的总功耗W的计算式为：

W＝∫(P_工+P_f)dt；

其中，P_工表示所述工频空压机组的功率，P_f表示所述变频空压机的功率；

P_e表示工频空压机的额定功率，V_{suc_f}表示变频空压机的吸气量，V_suc表示工频空压机额定工况下的吸气量，n表示工频空压机额定工况下的转速，n_f表示变频空压机的转速，其中，e₁、e₂、e₃满足：e₁+e₂+e₃＝1。

2.根据权利要求1所述的方法，其特征在于，所述步骤3中基于粒子群算法对所述分数阶PI^λD^μ控制器模型的参数进行优化时，粒子在空间飞行的速度和位置的更新公式为：

其中，w为改变粒子的大小能够决定粒子当前速度继承的大小的惯性权重；

和

分别为粒子第k次迭代和第k+1次迭代时的速度向量；

和

是第k次迭代和第k+1次迭代时的粒子位置；pbest_i表示粒子本身找到的最优解的位置；gbest表示整个种群目前找到的最优解的位置；c₁和c₂为学习因子；r₁和r₂为加速因子，在[0,1]中随机产生。

3.根据权利要求1-2任一项所述的方法，其特征在于，所述工频空压机组包括至少两台工频空压机；

两台所述工频空压机和所述变频空压机的加/卸载压力呈阶梯状递增。

4.根据权利要求3所述的方法，其特征在于，两台所述工频空压机和所述变频空压机的加/卸载压力分别为0.14/0.17Mpa、0.17/0.20Mpa、0.20/0.26Mpa。

5.一种半潜平台快速排载系统的优化控制系统，所述快速排载系统包括电机、工频空压机组、变频器和变频空压机，其特征在于，所述优化控制系统包括与所述变频器连接的控制单元，所述控制单元包括：控制器模型建立模块、适应度函数建立模块、参数优化模块和变频器控制模块；

控制器模型建立模块，用于建立分数阶PI^λD^μ控制器模型；

建立的所述分数阶PI^λD^μ控制器模型的传递函数为：

其中，K_p、K_i、K_d、λ和μ为所述分数阶PI^λD^μ控制器模型的参数，λ和μ分别为所述分数阶PI^λD^μ控制器模型的积分和微分的阶次；

适应度函数建立模块，用于以所述工频空压机组和所述变频空压机的总功耗以及目标水位为目标进行寻优，建立所述变频空压机的频率的适应度函数；

所述适应度函数使所述目标的值最小，建立的所述变频空压机的频率的适应度函数为：

f(t)＝K_pΔp(t)+K_iD^-λΔp(t)+K_dD^μΔp(t)；

所述目标的函数为：

fun＝W+k₁h_a+k₂h_b；

其中，f(t)为t时刻变频空压机的频率；Δp(t)为t时刻压缩空气总管内的气体压力与设定压力的差值；fun为目标，W为所述工频空压机组和所述变频空压机的总功耗；h_a为第一主浮筒立柱压载舱的水位，k₁为第一主浮筒立柱压载舱的水位项的权重；h_b为第二主浮筒立柱压载舱的水位，k₂为第二主浮筒立柱压载舱的水位项的权重；

所述工频空压机组和所述变频空压机的总功耗W的计算式为：

W＝∫(P_工+P_f)dt；

其中，P_工表示所述工频空压机组的功率，P_f表示所述变频空压机的功率；

P_e表示工频空压机的额定功率，V_{suc_f}表示变频空压机的吸气量，V_suc表示工频空压机额定工况下的吸气量，n表示工频空压机额定工况下的转速，n_f表示变频空压机的转速，其中，e₁、e₂、e₃满足：e₁+e₂+e₃＝1；

参数优化模块，用于根据所述适应度函数基于粒子群算法对所述分数阶PI^λD^μ控制器模型的参数进行优化，建立粒子群分数阶PI^λD^μ控制器模型；

变频器控制模块，用于根据所述粒子群分数阶PI^λD^μ控制器模型控制所述变频器的频率。

6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述半潜平台快速排载系统的优化控制方法的步骤。

7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至4任一项所述半潜平台快速排载系统的优化控制方法的步骤。

Images