神经网络优化PID舰船发动机自动控制
发布时间：2021-08-29 18:09
使用传统舰船发动机控制方法控制时,因其控制参数均为固定设置,无法随发动机参数变化而变化,导致控制方法的响应与实际控制信号出现较大偏差,影响了控制方法的稳定性和灵活性。针对以上问题,研究神经网络优化PID的舰船发动机自动控制方法。构建发动机闭环增益的PID结构后,设计神经网络自动控制器。利用遗传算法对神经网络PID自动控制器参数进行整定,降低控制器响应控制信号时的超调量,完成对舰船发动机控制方法的设计。通过与传统模糊PID控制方法的对比实验,证明了研究的控制方法能够有效降低24.31%的超调量,并且相比传统方法研究的方法的正弦跟随特性更佳,即神经网络优化后的自动控制方法具有更好的稳定性和灵活性。
【文章来源】：舰船科学技术. 2020,42(16)北大核心
【文章页数】：3 页
【部分图文】：
实验组方法的阶跃响应曲线Fig.1Stepresponsecurveoftheexperimentalgroupmethod
和正弦跟随特性曲线。控制方法的超调量越小，说明控制方法的控制稳定性越佳；在控制方法的控制下，与输入正弦信号的跟随性越佳，说明控制方法的灵活性越佳。2.2实验结果实验组和对比组自动控制方法的阶跃响应曲线分别如图1和图2所示。图1实验组方法的阶跃响应曲线Fig.1Stepresponsecurveoftheexperimentalgroupmethod图2对比组方法的阶跃响应曲线Fig.2Stepresponsecurveofthecontrolgroupmethod分析可知，实验组的阶跃响应曲线随着实验时间的增加，快速出现响应波峰，之后曲线下降，在短暂的轻微波动后，曲线趋于平稳。而对比组的阶跃响应曲线的响应波峰出现实验要晚于实验组，并且响应波峰之后，曲线的波动幅度和波动次数都大于实验组阶跃响应曲线。读取的2条曲线超调量，实验组为35.63%，对比组为11.32%，实验组超调量相比对比组下降了24.31%。说明实验组控制方法不仅能够快速响应控制信号，并且控制效果更稳定。实验组和对比组自动控制方法的正弦跟随曲线如图3所示。图3正弦跟随特性曲线Fig.3Sinefollowsthecharacteristiccurve分析可知，改变输入信号为正弦信号，实验组输出的正弦信号与输入控制信号之间无偏差，而对比组输出的正弦信号与输入正弦信号之间出现明显偏差。说明实验组控制方法的正弦跟随特性更好，实际控制时能够更加灵活的对控制指令变化进行反溃综上，本文研究的神经网络优化PID的舰船发动机自动控制方法具有更好的控制稳定性和灵活性。3结语为提升传统PID控制方法的性能，本文研究神经网络优化PID的舰船发动机自动控制方法。通过对比实验，证明了本文研究发动机控制方法具有更佳的灵活性。参考文献：黄如君,张梅,陈?
roupmethod分析可知，实验组的阶跃响应曲线随着实验时间的增加，快速出现响应波峰，之后曲线下降，在短暂的轻微波动后，曲线趋于平稳。而对比组的阶跃响应曲线的响应波峰出现实验要晚于实验组，并且响应波峰之后，曲线的波动幅度和波动次数都大于实验组阶跃响应曲线。读取的2条曲线超调量，实验组为35.63%，对比组为11.32%，实验组超调量相比对比组下降了24.31%。说明实验组控制方法不仅能够快速响应控制信号，并且控制效果更稳定。实验组和对比组自动控制方法的正弦跟随曲线如图3所示。图3正弦跟随特性曲线Fig.3Sinefollowsthecharacteristiccurve分析可知，改变输入信号为正弦信号，实验组输出的正弦信号与输入控制信号之间无偏差，而对比组输出的正弦信号与输入正弦信号之间出现明显偏差。说明实验组控制方法的正弦跟随特性更好，实际控制时能够更加灵活的对控制指令变化进行反溃综上，本文研究的神经网络优化PID的舰船发动机自动控制方法具有更好的控制稳定性和灵活性。3结语为提升传统PID控制方法的性能，本文研究神经网络优化PID的舰船发动机自动控制方法。通过对比实验，证明了本文研究发动机控制方法具有更佳的灵活性。参考文献：黄如君,张梅,陈玉群,等.基于电控冷却系统发动机油门控制策略研究[J].控制工程,2018,25(5):784–790.[1]霍召晗,许鸣珠.基于小波神经网络PID的永磁同步电机转速控制[J].电机与控制应用,2019,46(11):1–6.[2]陈立芳,陈哲超,王维民,等.基于自适应粒子群优化的非稳态自动平衡控制算法研究[J].振动与冲击,2018,37(24):131–136.[3]李娟,隋霄.基于RBF神经网络PID控制的SSSC控制器研究[J
【参考文献】：
期刊论文
[1]基于小波神经网络PID的永磁同步电机转速控制[J]. 霍召晗,许鸣珠. 电机与控制应用. 2019(11)
[2]基于自适应粒子群优化的非稳态自动平衡控制算法研究[J]. 陈立芳,陈哲超,王维民,秦悦,李兆举,晏资文. 振动与冲击. 2018(24)
[3]基于RBF神经网络PID控制的SSSC控制器研究[J]. 李娟,隋霄. 控制工程. 2018(10)
[4]基于电控冷却系统发动机油门控制策略研究[J]. 黄如君,张梅,陈玉群,肖良快. 控制工程. 2018(05)
本文编号：3371133
【文章来源】：舰船科学技术. 2020,42(16)北大核心
【文章页数】：3 页
【部分图文】：
实验组方法的阶跃响应曲线Fig.1Stepresponsecurveoftheexperimentalgroupmethod
和正弦跟随特性曲线。控制方法的超调量越小，说明控制方法的控制稳定性越佳；在控制方法的控制下，与输入正弦信号的跟随性越佳，说明控制方法的灵活性越佳。2.2实验结果实验组和对比组自动控制方法的阶跃响应曲线分别如图1和图2所示。图1实验组方法的阶跃响应曲线Fig.1Stepresponsecurveoftheexperimentalgroupmethod图2对比组方法的阶跃响应曲线Fig.2Stepresponsecurveofthecontrolgroupmethod分析可知，实验组的阶跃响应曲线随着实验时间的增加，快速出现响应波峰，之后曲线下降，在短暂的轻微波动后，曲线趋于平稳。而对比组的阶跃响应曲线的响应波峰出现实验要晚于实验组，并且响应波峰之后，曲线的波动幅度和波动次数都大于实验组阶跃响应曲线。读取的2条曲线超调量，实验组为35.63%，对比组为11.32%，实验组超调量相比对比组下降了24.31%。说明实验组控制方法不仅能够快速响应控制信号，并且控制效果更稳定。实验组和对比组自动控制方法的正弦跟随曲线如图3所示。图3正弦跟随特性曲线Fig.3Sinefollowsthecharacteristiccurve分析可知，改变输入信号为正弦信号，实验组输出的正弦信号与输入控制信号之间无偏差，而对比组输出的正弦信号与输入正弦信号之间出现明显偏差。说明实验组控制方法的正弦跟随特性更好，实际控制时能够更加灵活的对控制指令变化进行反溃综上，本文研究的神经网络优化PID的舰船发动机自动控制方法具有更好的控制稳定性和灵活性。3结语为提升传统PID控制方法的性能，本文研究神经网络优化PID的舰船发动机自动控制方法。通过对比实验，证明了本文研究发动机控制方法具有更佳的灵活性。参考文献：黄如君,张梅,陈?
roupmethod分析可知，实验组的阶跃响应曲线随着实验时间的增加，快速出现响应波峰，之后曲线下降，在短暂的轻微波动后，曲线趋于平稳。而对比组的阶跃响应曲线的响应波峰出现实验要晚于实验组，并且响应波峰之后，曲线的波动幅度和波动次数都大于实验组阶跃响应曲线。读取的2条曲线超调量，实验组为35.63%，对比组为11.32%，实验组超调量相比对比组下降了24.31%。说明实验组控制方法不仅能够快速响应控制信号，并且控制效果更稳定。实验组和对比组自动控制方法的正弦跟随曲线如图3所示。图3正弦跟随特性曲线Fig.3Sinefollowsthecharacteristiccurve分析可知，改变输入信号为正弦信号，实验组输出的正弦信号与输入控制信号之间无偏差，而对比组输出的正弦信号与输入正弦信号之间出现明显偏差。说明实验组控制方法的正弦跟随特性更好，实际控制时能够更加灵活的对控制指令变化进行反溃综上，本文研究的神经网络优化PID的舰船发动机自动控制方法具有更好的控制稳定性和灵活性。3结语为提升传统PID控制方法的性能，本文研究神经网络优化PID的舰船发动机自动控制方法。通过对比实验，证明了本文研究发动机控制方法具有更佳的灵活性。参考文献：黄如君,张梅,陈玉群,等.基于电控冷却系统发动机油门控制策略研究[J].控制工程,2018,25(5):784–790.[1]霍召晗,许鸣珠.基于小波神经网络PID的永磁同步电机转速控制[J].电机与控制应用,2019,46(11):1–6.[2]陈立芳,陈哲超,王维民,等.基于自适应粒子群优化的非稳态自动平衡控制算法研究[J].振动与冲击,2018,37(24):131–136.[3]李娟,隋霄.基于RBF神经网络PID控制的SSSC控制器研究[J
【参考文献】：
期刊论文
[1]基于小波神经网络PID的永磁同步电机转速控制[J]. 霍召晗,许鸣珠. 电机与控制应用. 2019(11)
[2]基于自适应粒子群优化的非稳态自动平衡控制算法研究[J]. 陈立芳,陈哲超,王维民,秦悦,李兆举,晏资文. 振动与冲击. 2018(24)
[3]基于RBF神经网络PID控制的SSSC控制器研究[J]. 李娟,隋霄. 控制工程. 2018(10)
[4]基于电控冷却系统发动机油门控制策略研究[J]. 黄如君,张梅,陈玉群,肖良快. 控制工程. 2018(05)
本文编号：3371133
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3371133.html
