船舶柴油机转速神经网络自整定PID控制研究

发布时间：2017-05-26 11:05

  本文关键词：船舶柴油机转速神经网络自整定PID控制研究，由笔耕文化传播整理发布。

【摘要】：PID (PID-Proportion Integration Differentiation)控制是最早发展起来的、在实际工程应用中仍广泛采用的控制策略。PID控制具有控制算法简单、可靠性高、稳定性好、无静差,各参数物理意义明确且工程上易于实现等优点；但是,当被控制对象具有非线性和时变特性时,系统性能下降,鲁棒性变差,必须重新调整PID参数,以改善控制效果。 随着社会的进步、科学技术的发展和工程技术水平的提高,被控对象特性和生产过程越来越复杂。在实际工程控制中,系统运行时间的积累和运行工况的较大变化,可能导致系统参数发生改变,对于传统的PID控制器而言,只能通过频繁调整PID参数,来满足实际系统的需要,因此,对于具有非线性的、时变特性的被控对象而言,传统PID控制器的控制效果欠佳。在对复杂系统的控制中,传统的PID控制器不能达到理想的控制效果。有必要研究一种参数自整定PID智能控制器,当被控对象数学模型中某些参数产生变化或系统运行工况发生较大改变时,也能对被控对象进行较好的控制。目前,柴油机转速调节系统多为机械式调速器或传统PID控制器的电子式调速器。前者工作可靠性好,但精度不高；后者虽对系统内部参数变化有一定的适应性,但因柴油机的非线性、时变问题突出,工作时间的积累会导致其模型参数产生较大变化,此时控制器控制效果变差；此外当船舶航行在恶劣海况时,柴油机工况剧烈变化,其控制效果也会变差。本文基于现有神经网络研究成果,结合PID控制策略,设计出基于神经网络的参数自整定PID控制器,并将其应用于船舶柴油机转速控制。在MATLAB中进行大量仿真试验,仿真结果表明：同传统PID控制器的控制效果相比,该控制器能较好的适应柴油机工况的变化,收到了更加理想的控制效果。
【关键词】：自整定PID控制 柴油机转速 神经网络
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：U664.121;TP273
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-16
• 1.1 课题的背景及研究意义10-11
• 1.2 柴油机调速系统的发展概况11-13
• 1.2.1 柴油机调速器的分类11-12
• 1.2.2 柴油机调速器发展现状12-13
• 1.3 神经网络控制的发展概况13-14
• 1.4 本课题的主要研究内容14-16
• 第2章 船舶柴油机数学模型的建立16-21
• 2.1 柴油机数学建模方法概况16
• 2.2 柴油机数学模型16-19
• 2.3 柴油机迟滞时间19-20
• 2.4 执行器模型20
• 2.5 本章小结20-21
• 第3章 数字PID控制器设计21-27
• 3.1 PID控制原理21
• 3.2 数字PID控制21-23
• 3.2.1 位置式PID控制算法21-22
• 3.2.2 增量式PID控制算法22-23
• 3.3 船舶柴油机转速传统PID控制仿真23-26
• 3.4 本章小结26-27
• 第4章 神经网络自整定PID控制器设计27-45
• 4.1 神经网络系统辨识和系统控制27-32
• 4.1.1 神经网络系统辨识的基本原理27-28
• 4.1.2 常用的神经网络控制结构28-32
• 4.2 BP神经网络及其学习算法32-35
• 4.2.1 BP神经网络结构32-33
• 4.2.2 BP学习算法33-35
• 4.3 RBF神经网络及其学习算法35-37
• 4.3.1 RBF神经网络结构35-36
• 4.3.2 RBF学习算法36-37
• 4.4 神经网络自整定PID控制器设计方案和相关参数的确定37-44
• 4.4.1 神经网络自整定PID控制器设计方案37-38
• 4.4.2 PID控制器部分38
• 4.4.3 BP网络结构和参数的确定38-41
• 4.4.4 RBF网络结构和参数的确定41-44
• 4.5 本章小结44-45
• 第5章 神经网络自整定PID控制在柴油机调速中的应用仿真45-54
• 5.1 仿真系统的构建45-46
• 5.2 仿真与分析46-53
• 5.2.1 阶跃响应仿真与分析46-47
• 5.2.2 负载突变响应仿真与分析47-49
• 5.2.3 设定转速突变响应仿真与分析49-50
• 5.2.4 模型改变后阶跃响应仿真与分析50-53
• 5.3 本章小结53-54
• 结论与展望54-56
• 参考文献56-60
• 致谢60

【参考文献】

中国期刊全文数据库 前10条

1 陆金铭;船舶推进装置的MATLAB仿真[J];船舶工程;2002年05期

2 高红;;BP神经网络学习率的优化方法[J];长春师范学院学报(自然科学版);2010年04期

3 陈传硕，田丽华;PID控制参数的整定方法[J];长春邮电学院学报;1994年01期

4 郭虎,刘永清,吴今培;MATLAB 语言在控制系统仿真中的应用[J];长沙电力学院学报(自然科学版);1998年02期

5 朱子义;德国海茵茨曼两种新系列E100／E200数字式电子调速器[J];柴油机;1994年04期

6 朴营国,张化光;基于 RBF 神经网络的一类非线性系统模糊自适应控制[J];东北大学学报;1998年03期

7 廖晓峰;李传东;;神经网络研究的发展趋势[J];国际学术动态;2006年05期

8 李彦强,朱从乔,黄次浩;柴油机数字式电子调速技术综述[J];海军工程大学学报;2000年04期

9 杨胜国,朱梅林,陈来坤,朱从乔;改善柴油机电子调速器控制性能的仿真研究[J];华中科技大学学报;2001年10期

10 郭海涛,张殿伦,马国芳,厚宇德;使用BP算法时应考虑的若干问题[J];佳木斯大学学报(自然科学版);2000年04期

中国硕士学位论文全文数据库 前5条

1 孙仁勇;船舶系统智能控制与仿真的研究[D];大连海事大学;2003年

2 张立昌;基于TMS320LF2407DSP的柴油主机转速智能PID控制系统[D];上海海事大学;2004年

3 鲁铁伟;船舶主机遥控的逻辑控制和转速的遗传算法PID控制[D];上海海事大学;2006年

4 罗子华;柴油机电子控制调速装置的研究[D];广西大学;2007年

5 王斌斌;船舶柴油机转速控制仿真研究[D];大连海事大学;2009年

  本文关键词：船舶柴油机转速神经网络自整定PID控制研究，由笔耕文化传播整理发布。

，

本文编号：396585