神经网络在船舶柴油发电机转速控制应用.pdf

《神经网络在船舶柴油发电机转速控制应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第50卷(篙总雾第184期)(EXPLOSION-PROOFELECTRICMACHINE)爆，I哥晓1艺扎神经网络在船舶柴油发电机转速控制应用陈正昂，施振华(青岛远洋船员职业学院机电系，山东青岛266071)摘要通过在船舶柴油发电机转速控制中的应用，将整理后的数据训练神经网络，建立了Elman神经网络，代替传统的PID控制算法，使训练好的Elman具有自适应功能，在船舶电力系统中代替PID控制器，实现了转速的自适应控制功能，并对Elman神经网络模型进行仿真测试。仿真结果表明该方法控制精度高，动、静态特性好，运用基于Elman神

2、经网络的串行控制方法解决了船舶柴油发电机组系统的非线性控制问题。关键词船舶发电机；转速控制；神经网络DOI：10．3969／J．ISSN．1008-7281．2015．03．05中图分类号：TM301．2文献标识码：A文章编号：1008—7281(2015)03-0016-004ApplicationofNeuralNetworktoSpeedControlofMarineDieselGeneratorChenZhengangandShiZhenhua(epartmentofMarineEngineering，QingdaoOce

3、anShippingMarinersCollege，Qingdao266071，China)AbstractTheElmanneuralnetworkhasbeensetupbyapplyingofittomarinedieselgeneratorspeedcontrolandtrainingtheneuralnetworkwiththereduceddata．IthasreplacedthetraditionalPIDcontrolalgorithm，andtheElmanafterbeingtrainedhasbeenprov

4、idedwithself—adaptionfunction．ItcanreplacethePIDcontrollerinmarineelectricsystemtorealizeself-adaptioncontrolfunctionoftherotationspeed．ThesimulationtestforElmanneuralnetworkmodelhasbeencarriedout．Thesimulationresultshowsthatthismethodhashighaccuracy，gooddynamicandsta

5、ticcharacteristics．BasedonserialcontrolmethodoftheElmanneuralnet—work，non．1inearcontrolproblemofthemariBedieselgeneratorsystemissolved．KeywordsMarinegenerator；rotationspeedcontrol；neuralnetwork含层和一个线性输出层，s型隐含层接收网络输O引言入和自身的反馈，线性输出层从s型隐含层得到船舶电力系统中，同步发电机由柴油机驱动输入。由于Elman网

6、络是s型／线性(sigmoid／lin—发出电功率，船舶柴油发电机的控制由转速控制ear)网络，它能够表达包含有限个不连续点的函和励磁控制两部分组成。柴油发电机组控制系统数。又因为它们有一个反馈连接，所以它被训练的特性直接影响船舶电力系统的供电质量，其转后不仅能够识别和产生空间模式，还能够识别和速控制直接影响发电机的有功功率输出和船舶电产生时间模式，对于多输入多输出网络，设上下文力网频率的稳定性。船舶柴油发电机转速控制系层的输出为Y。(k)，隐合层的输入和输出分别为统输出是实际转速，控制器常用的是PID控制器，‰(k)，网络在外部

7、输入时间序列(A)作用下的通过调节柴油机的供油量起到调节柴油机组转速网络输出序列为Y(A)，则有定速控制作用』。0(k+1)=W1Y(k+1)+WX(k)+0l(1)Y(后)=o(k一1)=厂[(。(k一1)](2)1Elman网络结构Y(k)=W20(k)+0，(3)Elman神经网络包含一个双曲正切s型隐式中，一输入层与隐含层间的连接权值；一16玢爆'龟机(EXPLosIoN_PROOFELEcTRIcMAcHINE)第5篇纂)隐含层与输出层间的连接权值厂(·)一s型激活出是实际转速，通过调节柴油机的供油量起到调函数。当Elm

8、an神经网络的上下文层存在增益节柴油机组转速定速控制作用。为a的自反馈连接时，称为改进型Elman神经网络。此时，网络能模拟更高阶的动态系统，基于上下文层的输出Y()仍变为Y(k)=O(k—1)+0cy(k一1)(4)Elman神经网络拓扑结构：E