欢迎来到天天文库
浏览记录
ID:20374890
大小:851.00 KB
页数:13页
时间:2018-10-12
《柴油机转速控制》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、基于BP神经网络的PID控制在柴油机调速系统中的应用1柴油机转速控制系统模型柴油机转速控制系统如图1所示。首先对柴油机模型进行简化,同时考虑延迟并作线性化处理后,可将柴油机近似为一个一阶惯性延迟环节。电子调速系统中的执行器采用环形电枢直流伺服电机,可认为是一个标准的二阶环节。再加上PID控制器,构成了完整的柴油机调速系统模型[3]。图1柴油机转速控制系统框图2数学模型建立2.1柴油机转速数学模型根据达朗倍尔原理,柴油机组(包括负载)的运动方程为或(1)式中———柴油机发出的转矩,Nm;———阻力矩,Nm;———柴油机及负载变化到曲轴处的转动惯量,kg·m2;———曲轴角
2、速度,1/s。将相关参数代入式(1)并进行线性化,再经简化处理即可推出柴油机转速对应于喷油泵齿杆位移的传递函数,它是一个一阶惯性环节。考虑到内燃机的工作特点,即从喷油泵齿杆位置改变到内燃机发出相应的转矩有一时间滞后过程,这一过程形成一个纯滞后环节。所以可将柴油机近似为一个惯性环节串联一个纯滞后环节,则可得其传递函数为(2)根据已有数据,上式可简化为(3)2.2执行器数学模型执行器采用环形电枢直流伺服电机,可认为是一个标准的二阶环节,其方框图如图2所示。图2执行环节的方框图整个执行环节的传递函数为(4)式中———给定齿条位移ηg(t)的拉氏变换;———齿条位移η(t)的拉
3、氏变换;———执行机构的无阻尼自然振荡角频率;———执行机构的阻尼因子。代入相关参数,上式可简化为(5)3基于PID控制的柴油机调速系统仿真3.1PID控制器的原理与算法常见PID控制器的控制规律形式为:(6)相应的传递函数为:(7)其中,为比例系数,为积分时间常数,为微分时间常数。根据控制系统的理论知识,可知PID控制器中各环节的作用为:1)比例环节:成比例地减小偏差,迅速克服干扰,但却是有差调节,越大,余差越小,但系统的稳定性会变差。2)积分环节:主要用于消除余差,提高系统的无差度。积分时间常数越小,积分作用越强,克服余差的能力越高,但系统的稳定性也会越差,甚至成为
4、不稳定的发散振荡。3)微分环节:反映偏差的变化趋势,改善系统的动态特性,如减小超调量、缩短调节时间等。但合适的微分时间常数比较难选,偏大或偏小都会影响系统性能。从3个环节的作用可以看出,3个参数、、的值直接决定了一个控制系统的好坏。因此,控制最主要的问题是参数的调节问题。一般来说,比例主要用于偏差的“粗调”,保证系统的“稳”,积分和微分则主要用于偏差的“细调”,分别保证系统的“准”和“快”。3.2PID参数整定由以上分析即可在Matlab-Simulink中对上述柴油机转速控制系统进行仿真。在Matlab-Simulink下,基于PID的柴油机转速控制系统如图3所示。图
5、3基于PID的柴油机转速控制系统首先,通过试凑法确定内部只用比例环节调整的执行器系统,如图4所示。图4执行器内部系统当参数设为1时,系统仿真曲线如图5(a),当参数设置为15时,系统仿真曲线如图5(b)当参数设置为10时,可以得出效果较好,如图5(c)。(a)(b)(c)图5内部系统仿真曲线由于柴油机系统时一个稳定系统,只需要调整之前的系统,临界比例度法是PID参数整定中常用的一种闭环整定方法[4]。具体的整定步骤为:1)将积分时间常数置于最大(=3),微分时间常数置零(=0),比例系数置适当的值,平衡操作一段时间,使系统投入闭环运行。2)等系统运行稳定后,逐渐增大比例
6、系数,直到系统出现等幅振荡(即临界稳定),记录此时的临界振荡增益和临界振荡周期。3)根据和的值,按照经验公式和控制器类型整定相应的PID参数,然后再进行仿真校验。整定过程中,按照“先P后I最后D”的操作程序逐步将控制器整定参数调整到计算值上。若还不够满意,可进一步调整,直到得到较好的结果为止。设置初始参数为=1,=0,=0(即纯比例控制),转速为1500,启动仿真,得到系统的阶跃响应曲线,如图6(a)所示。由图6(a)可知,系统虽然能够稳定运行,但却是有静差的,而且快速性也较差,因此需要引入积分和微分环节。根据临界比例度法的整定法则,需要逐步增大,当=3.5时,如图6(
7、b)所示,系统输出曲线的等幅振荡。根据公式调整,当=1.8时,静差减小,如图6(c)。继续调整,当=1.2时,减小超调量,系统趋于稳定,如图6(d)。(a)(b)(c)(d)图6PID参数整定系统曲线输出4基于BP神经网络整定的PID控制器设计 神经网络系统亦称为人工神经网络﹐就是将人工神经元按某种方式联结组成的网络﹐用于模拟人脑神经元活动的过程﹐实现对信息的加工﹑处理﹑存储等[5]。基于BP神经网络的PID控制通过训练神经网络的权系数间接地调整PID参数[6]。图7BP网络结构网络输入层的输入为(8)式中,输入变量的个数M取决于被控系
此文档下载收益归作者所有