基于神经网络自适应pid的发动机转速控制对策分析

基于神经网络自适应pid的发动机转速控制对策分析

ID:20879871

大小:52.05 KB

页数:10页

时间:2018-10-17

基于神经网络自适应pid的发动机转速控制对策分析_第1页
基于神经网络自适应pid的发动机转速控制对策分析_第2页
基于神经网络自适应pid的发动机转速控制对策分析_第3页
基于神经网络自适应pid的发动机转速控制对策分析_第4页
基于神经网络自适应pid的发动机转速控制对策分析_第5页
资源描述:

《基于神经网络自适应pid的发动机转速控制对策分析》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、于神经网络自适应PID的发动机转速控制对策分析摘要为确保发动机转速控制准确率得以有效提升,对系统中非线性及复杂问题进行良好控制,笔者从发动机模型的构建、转速神经控制结构及神经网络形式三方面进行阐释,在PID控制和神经网络有效结合的基础上,实现了对发动机转速有效控制的目标。【关键词】发动机神经网络自适应PID转速控制对策发动机作是一个典型的非线性系统,并且具有明显的时滞、时变特征,这些复杂问题都为对其有效控制提出了难题,因此,将智能控制融入其中是解决这些问题的必然选择。在这个过程中,转速控制一直是研究的关键,尤其是针对发动机的怠速控制

2、,作为评价发动机的一项十分重要的性能指标,更是得到愈来愈多的重视。对于发电用发动机,转速控制尤为重要,转速控制的稳定性对发电机组的供电稳定将产生直接影响。但是,由于发动机的性能受诸多参数的影响,比如通常会忽略的进气歧管截面积温度的高低变化、发动机部件出现磨损问题等等,导致发动机模型构建并不精确,而且相对可靠性也较差。为此,笔者在发动机转速神经网络控制的基础上,对其结构和形式予以阐释,同时将神经网络和自适应PID控制两者有效结合,基本实现了对发动机转速的良好控制,确保了发动机的最优工作状态。1发动机控制现状及问题要有效提高发动机性能,

3、其控制系统的性能提升和调整是重中之重,因此,在开发发动机控制系统性能时,要综合考虑,以提高系统稳定性为前提,以实现其使用、维护、调整更为灵活和便捷为目的,鉴于此,采用基于模型的PID控制对发动机转速进行智能控制是目前研究的重点。但一般的发动机数学模型都很难精确,此种情况下为确保系统的性能稳定,就必须寻求一种拥有自适应能力的控制算法。随着科技的快速发展,神经网络自适应控制逐斯为大家认识并愈发受到青睐,其鲜明的可随着系统自身和外界环境接触改善自身参数和性能,进而改变控制效果的特点,显示了其较强的适应能力,成为实际工作中的主要选择。为此,

4、要有效挖掘并发挥出发动机的性能潜力,对其神经网络自适应控制的深入研究有着十分重要的现实意义。PID控制器的结构相对简单,对大多数的工业对象都可进行有效控制。然而,其局限性也在所难免,就传统的PID控制器而言,尤其是当被控对象含有非线性和时变特点时,其通常很难获得良好的控制效果。对此,通常的处理手段,即在整个工况内设计出若干个PID控制器,通过融合插值或拟合方法使其实现对全工况的控制。如此,在整个工况内各设计点处,PID参数即可得到较为理想的结果。这是因为,发动机的非线性特点十分明显,如此,本应理想的PID参数势必会因此受到一定的影响

5、,进而产生较强的非线性特征,而插值或拟合等简单方法或技术会使这种影响降至最低。也正是因此,采用自校正技术及相应的专家系统实现对PID控制器的有效控制便成为了业界主要关注的问题。但是,遗憾的是,自校正PID算法一般均使用线性模型,这显然与被控对象大都为非线性的发动机而言不合适。而专家系统却存在无法弥补的弊端,因为其不但时间较长,而且其性能好坏,及是否能达到良好的控制效果关键在于设计者的操作技巧、设计经验及知识积累,如此多的条件限制,可推广性十分有限。当然,PID控制的优点尚待深入挖掘,为此,相关人士亦正在不断努力探索,以达到PID控制

6、器的最优设计及参数设定。伴随计算机技术和神经网络技术的快速发展,人工智能技术也取得了一个个成功,那么,能否将人工神经网络与复杂的对象控制结合起来,使二者的优点充分发挥出来,便受到了越来越多人的关注。从神经网络的优势上看,其针对任意非线性函数,均可形成对应的精度十分接近的模型,不仅如此,它还可为繁杂的非线性系统提炼出一种可以通用的辨识方法,使其对非线性控制更为有效、便捷。此外,神经网络的并行分布式处理方式,有效实现了对运行的实时控制,一旦出现问题,即可快速处理,而其在线自适应及自学习能力,亦可良好地融入到非线性自适应控制之中。由此可见

7、,两者若可结合,不但会使人工智能技术得以深入发展,对于上述发动机转速HD控制问题亦可得到有效解决。为此,本文参照丹麦技术大学ElbertHendricks教授提出的高精度发动机模型,将BP神经网络与传统的PID控制相结合,分别分析并推出了发动机进气系统动力学子模型、发动机曲轴系统动力学子模型及发动机油膜子模型,结合HD算法,得出较为满意的仿真结果。并在此基础上,对问题集中的动机转速神经网络控制问题,进行了发动机转速的NC设计,构建了发动机转速NC中的神经网络,根据仿真结果的计算,基于神经网络的自适应PID控制可有效抑制转速超调,降低

8、转速调整时发生的波动。2发动机模型及HD算法2.1发动机模型相关报道及实践证实,由丹麦技术大学ElbertHendricks教授提出的发动机模型精度较高,为此,本文以ElbertHendricks发动机模型为参考,构建发动机的进气系统

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。