船舶柴油发电机转速神经网络容错控制

船舶柴油发电机转速神经网络容错控制

ID:34542602

大小:289.25 KB

页数:5页

时间:2019-03-07

船舶柴油发电机转速神经网络容错控制_第1页
船舶柴油发电机转速神经网络容错控制_第2页
船舶柴油发电机转速神经网络容错控制_第3页
船舶柴油发电机转速神经网络容错控制_第4页
船舶柴油发电机转速神经网络容错控制_第5页
资源描述:

《船舶柴油发电机转速神经网络容错控制》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、Vo1.29No.62009.6船电技术2009年第6期船舶柴油发电机转速神经网络容错控制施振华(上海海事大学物流工程学院,上海200135)摘要:结合人工神经网络与智能容错控制,形成船舶柴油发电机转速神经网络容错控制。对由故障诊断后获取的特征值进行归一化处理,把经过处理的特征值作为神经网络的输入样本集,设计输出样本集,建立BP神经网络和ELMAN神经网络,用整理后的数据训练神经网络,使神经网络具有容错控制功能,并对神经网络模型进行仿真测试。仿真试验显示可以实现对船舶电力系统容错控制,保证船舶的安全运行。

2、关键词:船舶电站发电机转速控制神经网络容错控制中图分类号:TP273文献标识码:A文章编号:1003.4862(2009)06.041.05RotationfaultTolerantControlofShip’SDieselEngineGeneratorBasedonArtificialNeuralNetworkShiZhenhua(LogisticsEngineeringCollege,ShanghaiMaritimeUniversity,Shanghai200135,China)Abstract:Co

3、mbinedwiththeartificialneuralnetworkwithintelligentfaulttolerantcontrol,rotationspeedcontrolofmarinedieselenginegeneratorisformed.Normalizingthecharacteristicvalueafterfaultdiagnosis.itisasinputsamplesetsofthenervenetworks,theoutputsamplesetsaredesigned,t

4、heBPnervenetworksandELMANnervenetworksarebuilt.Trainingthenervewiththedata,itmakesthenervetohavefaulttolerantcontrolfunction.Simulationismade,theresul~showthatfault—tolerantcontrolcanberealizedformarinepowersystem,andsafeoperationcanbeensured.KeyWords:shi

5、ppowerstation,"generator,"rotationcontrol,"artificialnervenetwork;faulttolerantcontrol1引言语音处理问题而提出来,它是一种典型局部递归网络。由于Elman神经网络在处理贯序数据输入船舶电力系统中,同步发电机由柴油机驱动输出具有优越性,得到了广泛的应用。发出电功率,船舶柴油发电机的控制由转速控制和励磁控制两部分组成。柴油发电机组控制系统的特性直接影响船舶电力系统的供电质量,其转速控制直接影响发电机的有功功率输出和船舶电力网

6、频率的稳定性。船舶柴油发电机转速控制系图1柴油发电机组转速控制系统结构方框图统如图1所示,输出是实际转速。控制器常用的是PID控制器,通过调节柴油机的供油量起到调2ELMAN网络结构节柴油机组转速定速控制作用。ELMAN神经网络包含一个双曲正切s型隐Elman神经网络是Elman于1990年首先针对收稿日期:2008.07—17作者简介:施振华(1984-),男,硕士研究生,研究方向:控制理论与控制工程(电力系统仿真)。41船电技术2009年第6期Vo1.29No.62009.6含层和一个线性输出层,S型

7、隐含层接收网络输性组合。·)为中间层神经元的传递函数,常采用入和自身的反馈,线性输出层从s型隐含层得到S函数。输入。由于Elman网络是S型/线性(sigmoicYlinear)网络,它能够表达含有有限个不连续点的函数。又因为它们有一个反馈连接,所以它被训练后不仅能够识别和产生空间模式,还能够识别和产生时间模式,对于多输入多输出网络,设上下文层的输出为(),隐合层的输入和输出分别为X。(,网络在外部输入时间序列x(A)作用下的网络输出序列为y(A),则有[】输入单元隐层单元输出单元xo(k+1)=Yc(k

8、+1)+wx(k)+(1)(七)=o(k一1)=f(xo(k一1))(2)图2ELMAN网络的拓扑结构()=D()+(3)Elman网络也采用BP算法进行权值修正,式中,为输入层与隐含层问的连接权值;学习指标函数采用误差平方和函数:为隐含层与输出层间的连接权值;-)为S型激.(w)=∑n[(w)一(w)](8)活函数。k=l当Elman神经网络的上下文层存在增益为a其中(为目标输出向量。的自反馈连接时,称为改进型Elman神经

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。