本發(fā)明涉及一種應(yīng)用于船舶主汽輪機系統(tǒng)中的改進的船舶主汽輪機預(yù)測優(yōu)化控制方法。

背景技術(shù)：

船舶主汽輪機作為船舶的動力裝置，船舶主汽輪機的動態(tài)性能是決定船舶本身性能好壞的重要指標(biāo)。船舶主汽輪機的轉(zhuǎn)速控制作為一個典型的過程控制系統(tǒng)中，系統(tǒng)的輸出往往存在滯后現(xiàn)象，如當(dāng)船舶主汽輪機進氣閥發(fā)生變化時，船舶主汽輪機轉(zhuǎn)速的變化只能在一段時間之后觀測到。加之船舶在實際航行過程中，由于突發(fā)任務(wù)或者海況發(fā)生變化時，船舶必須具有很好的機動性能才能及時到達指定地點，完成作戰(zhàn)、偵查、設(shè)伏等任務(wù)，因此對汽輪機轉(zhuǎn)速控制具有極高的要求，但是由于汽輪機的大慣性特點，傳統(tǒng)的控制方法很難滿足控制需求，并且控制效果差，這是目前船舶主汽輪機轉(zhuǎn)速控制的主要問題，需要一種較有效的控制方法。傳統(tǒng)控制方法是采用PID控制算法雖然能夠起到一定的控制效果，但是隨著時代發(fā)展這一算法越來越難以滿足實際需求。船舶主汽輪機系統(tǒng)中的改進的新型預(yù)測優(yōu)化控制方法針對船舶汽輪機的特點而設(shè)計，可以提高控制器的控制效果。

中國博士論文全文庫，公開的“船舶汽輪機智能控制研究”等文獻中涉及的技術(shù)方案，主要側(cè)重采用神經(jīng)網(wǎng)絡(luò)、支持向量機對汽輪機模型進行辨識，然后結(jié)合預(yù)測控制方法設(shè)計控制器，缺點是模型復(fù)雜、計算量大，實際應(yīng)用困難。本發(fā)明著重采用新型滾動優(yōu)化預(yù)測控制算法解決汽輪機控制過程中出現(xiàn)的問題，針對性的研究。

技術(shù)實現(xiàn)要素：

本發(fā)明目的在于提供一種能夠減少傳統(tǒng)控制中的響應(yīng)時間長、大超調(diào)等缺點，并提高能量利用效率的船舶主汽輪機預(yù)測優(yōu)化控制方法。

本發(fā)明的目的是這樣實現(xiàn)的：

(1)建立船用船舶主汽輪機轉(zhuǎn)速滾動優(yōu)化預(yù)測控制所需要的系統(tǒng)模型：

z(k+1)＝Az(k)+BΔu(k)+CΔr(k+1)；

(2)對系統(tǒng)的控制步長N_y、輸出的預(yù)測步長N_u，0<N_u≤N_u,N_y和N_u都為正整數(shù)、離散化采樣周期T_s、輸出期望r(k)和相關(guān)給定和狀態(tài)值的初值進行設(shè)定；

(3)滾動優(yōu)化，構(gòu)造當(dāng)前系統(tǒng)控制算法的目標(biāo)函數(shù)：

s.t.Δu(k+j)＝0,j≥N_u

根據(jù)當(dāng)前相關(guān)數(shù)據(jù)計算后N_y步內(nèi)的狀態(tài)預(yù)測值及系統(tǒng)輸出值和當(dāng)前最優(yōu)輸出；

(4)將當(dāng)前輸出的實際測量值與給定值比較得到誤差e(k)，并將數(shù)據(jù)送給控制器；當(dāng)前最優(yōu)輸入當(dāng)前狀態(tài)值系統(tǒng)輸出值利用傳遞函數(shù)對狀態(tài)值和輸出值進行更新如果輸出給定值發(fā)生變化，Δr也要更新；

(5)重復(fù)步驟(3)、步驟(4)進行迭代運算，獲得系列狀態(tài)值。

所述步驟(1)中，構(gòu)建船舶主汽輪機滾動優(yōu)化預(yù)測控制具體方法：

根據(jù)船舶主汽輪機轉(zhuǎn)速狀態(tài)空間模型：

y＝C_cx

得到系統(tǒng)離散化模型：

x(k+1)＝A_dx(k)+B_du(k)

y(k)＝C_dx(k)

引入增量算子Δ＝1-z^-1對離散模型處理得到：

Δx(k+1)＝A_dΔx(k)+B_dΔu(k)

Δy(k)＝C_dΔx(k)

重新選取狀態(tài)矢量

z(k)＝[Δx^T(k) e(k)]^T，

構(gòu)建船舶主汽輪機預(yù)測優(yōu)化控制模型：

z(k+1)＝Az(k)+BΔu(k)+CΔr(k+1)

式中：

e(k)＝y(tǒng)(k)-r(k)，r(k)是主汽輪機轉(zhuǎn)速的參考值，稱為輸出期望，e(k)為誤差值。

所述步驟(2)中，需要設(shè)定的初值參量為：

控制步長N_y、輸出的預(yù)測步長N_u，0<N_u≤N_u,N_y和N_u都為正整數(shù)，離散化采樣周期T_s、輸出期望r(0)。

根據(jù)權(quán)利要求1所述的船舶主汽輪機滾動優(yōu)化預(yù)測控制方法，其特征在于，所述步驟(3)中設(shè)當(dāng)前時刻為k，滾動優(yōu)化所求的參量為：

從k+1時刻起的N_y步內(nèi)的狀態(tài)預(yù)測值

及從當(dāng)前時刻k起系統(tǒng)的最優(yōu)控制量

Z＝Fz(k)+ΦΔU+MΔR

U＝-(Φ^TQΦ+L)^-1Φ^TQ[Fz(k)+MΔR]

其中：

ΔR＝[Δr(k) Δr(k+1) … Δr(k+N_y-1) Δr(k+N_y)]^T。

所述的步驟(4)包括：將當(dāng)前輸出的實際測量值與給定值比較，得到的誤差e(k)進入控制器，

當(dāng)前最優(yōu)輸入當(dāng)前狀態(tài)值系統(tǒng)輸出值利用傳遞函數(shù)對狀態(tài)值和輸出值進行更新：

最優(yōu)輸入：

系統(tǒng)狀態(tài)值：

系統(tǒng)輸出值：

Δy(k+1)＝C_dΔx(k+1)

如果輸出給定值發(fā)生變化，ΔR也要更新。

本發(fā)明具有的有益效果在于：

與傳統(tǒng)船舶主汽輪機控制方法相比，本發(fā)明改進了預(yù)測控制算法的目標(biāo)函數(shù)，再通過目標(biāo)函數(shù)滾動優(yōu)化過程中：實現(xiàn)了系統(tǒng)響應(yīng)的快速性，可以使輸出盡快達到給定值上；目標(biāo)函數(shù)在保證輸出在給定值上的同時，減少超調(diào)量，也盡最大可能的消除輸出在給定值附近出現(xiàn)小幅抖震的可能；還有一點與傳統(tǒng)控制算法相比，目標(biāo)函數(shù)限制了輸入值突變跳躍的可能，節(jié)省系統(tǒng)消耗；目標(biāo)函數(shù)是可調(diào)的，滿足不同工況下系統(tǒng)性能的要求；目標(biāo)函數(shù)的參數(shù)選取采用遺傳算法，做到了控制過程滾動優(yōu)化。整個控制技術(shù)結(jié)構(gòu)簡單明確，沒有涉及到大量計算，并且控制算法簡單。本發(fā)明在保證提供精確有效的系統(tǒng)信息前提下，具有很好的控制效果。

附圖說明

圖1為本發(fā)明流程框圖；

圖2為基于船舶主汽輪機轉(zhuǎn)速滾動優(yōu)化預(yù)測控制技術(shù)示意圖；

圖3為船舶主汽輪機系統(tǒng)作用示意圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明做進一步描述。

一種船舶主汽輪機滾動優(yōu)化預(yù)測控制技術(shù)，包括：

步驟1：建立船用船舶主汽輪機轉(zhuǎn)速滾動優(yōu)化預(yù)測控制所需要的系統(tǒng)模型z(k+1)＝Az(k)+BΔu(k)+CΔr(k+1)；

步驟2：假設(shè)當(dāng)前時刻為k，對系統(tǒng)的控制步長N_y、輸出的預(yù)測步長N_u(0<N_u≤N_u,N_y和N_u都為正整數(shù))、離散化采樣周期T_s、輸出期望r(k)和相關(guān)給定和狀態(tài)值的初值進行設(shè)定；

步驟3：滾動優(yōu)化，構(gòu)造當(dāng)前系統(tǒng)控制算法的目標(biāo)函數(shù)J；

其中的加權(quán)值Q_j,L_j是通過遺傳算法尋優(yōu)得到的；

從后面輸入值的表達式就可以看出來，Q_j,L_j取值的大小一定程度上決定了輸入值的大小。因此以往經(jīng)驗取值是取0或1，這樣取值是為了減少計算量；但是這樣就會使系統(tǒng)控制效果無法達到最優(yōu)。為了能夠得到最優(yōu)的控制效果，必須對Q_j,L_j值尋優(yōu)，尋優(yōu)過程采用遺傳算法控制，具體如下：

a)確定Q_j,L_j每個參數(shù)的大致范圍和編碼；

b)隨機產(chǎn)生n個個體構(gòu)成的初始種群P(0)；

c)將種群中各個體解碼成對應(yīng)參數(shù)值，用此參數(shù)求代價函數(shù)值J及適應(yīng)函數(shù)值f，取

d)應(yīng)用復(fù)制、交叉和變異算子對種群P(t)進行操作，產(chǎn)生下一代種群P(t+1)；

e)重復(fù)步驟c)和d)，直至參數(shù)Q_j,L_j收斂達到預(yù)定指標(biāo)。

為了便于計算，目標(biāo)函數(shù)變換為：

J＝Z^TQZ+ΔU^TLΔU

假設(shè)當(dāng)前時刻為k，根據(jù)當(dāng)前時刻相關(guān)數(shù)據(jù)計算從第k+1時刻起的N_y步內(nèi)的狀態(tài)預(yù)測值Z及系統(tǒng)最優(yōu)控制輸出U，具體方法如下：

Z＝Fz(k)+ΦΔU+MΔR

U＝-(Φ^TQΦ+L)^-1Φ^TQ[Fz(k)+MΔR]

步驟4：將當(dāng)前輸出的實際測量值與給定值比較，得到的誤差e(k)進入控制器。當(dāng)前最優(yōu)輸入當(dāng)前狀態(tài)值系統(tǒng)輸出值利用傳遞函數(shù)對狀態(tài)值和輸出值進行更新如果輸出給定值發(fā)生變化，ΔR也要更新

具體如下：最優(yōu)輸入：

系統(tǒng)狀態(tài)值：

系統(tǒng)輸出值：

Δy(k+1)＝-FΔy(k)+HΔu(k-S)

步驟5：重復(fù)步驟3、步驟4進行迭代運算，獲得一系列狀態(tài)值。

步驟1：建立船舶主汽輪機轉(zhuǎn)速滾動優(yōu)化預(yù)測控制技術(shù)模型z(k+1)＝Az(k)+BΔu(k)+CΔr(k+1)；

具體方法如下：

以船舶主汽輪機轉(zhuǎn)速滾動優(yōu)化預(yù)測控制技術(shù)為例，主汽輪機轉(zhuǎn)速控制器在船舶蒸汽動力系統(tǒng)中的作用示意如圖2所示。

船舶主汽輪機預(yù)測優(yōu)化控制器的控制任務(wù)是控制船舶主汽輪機轉(zhuǎn)速保持在給定值上。被控對象是主汽輪機轉(zhuǎn)速值y(t)(rad/s)，輸入是飽和蒸汽流量u(t)(kg/s)，主汽輪機轉(zhuǎn)速給定值為r(t)(rad/s)。

船舶主汽輪機轉(zhuǎn)速狀態(tài)空間模型：一般表示為：

船舶主汽輪機轉(zhuǎn)速離散狀態(tài)空間模型：

引入增量算子Δ＝1-z^-1對船舶主汽輪機轉(zhuǎn)速離散狀態(tài)空間模型處理得到：

Δx(k+1)＝A_dΔx(k)+B_dΔu(k)

Δy(k)＝C_dΔx(k)

重新選取狀態(tài)矢量z(k)＝[Δx^T(k)e(k)]^T，構(gòu)建船舶主汽輪機預(yù)測優(yōu)化控制模型:z(k+1)＝Az(k)+BΔu(k)+CΔr(k+1)

式中：e(k)＝y(tǒng)(k)-r(k)，r(k)是主汽輪機轉(zhuǎn)速的參考值，文中稱為輸出期望，e(k)又被稱為誤差值。

步驟2：假設(shè)當(dāng)前時刻為k，對系統(tǒng)的控制步長N_y、輸出的預(yù)測步長N_u(0<N_u≤N_u,N_y和N_u都為正整數(shù))、離散化采樣周期T_s、輸出期望r(k)和相關(guān)給定和狀態(tài)值的初值進行設(shè)定；

將狀態(tài)Z(0)初值的統(tǒng)計特性為：

步驟3：滾動優(yōu)化，構(gòu)造當(dāng)前系統(tǒng)控制算法的目標(biāo)函數(shù)，具體如下：

s.t.Δu(k+j)＝0,j≥N_u

采用遺傳算法對Q_j,L_j進行尋優(yōu),具體如下:

設(shè)定目標(biāo)函數(shù),

a)確定Q_j,L_j每個參數(shù)的大致范圍和編碼；

b)隨機產(chǎn)生n個個體構(gòu)成的初始種群P(0)；

c)將種群中各個體解碼成對應(yīng)參數(shù)值，用此參數(shù)求代價函數(shù)值J及適應(yīng)函數(shù)值f，取

d)應(yīng)用復(fù)制、交叉和變異算子對種群P(t)進行操作，產(chǎn)生下一代種群P(t+1)；

e)重復(fù)步驟c)和d)，直至參數(shù)Q_j,L_j收斂達到預(yù)定指標(biāo)。

假設(shè)當(dāng)前時刻為k，根據(jù)當(dāng)前時刻相關(guān)數(shù)據(jù)計算從第k+1時刻起的N_y步內(nèi)的狀態(tài)預(yù)測值Z及系統(tǒng)最優(yōu)控制輸出U，具體方法如下：

Z＝Fz(k)+ΦΔU+MΔR

U＝-(Φ^TQΦ+L)^-1Φ^TQ[Fz(k)+MΔR]

u(k)＝[1 0 … 0 0]U

將當(dāng)前輸出的實際測量值與給定值r(k)比較，得到的誤差e(k)進入控制器。當(dāng)前最優(yōu)輸入當(dāng)前狀態(tài)值Z(k)、系統(tǒng)輸出值利用傳遞函數(shù)對狀態(tài)值和輸出值進行更新如果輸出給定值發(fā)生變化，ΔR也要更新，具體如下：

最優(yōu)輸入：

系統(tǒng)狀態(tài)值：

Z(k)＝Z(k+1)

系統(tǒng)輸出值：

步驟5：重復(fù)步驟3、步驟4進行迭代運算，獲得一系列狀態(tài)值。