粒子群优化PID的舰船电动机控制系统

舰船电动机具有强耦合、大时滞等复杂变化特性,当前控制系统无法对舰船电动机进行高精度的控制,控制效果差,为了提高舰船电动机控制精度、加快舰船电动机控制速度,提出基于粒子群优化PID的舰船电动机控制系统。首先分析当前舰船电动机控制系统的国内外研究进展,阐述舰船电动机控制系统的工作原理,然后建立舰船电动机控制系统的数学模型,采用PID方法对其实时控制,根据控制误差,引入粒子群优化算法对PID控制器的比例、积分、微分进行调整,最后与其他舰船电动机控制系统进行对比测试,结果表明,本文系统的舰船电动机控制精度要优于对比舰船电动机控制系统,而且解决了对比系统的舰船电动机控制效果差缺陷,能够更好对舰船电动机进行控制。     

舰船直流电机转速自稳定控制系统

设计1套自主控制能力较强的舰船直流电机转速自稳定控制系统。采用PID控制量增量缩小化处理、引入电流截止负反馈、优化硬件电路设计等方法提高控制系统对电机转速控制的自稳定性和保证系统工作的安全性。该系统能够实现硬件软启动控制、电枢过流保护、抗电网电压波动等功能,试验证明该系统能够控制电机在既定的转速下平稳运行。     

舰船控制系统中复合误差控制算法

针对舰船中多因素交互的电力推进控制系统误差特性,选取电机系统为研究对象,通过对误差控制算法和控制模型的研究,设计一种基于滑模控制和模糊神经网络控制相结合的电机转速误差复合控制系统,克服了电机单一控制的不利,消除了系统中电流输出的抖动现象,保证了控制系统输出的稳定性和平稳性。     

基于神经网络的舰船电气设备智能优化控制

舰船电气设备智能控制常采用PID控制方式,由于PID控制方式不具备没有自适应能力,当发生较大干扰时,舰船电气设备智能控制效果差,在较长时间后达到平稳状态。为了提升舰船电气设备智能控制效果,提出了神经网络的舰船电气设备智能优化控制方法。首先分析舰船电气设备智能控制原理,确定影响舰船电气设备智能控制性能的PID关键参数,然后引入神经网络对关键参数进行实时整定,以适应舰船电气设备外界条件变化,最后采用Matlab 2018仿真软件实现舰船电气设备智能优化控制仿真实验。与PID舰船电气设备控制方法相比,本文方法的舰船电气设备智能控制性能得到了明显改善,在发生较大的干扰条件下,可以在有效时间达到平稳状态,震荡时间短,提高了舰船电气设备对环境变化的鲁棒性。     

船舶用柴油机转速智能控制系统设计与实现

传统船舶柴油机转速控制系统在运行过程中,存在控制延迟过长的问题,对此设计船舶柴油机转速智能控制系统。对传统船舶柴油机速度控制模型进行简化,设计PID控制器,利用遗传算法实现控制器参数的在线整定,对执行器的外围信号处理电路进行抗干扰滤波设计,提高系统各单元集成效果,实现对船舶柴油机转速智能控制。实验数据表明与传统控制系统相比,使用设计的智能控制系统,柴油机加速控制延迟降低27%,减速控制延迟降低32%,说明该控制系统能有效降低柴油机转速延迟。     

船舶柴油发电机转速的BP-PID并行控制

针对船舶柴油发电机转速控制问题,结合BP神经网络对非线性系统的高拟合性与经典PID控制的优良性能,形成船舶柴油发电机转速BP-PID并行控制系统。控制系统中BP神经网络控制器与PID控制器相结合,经过神经网络控制器的不断训练学习,控制器获取船舶柴油发电机转速系统的模型,并逐渐地由BP神经网络控制器占主要控制作用,从而达到对系统的实时控制。仿真结果证明了该方法的可行性。     

神经网络优化PID舰船发动机自动控制

使用传统舰船发动机控制方法控制时,因其控制参数均为固定设置,无法随发动机参数变化而变化,导致控制方法的响应与实际控制信号出现较大偏差,影响了控制方法的稳定性和灵活性。针对以上问题,研究神经网络优化PID的舰船发动机自动控制方法。构建发动机闭环增益的PID结构后,设计神经网络自动控制器。利用遗传算法对神经网络PID自动控制器参数进行整定,降低控制器响应控制信号时的超调量,完成对舰船发动机控制方法的设计。通过与传统模糊PID控制方法的对比实验,证明了研究的控制方法能够有效降低24.31%的超调量,并且相比传统方法研究的方法的正弦跟随特性更佳,即神经网络优化后的自动控制方法具有更好的稳定性和灵活性。     

数字信号处理器的舰船电机控制系统仿真

传统电机控制系统缺乏舰船双螺旋桨结构的控制针对性,参数发生变化时控制精度低,因此设计一种数字信号处理的电机控制系统,并通过仿真实验验证其可靠性。系统在硬件部分主要设计了硬件结构的框架示意图,对数字信号处理器中芯片的采集、输出、加密、解码等功能进行了设计;软件部分针对舰船的双螺旋桨结构适配电机进行了数学建模,在此基础上设计了电机控制流程,完成了数字信号处理器的舰船电机控制系统的设计。在系统仿真性能测试中,相同实验条件下分别使用设计系统和传统系统对电机进行转速和电压控制。仿真结果表明,针对双螺旋桨电机的控制来说,设计的系统控制的控制相对误差明显小于传统系统。     

基于双桨无人艇的转速协调控制策略研究

以双螺旋桨水面无人艇的推进控制系统为研究对象,以永磁同步电机作为推进电机,在取消常规舵的情况下,设计一种利用左右螺旋桨转速差来实现舵效的桨舵合一系统。设计转速协调控制器,通过模糊PID算法对常规PID进行补充,实现对直行情况下航向的稳定控制,最终验证了双桨推进的转速协调控制方案的可行性和有效性。     

基于神经网络的舰船电机轴承异常检测研究

针对当前舰船电机轴承异常检测正确率低、检测自动化程度低、检测过程十分耗时等难题,为了提高舰船电机轴承异常检测效果,设计了基于神经网络的舰船电机轴承异常检测方法。首先提取舰船电机轴承状态信号,采用小波包分析去除舰船电机轴承状态信号中的噪声,然后采用Hilbert变换提取电机轴承异常状态的特征,将特征作为神经网络的输入,电机轴承异常作为神经网络的输出,建立舰船电机轴承异常检测模型,最后进行舰船电机轴承异常检测的仿真实验,本文方法的舰船电机轴承异常检测正确率超过95%,能够很好检测到舰船电机轴承异常现象,而舰船电机轴承异常检测时间要少于当前其他舰船电机轴承异常检测方法,能够满足舰船电机轴承异常检测的实际要求。     

舰船汽轮主机转速的模糊自适应PID控制

舰船航行中汽轮主机工况变化频繁，且经常大幅度操纵改变转速给定值，常规PID转速控制效果不理想。本文引入模糊自适应PID算法，并在ABB AC800M DCS平台完成模糊PID控制器设计的基础上，在AMESim和MATLAB环境中实现液压伺服系统和汽轮主机本体的建模，搭建HIL系统，验证汽轮主机转速模糊自适应PID控制性能并与常规PID控制进行比较，结果表明模糊自适应PID有更好的鲁棒性，可显著减小汽轮主机转速调节的超调和震荡。     

基于单神经元PI的船用异步电机无速度传感器仿真

针对船用异步电机转速辨识不精确而导致的控制系统不稳定问题,使用基于模型参考自适应系统的无速度传感器技术取代传统的转速检测装置对转速信号进行估测。根据神经网络的自学习和自适应能力,设计了一种单神经元自适应PI调节器以实现控制参数的在线自整定,克服了传统PI控制器在非线性和时变系统中控制能力差的缺陷。结合异步电机矢量控制技术,使用基于转子磁链模型的转速辨识算法对电机转速进行估测,将单神经元PI控制器应用于转速估测系统,实现对电机转速的精确估计。仿真结果表明,相对于传统控制器,设计的单神经元自适应PI调节器响应速度快,参数自调节性能强,转速估测更为精确。     

基于参数辨识的推进电机模型参考自适应控制

针对模型参考自适应系统(MRAS)对电机参数依赖性强的问题,采用Adaline神经网络对电机参数进行在线参数辨识,并对MRAS中的模型参数进行修正;以船用永磁同步推进电机作为被控对象,使用Adaline神经网络对控制系统中的模型参数进行修正,结果表明,该方法可有效提高MRAS对电机转速和转子信息的估测精度,提高系统的动态和稳态性能。     

人工智能技术在舰船航向混合自动控制中的应用

现有航向控制主要使用PID控制器,其主要应用于线性控制问题,而航向控制具备一定的随机性,导致常规航向控制方法稳定性较差,威胁舰船航行安全性,引入人工智能技术提出舰船航向混合自动控制方法研究。设置假设条件构建舰船运动模型,以此为基础,对运动参量进行无因次化处理,避免量纲不同对模型产生不利影响,引入人工智能技术——神经网络算法与PID控制理论进行混合应用,制定神经网络PID控制程序,执行程序即可实现舰船航向的混合自动控制。实验数据显示:在常数大于2条件下,应用人工智能技术后获得的航向控制稳定性指标大于平均水平,说明人工智能技术应用性能较好。     

改进遗传算法在舰船电机智能调速系统的参数整定

舰船电机是保证舰船作战能力的重要组成部分,交流异步电机在舰船中使用最为广泛,传统的PID及模糊PID调速都严重依赖专家经验,容易出现电机调速时间过长和超调的问题。本文在传统遗传算法上进行改进,建立了模糊PID的基本结构,并在此基础上提出了改进遗传算法的模糊PID模型,使用Matlab对建立的模糊PID控制和改进遗传算法模糊PID控制进行仿真测试,结果表明改进遗传算法模糊PID控制能够缩短超调量和超调时间,收敛速度有所提升。     

船舶柴油发电机转速控制系统设计

电力推进船舶通常采用柴油发电机组作为电力来源,通过电力驱动系统的电机。为了提高电力推进船舶的能源利用率,实现电力推进船舶的经济效益,针对船舶柴油机组的负载特性等进行柴油发电机的转速控制。本文首先建立柴油发电机的数学模型,结合柴发调速系统和PID控制技术,设计针对船舶柴油发电机的转速控制系统,并结合Matlab-Simulink平台进行了转速控制系统的仿真验证。     

舰船电场传感器线路故障在线诊断方法

当前方法不能准确反映舰船电场传感器线路故障的变化特点,且存在诊断效率低等难题,从而无法准确实现舰船电场传感器线路故障在线诊断。为了改善舰船电场传感器线路故障在线诊断效果,提出基于数据挖掘的舰船电场传感器线路故障在线诊断方法。首先分析当前舰船电场传感器线路故障在线诊断的研究进展,描述了舰船电场传感器线路故障在线诊断原理。然后采集舰船电场传感器线路故障信号,从中提取舰船电场传感器线路故障在线诊断特征向量,采用数据挖掘技术建立舰船电场传感器线路故障在线诊断分类器。最后在Matlab 2019平台实现了舰船电场传感器线路故障在线诊断仿真测试。结果表明,本文方法的舰船电场传感器线路故障诊断成功率高,诊断速度快,能够实现舰船电场传感器线路在线诊断。     

CMAC与PID的复合控制在减摇鳍中的应用

提出了CMAC与PID复合控制的算法,并以此用于船舶非线性横摇减摇鳍中。以PID控制为反馈控制来保证控制系统的稳定性且抑制扰动,以CMAC为前馈补偿控制器实现系统的逆动态模型来确保系统的控制精度和响应速度。为了提高CMAC神经网络实时在线学习的快速性和准确性,采用了基于信度分配的CA-CMAC-AMS学习算法。其仿真结果与传统的数字PID控制相比较,表明了该复合控制提高了减摇鳍控制系统的减摇效果,并具有较强的抗干扰能力和鲁棒性。     

基于嵌入式的船舶电子控制系统设计

当前的船舶电子控制系统控制过程高度集中,如果其中某一部件损坏,很可能导致整个控制系统无法正常运行,提出一种基于嵌入式的船舶电子控制系统设计方法,按照的功能要求对舰船电子控制系统进行模块划分,并对系统的各个功能模块结构进行设计;为了改善当前方法设计的控制系统灵活性较差和工作效率较低的问题,对船舶电子控制系统的驱动、电源、视频、测距、控制中心等进行模块化功能设计;选取实时性较强的VxWorks嵌入式操作系统作为舰船电子控制系统的主控制系统,测试结果表明:设计的控制系统实现了驱动功能和控制功能的模块化,能够保障船舶相关工作的顺利进行。     

网络控制系统诱导时延的自适应补偿研究

在网络控制系统中,网络诱导时延是造成系统性能下降甚至不稳定的基本因素.为了有效地抑制网络时延对网络控制系统性能的影响,提出了一种基于BP神经网络补偿的自适应PID控制方法,在不改变已有PID控制器控制参数的情况下,实现了对网络时延的在线自适应补偿.仿真结果表明,与传统的PID控制器比较,该方法能有效补偿网络时延的影响.