四川中车玉柴股份有限公司 吴婷婷
摘要：在双燃料发动机调速控制系统应用中，工况复杂多变，常常会出现非线性的、时变的和常用系统无法有效控制的情况，如何实现控制发动机的供油（气）量的比例来实现发动机的调速控制和功率控制是有一定难度的。本文引入一种人工神经网络分析方法，对有效实时控制发动机转速是很必要的。
关键词：双燃料发动机 调速系统 人工神经网
1. 调速控制方案的设计
本文的控制方案用来解决LNG和柴油两种燃料共存时的调速问题。此类型的双燃料发动机需要控制器、执行器、气体电控阀、电磁阀，还需要可编程控制器、转速传感器、油门位置开度传感器、排气温度传感器以及发动机上的各类温度和压力变送器。
图1 双燃料发电机组调速系统原理图
2调速系统的神经网络建模
2.1人工神经网络的数学模型
人工神经网络是一种结构复杂的网络单元，主要是通过收集大量的有效信息实现。这是效仿生物学里的神经构造，对众多信息进行集中处理的数学模式。神经网络是从一个向量输入到理想的向量输出的过程，是输入和输出之间的数学关系表达式。
(1)
式中，Ne为激励输出，xi为输入，wij表示神经元指数，θi为阈值。其中，阈值是指在建模过程中，受到计算外的因素影响而产生的额外的输入信号。
2.2调速控制方案的反馈神经网络模型
该项目的调速控制方案的反馈神经网络模型，为一种变化的神经网络模型，通过一段时间达到稳定状态后继续工作。将稳定状态的转速输出反馈给控制器，控制器对执行器发出转速信号，由执行器对油门位置做相应的处理。
在调速系统中，转速传感器根据设定的转速与实际转速的输出的差值去驱动执行器，其输出符合PID控制器的规律。
执行器为小惯性系统，可简化为一阶惯性系统，传递函数为
（2）
调速反馈单元为转速传感器，输出电压信号，所以，调速反馈环节的传递函数一个常数，设定为K。下图为调速系统传递函数关系图：
图 2
本文模拟双燃料船舶发电机组中燃气调速控制和燃油调速控制的数学模型。首先，调速系统将输入转速设定值n0和测定值n，实际油门位置信号B作为输出；以实际转速n和实际油门位置，即燃料消耗量B作为输入，发动机的燃气替代率Q作为输出。下面，根据输入输出进行建模，具体数学表达式如下：
（3）
（4）
结合图2，神经元的输入信号为
（5）
将神经元的输出函数取线性截断函数，根据转速和油门位置的关系式，可得：
（6）
接下来，通过发动机100小时试验，在不同的设定转速n0和实际转速n下，测得了对应的油门位置Y、燃气替代率Q和输出功率P。下面是随时间变化在不同的设定转速和实际转速下，运用模拟软件测得的油门位置、替代率和输出功率的数据表格如图所示：
观察上述两种情况下的PID调节与神经网络模型的仿真响应曲线，可以看出两种系统的仿真均能趋于设定值，并保持稳定，但是传统的PID控制下的超调量明显比神经网络模型下的大很多，而且更加趋近稳定所需的时间更短，说明神经网络模型的跟踪控制性能要优于同等条件下的传统PID控制。
仿真过程时间为3秒，应用单神经元PID控制器的矢量控制系统的速度响应图和速度误差曲线图。
图5 给定转速500r/s时速度、速度误差、电流响应曲线图
运行具体工况为：当刚启动时，输入设定的转速500转/分，转速从0上升到500转/分；速度的误差在三秒内从500迅速降至0；启动电流变大，为300A，当转速逐步达到设定值时，电流为脉冲变化。
本文由于涉及到两台发电机组并网的情况，稳态调速率是衡量其准确性的指标之一。稳态调速率是指在发动机在标定的转速工况下运行，遇到突然卸载后调速器的性能指标。其数学表达式为：
（4-7）
上述公式中，nmax为最大的空载转速，n是额定转速。
由上式可以看出稳态调速率是测调速器准确度的有效指标。当稳态调速率为0时，调速器在恒转速的工况下运行，也是最理想的情况，说明调速器的准确性很高。
5 小结
在MATLAB中建立了调速系统在不同工况下的仿真，不仅与传统的PID调节进行了对比，还模拟出了双燃料模式开启时的控制响应曲线，得出了理想状态下的转速设定值与实际值的关系。
①共性
1.随着设定转速的不断增大，实际转速变大，同时输出功率开始相应增大。当开启双燃料模式时，由于燃气的进入会使实际转速会迅猛增大，大于设定值，然后两者逐渐趋于恒定。此时，随着燃气油门位置的变大，替代率变大，达到理想效果。
2.试验获得的数据结果和基本理论在趋势上是一致的；
3.油门位置与替代率的变化具有一定的规律性。
②差异
在实际试验过程中，当双燃料模式开启时，转速具有不确定性。而仿真分析此类现象不明显，说明仿真分析还存有改进的空间。
论文作者:吴婷婷
论文发表刊物:《科技新时代》2019年2期
论文发表时间:2019/4/11
标签：转速论文; 神经网络论文; 油门论文; 调速器论文; 发动机论文; 系统论文; 设定值论文; 《科技新时代》2019年2期论文;