2. 浙江广厦建设职业技术大学,浙江 东阳 322100
2. Zhejiang Guangsha Vocational and Technical University of Construction, Dongyang 322100, China
目前,在船舶的输电设备中,发电设备普遍使用柴油发动机。柴油发动机由柴油机直接带动同步发电机进而推动船舶。而舰船交流电的效率主要是由电流和频率的稳定性体现出来,高频的稳定性主要是依靠原动机的调制系统。因为船舶动力系统容量一般较小,船用侧推装置等主要电力装置停止时,就会引起船用电力系统容量出现明显幅度的变动[1-3]。由于船上的输电设备负荷的不同,为了能量守恒,汽轮机会出现一定的变动,这种变化是一个电磁变化过程,且相当快速。所以,柴油机的频率调节在船用动力系统中不能缺少。
通过调节柴油发动机的调压系统,可以有效控制发电机的运行速度[4-6]。唯有控制了发动机的运行速度后,才能使其保持在一个合理的范围内,并可以根据发电机的负荷情况自动调整供油量,从而实现最佳性能,提高发动机的效率和可靠性。按照《钢制海船入级与制造技术规范(2006)》第三篇的9.7.3.1条所述,为了确保船舶的安全性和可靠性,所有配备发电机的原动机(包括汽油机和车轮机)都必须配备调压器,这样以便在突然卸载负荷时,瞬时调节速度不会超过额定运行速度的10%,并让稳态调节速度也不会超过额定运行速度的5%。因此基于以上标准要求,本文针对船舶柴油机调速系统模糊控制技术展开探讨。
1 前馈模糊控制系统的组成和控制原理 1.1 控制系统的组成如图1所示,控制系统由前馈控制器、柴油发动机、反馈控制器、电动执行器等装置组成。
传统的柴油发动机调速系统依赖于先进的数字控制技术,通过精确的传感器和智能控制器实现对发动机的精确控制。通过对系统提供的速度参数的分析,汽油发动机将相应的控制信号传递至油门阀,从而实现对油门阀齿轮的精确调整,保证对柴油发动机的有效运转,从而达到稳定的运转状态。
一般而言,速度反馈控制是主要的控制电路。目前不管是电子调速器、数码电调,还是速度反馈控制系统,都普遍应用PID控制,但这也会使船用柴油发电机组中存在相应问题。如柴油发电机组在运行中面临可变增益非线性问题。当柴油发动机工作时,其负荷较小。此外,由于船舶柴油发动机控制器的PID控制参数一般都和标定负荷的参数相对应,所以选择额定负载的工作点,或是较小区域的工况,其基准效果反而会较好。如果偏离标准规定的额外负荷范围,则会出现上面所列出的本构或非线条现象,即标准不再可行,并导致标准负载值明显下降。当动力装置的输出功率相对较少时,也会因为某些装置中大负载的输出功率大致与发电机的输出功率相当,造成在启动或停止这些大负载装置时,引起发电装置负载的重大改变。因此,目前关于装置系统的速度控制,主要采取2种措施,分别是模糊控制器和PID控制器。
图2为模糊控制器的逻辑推导过程,由于其在系统负载变动幅度更明显,因此当进入大面积的动态设置时,可以适当地应用模糊控制,并且模仿人的思维和判断的过程,对系统数学模型参数进行优化控制,具有良好的稳定性。此外这些模糊管理在属性上,可用于确保系统快速接近稳定状态的工作点,降低由于柴油机对机组机理造成的影响,从而更准确调节发动机油门程度。不仅提升了柴油利用效果,使控制器更加精确,同时也可以极大提高调速器的速度。
前馈控制(干扰补偿)是一种基于受控目标参数变化的调节机制,它与反馈控制有本质不同。通过这种调节装置,可以实时监测负载干扰的变化,一旦发现扰动,就会立即发出变化信号,从而对可调量进行调整,以便在可调量发生偏差之前,将其抵消。由此可见,前馈限制对影响的弥补比反馈限制还要有效。以惯性过程的发动机组合为例,因机组显示出很大的时间滞后性,而在动力不均衡现象已经发生后,导致其速度不能突变,转速变化与控制器产生的系统误差信号也无法及时出现。此外,通过相应的延时,当转速改变够大,控制器才可以针对系统误差进行最大的调节量。故而在发电机组速度控制系统中,由于单纯的速度反馈控制系统对负荷的扰动不够敏感,动作存在着明显的时间滞后性,这也导致了系统动作误差无法有效降低,从而延误了速度控制系统的整个动作调节时机。因此在柴油发动机调速控制器中增加前馈控制器,可以更好应对负荷改变而带来的功率不均匀,稳定发动机速度。
据此,本文使用图3所示的双入口单出口二维模糊控制器。模糊原理建立在理论研究的基础上,如图3流程,由于柴油机组在正常工作中,当负荷变化,输出一个扭矩,即可对发电机负荷和油阀门系统齿条的位置进行控制,从而得到一定的模糊规律。
需注意的是,如果发电机的电压是由励磁装置保证电压始终固定,那么有功能量的转变,就有赖于汽轮机出口电流有功成分的转变。当负载变动时,压力转变量反应最大。本文采用汽轮机出口电流的有功成分及其转变量当作模糊控制器的信号,就是希望可以利用模糊控制器原理,不经过常规PID控制器,提早调节柴油的进油阀门及系统齿片的位置,使其发电系统的产生力矩远小于风阻转矩,从而实现稳定控制发动机转速的目标。
本文在模糊控制器结构中引入了模糊控制原理,使用if..and...Then...语句编写自模糊控制规范。为了更好地解释,特选择了模糊前馈控制器的输入变量i和变量ic来描述发动机出口电流。当机构旋转时,油门阀的传动齿条会随之移动,并通过模糊控制器的输入信号w,确定油门阀的运行方向。
如果发电机的电流达到IMAX,那么输入变量i的范围将被限制在零到IMAX之间。在[-IMAX,IMAX]范围内,有许多研究聚焦于输出变量ic的相关性。ic=ik-ik-1,表示上一次数值与本次数值之间的差异。一般来说,输出变量w的范围是[-L,L],其中L为油门阀的位置变化量。
当发动机负荷增加后,发动机的有功电压增加,此时效应器的控制信号w将加大,即增加了发动机的供油流量,使发动机的转速更加稳定,负荷增加的越大,效应器的控制信号w也就越大;当发动机负荷减少后,发动机的有功电压就减少,此时执行机的控制信号w降低,即减少发动机的供油流量,使发动机的工作速度更稳定,而负荷增加的愈小,执行机的控制信号w就愈小。
当系统中存在死区,也就是系统在空载时,由于模煳控制规范的制定依赖于专业人士的经验,并且在处理死区问题时仍然存在许多技术漏洞,因此,死区情况一般会被标记为“-”。
最终,本文得出了17条if...and...then...的模糊规则。
2 控制系统的设计与仿真使用Matlab软件进行模拟实验,并借助Fuzzy控件构建一个具有模糊前馈功能的发电机控制器,最终把输入变量i的范围调整为[0,1],输入变量ic的范围调整为[−1,1],而输出量w的范围则调整为[−1,1]。
为了保证仿真的准确性以及真实性,船舶柴油机及其仿真速度控制系统采用图4所示的结构。由数字仿真设备和物理建模设备组成整个系统,用小型直流电机模拟船舶的柴油机,而船舶柴油发电机由低功率发电机同步展现,负载建模原理类似汽车灯泡建模。
借助数字控制器得出的功率和速度数据,不仅可以直接影响控制器的速度,同时也实现了船舶柴油机在变速器控制下的精准运行。
而在具体的柴油机指示扭矩上,Mi(N·m)为:
$ {M_i} = {H_u}{G_f}{n_i}{\eta _i}/2{\text{π}} 。$ |
式中:Hu为燃油低热值,J/kg;ni为柴油机的指示热效率。
本文基于船用柴油机及其调速系统仿真原理,结合柴油机指示热效率,其特性曲线为:
$ {\eta _i} = f[{\left( {{n_i} - {n_0}} \right)^2} + d\left( {{\alpha _i} - {\alpha _{t0}}} \right)] 。$ |
式中:n0为柴油机最高指示效率点对应的转速;
基于以上结果,得出柴油机机械效率的实验数据回归结果:
$ {\eta _t} = 0.6792 + 0.003197{n_i} - 0.00000561{N_i} \text{。} $ |
式中:Ni为柴油机的指示功率,kW。
基于以上结果,得出柴油机的择气温度回归数据:
$ {T_t} = 4.469{G_f} + 122.015{n_i}^{0.263} + 61.206。$ |
最终,在模糊控制技术下得出的船舶柴油机转速,其方程为:
$ \frac{{{\rm{d}}{n_i}}}{{{d_t}}} = \frac{{30}}{{{\text{π}} {l_{el}}}}\left( {{M_e} - {M_l}} \right) 。$ |
式中:Me为柴油机的有效输出扭矩;Ml为阻力矩,N·m。
需要说明的是,在本次计算中,因为特意考虑到了螺旋桨的阻力(如曲轴的传动机构、减震装置、推力轴承、飞轮、中间轴及法兰尾轴、螺旋桨等因素)造成的影响,所以结果显示,在本次的模糊控制规则设计中,基于FIS编辑加以推导程序,能够证明该模糊控制技术的可行性。由此说明,该技术能够展示应用规范,可以非常直接发现每个输入集的改变和相应的数据改变,从而对整个系统的输入规则进一步调整与完善。
3 结 语与机械和液压控制器相比,模拟电子控制器在响应速度和控制精准度方面有显著提高。但是,因为其控制原则都是根据电路的物理结构确定的,所以受可行性研究和繁杂性的影响,无法选择更加灵活和复杂的规则,也难以再次提升机器性能。而船舶柴油机调速系统采用了微型计算机技术的数字控制器,其控制原理通过软件实现完成。本文研究通过大量的数据推导,验证了模糊控制技术在船舶柴油机控制中的可行性,设计了一种充分融合了前馈控制器与反馈控制的混合控制器。该技术不仅可以有效改善调速精度与动态精度,同时也可以有效解决柴油机增益的非线性。
[1] |
戴铭言, 许留伟, 吴亚楠, 等. 基于模糊控制的VSVPWM中点电位平衡策略[J]. 核聚变与等离子体物理, 2022, 42(4): 418-425. DAI Ming-yan, XU Liu-wei, WU Ya-nan, et al. VSVPWM midpoint potential balance strategy based on fuzzy control[J]. Nuclear Fusion and Plasma Physics, 2022, 42(4): 418-425. |
[2] |
操江能, 杨闽松. 船舶柴油机故障诊断技术探析[J]. 内燃机与配件, 2021(12): 142-143. CAO Jiang-neng, YANG Min-song. Analysis of marine diesel engine fault diagnosis technology[J]. Internal Combustion Engines and Accessories, 2021(12): 142-143. |
[3] |
曾文杰, 姜庆丰, 李楚豪, 等. 小型压水堆堆芯功率模糊控制研究[J]. 核科学与工程, 2022, 42(5): 1024-1030. ZENG Wen-jie, JIANG Qing-feng, LI Chu-hao, et al. Research on fuzzy control of small pressurized water reactor core power[J]. Nuclear Science and Engineering, 2022, 42(5): 1024-1030. |
[4] |
巨永锋, 王晶, 刘帜琦, 等. 基于模糊控制的直流调速系统仿真研究[J]. 现代电子技术, 2021, 44(1): 98-100. JU Yong-feng, WANG Jing, LIU Zhi-qi, et al. Simulation research on dc speed regulation system based on fuzzy control[J]. Modern Electronic Technology, 2021, 44(1): 98-100. |
[5] |
曲乙澍, 杨旭. 基于可变论域模糊控制的高精度数控机床控制仿真[J]. 机床与液压, 2022, 50(21): 175-180. QU Yi-shu, YANG Xu. Control simulation of high precision CNC machine tool based on variable discourse fuzzy control[J]. Machine Tools and Hydraulics, 2022, 50(21): 175-180. DOI:10.3969/j.issn.1001-3881.2022.21.031 |
[6] |
于瀛霄, 孙闫, 夏长高, 等. 燃料电池汽车双层模糊控制能量管理策略[J]. 重庆理工大学学报(自然科学), 2022, 36(8): 21-28. YU Ying-xiao, SUN Yan, XIA Chang-gao, et al. Energy management strategy of double-layer fuzzy control for fuel cell vehicles[J]. Journal of Chongqing University of Technology (Natural Science), 2022, 36(8): 21-28. |