0 引　言

救援船舶作为一种关键的应急保障工具，其在应对海难、海上事故等紧急情况时的作用愈发凸显^[1]。在救援船舶的驱动控制中，电动机作为核心动力部件，其性能直接影响到船舶的航行速度和机动性。自控式同步电动机的高效能设计，使得其能源利用更为充分，高稳定性确保其运行过程中的可靠性和安全性。因此，在船舶驱动系统中，自控式同步电动机的应用变得尤为普遍和受欢迎。自控式同步电动机能够精确地控制转速和转矩，使得船舶在复杂的海洋环境中能够保持稳定的航行状态，为救援行动提供强有力的支持。然而，传统的船舶驱动控制方法在面对多变的海洋环境和复杂的救援任务时，往往表现出控制精度不足、响应速度慢等问题。这不仅限制了救援船舶的性能发挥，还可能对救援行动造成不利影响^[2]。为解决上述问题，需要研究一种新型的救援船舶自控式同步电动机驱动控制方法。

众多学者对此开展研究，并已经取得了一定研究成果。如王晓琳等^[3]基于三相电流源逆变器的基本拓扑，建立数学模型；依据数学模型设计混合型两级式电流源逆变器的前后级协同控制策略，实现降阶控制的同时提高电动机的稳定性。因为该方法应用的前后级协同控制策略涉及多个参数的调整，这些参数包括前级宽禁带器件的控制参数、后级锁相环的参数等，参数之间相互影响，调整一个参数则会影响到其他参数的效果，因此需要综合考虑多个因素进行参数调整，调整复杂性较高，应用效果不佳。再如Ipoum-Ngome等^[4]先分析不平衡状态对电机驱动系统的影响，建立相应的数学模型，预测电机未来状态；然后通过综合考虑电机效率、转矩平稳性、电流谐波等多个性能指标，结合未来状态预测结果，设计多目标优化函数；最后利用优化算法对控制量进行优化，实现电机驱动的多目标优化控制。由于考虑了多个性能指标和复杂的数学模型，该方法可能对于系统参数的变化、噪声和干扰等不确定因素更为敏感，鲁棒性相对较差。李昱等^[5]先介绍电流源变流器的基本原理、拓扑结构及其控制特点，并分析其在同步电机驱动中的适用性和优势；后针对同步电机的控制需求，设计基于电流源变流器的驱动控制方法，实现对同步电机的高效、精确控制。由于CSC控制方法的复杂性，其在实际应用中可能面临实时性挑战。尤其是在需要快速响应的场合，基于CSC的驱动控制方法则无法满足要求。李耀华等^[6]先通过分析同步电机的数学模型和控制需求，确定深度神经网络的输入和输出参数。然后通过确定合理层数与神经元数量等方式，提升该网络的泛化性能。最后以持续更新网络参数的方式，使其能够准确地预测电机的电流、转速等关键参数，并输出相应的控制信号。深度神经网络模型的性能高度依赖于训练数据的质量和数量，如果训练数据不足或存在偏差，模型则无法准确地预测电机的行为。

1 救援船舶电力推进系统结构与运行分析

救援船舶电力推进系统主要由电动机和推进器组成。所谓推进器即为螺旋桨，是控制船舶运行的最重要设备之一，其作用是将电动机推进的扭矩转化为推力，使船只能够向前移动。而电动机是船舶上的主要负载之一。绝大多数船舶推进电机都是核心动力电机，完全或间接地为船舶提供主要推进力，当前大部分使用的推进电机主要有直流电机和交流电机。由于电力推进系统的负载转矩变化较大，对空间场合要求较高，工作环境恶劣，且对低速性能要求很高，因而推进电机必须具备良好的推进性能，因此大部分船舶会选取永磁同步电机作为船舶的推进电机^[7]。本次主要对应用于救援船舶电力推进系统中的永磁同步电机开展研究，该类电机使用永磁体作为转子磁场源，具有高效率、高功率密度和良好的动态响应特性，属于自控式同步电动机。

如图1所示，其控制结构主要由永磁同步电动机本体、位置传感器、控制器、功率驱动器 和电力电子变换装置等5个主要部分构成。在该控制结构中，转子位置检测器能够正确反应转子磁极的位置，根据转子磁极的位置信号控制逆变器输出电压的频率和相位，从而在无失步的条件下实现对电机转速与转矩的控制。以此为基础，开展船舶自控式同步电动机驱动优化研究。

2 救援船舶自控式同步电动机驱动控制

以上述分析为基础，基于原有的电机控制结构，基于模糊理论，完成救援船舶自控式同步电动机驱动模糊控制架构设计，其主要由位置环、速度环与电流环等3环控制组成，总体架构如图2所示。

由图3可知，该控制结构由光栅系统反馈转子位置信号与位置给定指令的差值，经过位置控制器处理并输出速度指令；然后，由速度反馈值与速度指令的差值经过速度控制器处理并输出电流指令；再由电流反馈值与电流指令的差值经过电流控制器处理并输出信号给逆变器；最终，逆变器会即刻响应并生成与之相匹配的电压/电流，用以操控自控式同步电动机的运转，完成救援船舶自控式同步电动机驱动模糊控制。

2.1 船舶自控式同步电动机驱动控制位置环设计

本次设计的位置环采用P控制算法对救援船舶自控式同步电动机进行速度控制，得到自控式同步电动机的速度信号。令光栅系统反馈的位置信号是$ Z\left( t \right) $，给定位置信号是$ \hat Z\left( t \right) $，则P控制算法输出的救援船舶自控式同步电动机速度信号为：

$ v\left( t \right) = {K_P} \times \left[ {\hat Z\left( t \right) - Z\left( t \right)} \right]。$

(1)

其中，$ {K_P} $为比例系数。

2.2 船舶自控式同步电动机驱动控制速度环设计

本次设计的速度环主要利用模糊PID算法，对救援船舶自控式同步电动机进行电流控制。以2.1节得到的速度信号$ v\left( t \right) $以及给定速度信号$ \hat v\left( t \right) $的差值$ e\left( t \right) = \hat v\left( t \right) - v\left( t \right) $为输入信号，输出救援船舶自控式同步电动机的电流信号$ i\left( t \right) $。设比例因子$ H $，将模糊论域内的电流信号变更至符合实际的论域^[8]。令模糊与实际论域是$ \left[ { - N,N} \right] $、$ \left[ { - M,M} \right] $，积分、微分系数是$ {K_I} $、$ {K_D} $，因此$ H $的计算公式可表示为：

$ {H_j} = \frac{M}{N} 。$

(2)

式中：$ {H_j} $代表$ {H_P} $、$ {H_I} $或$ {H_D} $的值；$ {H_P} $、$ {H_I} $、$ {H_D} $是$ {K_P} $、$ {K_I} $、$ {K_D} $的比例因子。

令$ {K_P} $、$ {K_I} $、$ {K_D} $的变化量是$ \Delta {K_P} $、$ \Delta {K_I} $、$ \Delta {K_D} $，则模糊PID算法中$ {K_P} $、$ {K_I} $、$ {K_D} $的更新公式如下：

$ \left\{\begin{gathered} {{\hat K}_P} = {K_P} + {H_P} \times \Delta {K_P} ，\\ {{\hat K}_I} = {K_I} + {H_I} \times \Delta {K_I} ，\\ {{\hat K}_D} = {K_D} + {H_D} \times \Delta {K_D} 。\\ \end{gathered} \right.$

(3)

参数更新后，模糊PID算法输出的电流信号为：

$ \begin{split} i\left( t \right) =& {{\hat K}_P} \times \left[ {e\left( t \right) - e\left( {t - 1} \right)} \right]+ {{\hat K}_I} \times e\left( t \right) + \\ &{{\hat K}_D} \times \left[ {e\left( t \right) - 2e\left( {t - 1} \right) + e\left( {t - 2} \right)} \right] 。\end{split} $

(4)

2.3 船舶自控式同步电动机驱动控制电流环设计

本次设计的电流环主要采用改进型模糊自整定PI算法对救援船舶自控式同步电动机进行驱动控制。令$ i\left( t \right) $的给定值是$ \hat i\left( t \right) $，以2.2节得到的$ i\left( t \right) $与$ \hat i\left( t \right) $的差值$ {e_i}\left( t \right) = \hat i\left( t \right) - i\left( t \right) $，以及差值变化率$ \Delta {e_i}\left( t \right) $为输入信号，输出自控式同步电动机驱动控制信号$ u\left( t \right) $。令$ \left\{ {NB,NS,ZO,PS,PB} \right\} $，分别代表负大、负小、零、正小、正大。通过$ \left\{ {NB,NS,ZO,PS,PB} \right\} $分割$ {e_i}\left( t \right) $、$ \Delta {e_i}\left( t \right) $，以及PI算法的参数调整量$ \Delta {K_P} $、$ \Delta {K_I} $的模糊子集。因为$ {e_i}\left( t \right) $与$ \Delta {e_i}\left( t \right) $是精确数值，而模糊PI算法内部模糊推理需要的模糊数值，所以利用量化因子$ {H_{{e_i}}} $与$ {H_{\Delta {e_i}}} $将实际论域的$ {e_i}\left( t \right) $与$ \Delta {e_i}\left( t \right) $转换至模糊论域，其公式如下：

$ E\left( t \right) = {H_{{e_i}}} \times {e_i}\left( t \right) ，$

(5)

$ \Delta E\left( t \right) = {H_{\Delta {e_i}}} \times \Delta {e_i}\left( t \right)。$

(6)

按照$ {K_P} $与$ {K_I} $对救援船舶自控式同步电动机驱动模糊控制的影响，结合$ \Delta {K_P} $与$ \Delta {K_I} $，制定模糊控制规则。利用比例因子$ {H_P} $、$ {H_I} $，将模糊论域的$ \Delta {K_P} $、$ \Delta {K_I} $转换至实际论域内，并通过模糊控制规则，更新$ {K_P} $与$ {K_I} $，得到$ {\hat K_P} $与$ {\hat K_I} $。由此，救援船舶自控式同步电动机驱动的模糊控制信号为：

$ \hat u\left( t \right) = {\hat K_P} \times E\left( t \right) + {\hat K_I} \times \int {\Bigr[ {E\left( t \right) + \Delta E\left( t \right)} \Bigr]{\rm d}t} 。$

(7)

通过重心法，反模糊化处理$ \hat u\left( t \right) $，得到救援船舶自控式同步电动机驱动控制的精确控制信号$ u\left( t \right) $。

为减小死区效应对模糊PI算法性能的影响，提升救援船舶自控式同步电动机驱动模糊控制精度，本次在模糊PI算法内，引入死区时间效应扰动观测器，设计改进型模糊PI算法。通过该观测器估计死区电压损耗$ {u_{\rm{all}}} $，具体计算如下。

在救援船舶自控式同步电动机的$ A $相电流是正时，$ A $相导通时间误差是$ \Delta T_A^ + $，死区时间是$ {T_\sigma } $，则$ \Delta T_A^ + $的计算公式如下：

$ \Delta T_A^ + = {T_\sigma } + {T_\theta } - {T_\lambda } 。$

(8)

式中，$ {T_\theta } $、$ {T_\lambda } $为开通、关断延迟。

$ A $相导通情况下，令直流侧电压为$ U $，则其损耗电压为：

$ u_a^ + = \frac{{\Delta T_A^ + }}{T}U 。$

(9)

式中，$ T $为开关频率。

在救援船舶自控式同步电动机的$ A $相电流是负时，$ A $相导通时间误差是$ \Delta T_A^ - $，计算公式如下：

$ \Delta T_A^ - = - \left( {{T_\sigma } + {T_\theta } - {T_\lambda }} \right)。$

(10)

$ A $相导通情况下，其损耗电压为：

$ u_a^ + = \frac{{\Delta T_A^ - }}{T}U 。$

(11)

整理式(8)～式(11)可得，$ A $相导通情况下，总导通时间误差与损耗电压公式如下：

$ \left\{ \begin{gathered} \Delta {T_{A,{\rm{all}}}} = \left( {{T_\sigma } + {T_\theta } - {T_\lambda }} \right) \cdot {\rm{sgn}} \left( {{i_A}} \right) ，\\ {u_{A,{\rm{all}}}} = \frac{{\Delta {T_{A,{\rm{all}}}}}}{T}U 。\\ \end{gathered} \right. $

(12)

同理，获取$ B $、$ C $相导通时的损耗电压$ {u_{B,{\rm{all}}}} $、$ {u_{C,{\rm{all}}}} $。利用dq坐标变换$ {u_{A,{\rm{all}}}} $、$ {u_{B,{\rm{all}}}} $、$ {u_{C,{\rm{all}}}} $，得到总电压损耗$ {u_{{\rm{all}}}} $。以此作为补偿量，将补偿量加入到控制信号$ u\left( t \right) $中修正，将修正后的控制信号$ u'\left( t \right) $输出给逆变器，驱动同步电动机的运行，完成救援船舶自控式同步电动机驱动模糊控制。

3 实验分析

本次以某救援船舶自控式同步电动机为实验对象，该电动机的相关参数如表1所示。以此为基础，完成救援船舶电力推进系统仿真，参数如表2所示。

利用本文方法对该救援船舶自控式同步电动机进行驱动模糊控制，自控式同步电动机驱动模糊控制结果如图3所示。

分析图3(a)可知，本文提出的控制方法能够非常有效地对救援船舶自控式同步电动机的速度信号进行控制。当期望速度信号发生变化时，本文方法能够迅速调整控制信号，使自控式同步电动机的实际速度快速接近并稳定在期望速度附近。在稳定工作状态下，速度信号能够持续稳定在期望速度附近，波动非常小。这表明本文方法具有较好的稳定性，能够抵抗外界干扰和内部参数变化的影响。同时本文方法输出的速度信号与期望速度信号之间误差非常小，几乎可以忽略不计，这证明了本文方法的高精度控制能力，能够满足救援船舶自控式同步电动机对速度控制的严格要求。分析图3(b)可知，本文方法可有效完成救援船舶自控式同步电动机电流信号控制，经过本文方法控制后，电流信号能够紧密跟随期望电流信号的变化，这表明本文方法能够实时调整电流大小，以满足电动机在不同工况下的需求。本文方法可以精确控制电流信号，使电动机在最小能耗下运行，提高能源利用效率。这对于救援船舶来说尤为重要，因为其需要长时间持续运行，节能效果直接影响到船舶的续航能力和救援能力。实验证明，本文方法具有较高的控制精度和稳定性，能够实现对速度信号和电流信号的精确控制。

在该救援船舶自控式同步电动机运行至5 s时，添加摩擦扰动，分析本文方法引入死区时间效应扰动观测器前后，救援船舶自控式同步电动机驱动模糊控制效果，以电压控制信号为例，分析结果如图4所示。

由图4可知，引入死区时间效应扰动观测器前，在添加摩擦扰动后，电压控制信号存在较为严重的毛刺现象，这些毛刺不仅会增加电动机的能耗，还会影响电动机的稳定性和可靠性。引入死区时间效应扰动观测器后，在相同的摩擦扰动条件下，电压控制信号的毛刺现象得到了显著的改善，仅表现出微弱的毛刺，这说明死区时间效应扰动观测器对提升本文方法的抗干扰性能起到了关键作用。

4 结　语

模糊控制算法具有较快的响应速度和较高的实时性。在救援过程中，救援船舶需要快速响应各种突发情况，迅速调整电动机的驱动参数，以满足实时控制的需求，提高救援效率。为此，研究救援船舶自控式同步电动机驱动模糊控制方法，可提高控制方法的性能和可靠性，为救援行动提供更加安全、高效和环保的支持。

本文方法在未来有着广阔的发展前景。随着控制技术的不断进步和智能化水平的提高，日后可以从以下方面对其进行改进：1）随着模糊控制理论的深入研究，可期待其智能化和自适应性的进一步提升。2）随着模糊控制方法在救援船舶自控式同步电动机驱动中的广泛应用，其模块化和标准化的推广将成为未来的一个重要趋势。通过制定统一的标准和规范，可以确保不同厂家生产的模糊控制器具有相同的接口和功能，从而方便用户进行选择和替换。