0 引　言

船舶柴油机动力装置作为船舶的核心部件，其运行状态的稳定性和经济性直接关系到船舶的整体性能和运营成本。在实际的海上航行过程中，船舶会面临诸多复杂多变的航行需求与海况条件。例如，当需要迅速穿越狭窄水道或避开突发障碍物时，船舶可能需要迅速加速；而在遭遇恶劣天气或进入繁忙航道时，则可能需要减速慢行以确保安全^[1]。此外，船舶还需要根据外部环境的变化，如风向、水流等自然因素，以及港口规定、航道限制等人为因素，进行频繁的负荷切换，包括加速、减速以及变向等操作^[2]。这种频繁且复杂的负荷切换对船舶柴油机动力装置构成了严峻的挑战。一方面，负荷的快速变化要求柴油机能够在短时间内做出响应，调整其输出功率以满足航行需求；另一方面，负荷的频繁切换也可能导致柴油机的运行工况发生剧烈波动，进而影响其运行稳定性和使用寿命^[3]。此外，负荷切换过程中的燃油消耗与排放问题也是不容忽视的，它们直接关系到船舶的运营成本与环保性能。因此，为了应对这些挑战，研究一种高效、智能的控制技术具有重要现实意义。

关于负荷切换问题，很多专家和学者都进行了广泛研究，提出了很多可参考策略。例如，刘慧文等^[4]以船侧负荷的电能质量指标为标准，通过对船侧同步电机的输出功率进行逐级调速控制，以降低功率波动以及频率偏移对负荷的负面影响。在面对急速转换时，该方法难以迅速响应并满足负荷的快速变化需求，导致控制过程容易出现抖动。万敏等^[5]通过自适应神经网络学习并模拟负荷切换过程中的复杂动态特性，通过输入负荷变化、电网状态等参数，输出控制指令，以实现对负荷切换过程的精确控制。输入数据中可能包含噪声或异常值，导致神经网络输出不稳定或错误的控制指令。陈潇凯等^[6]通过观测器估计扰动的大小和方向，根据状态、扰动观测器的输出以及预设控制目标，设计切换控制策略，在切换控制策略的作用下，快速响应并调整其状态，以达到预设控制目标。在控制器切换瞬间，扰动观测器的内部状态与当前实际状态可能发生突变，导致观测误差急剧增大。寇发荣等^[7]通过调整滑模面和切换控制律，控制连续状态。切换控制律具有一定的不连续性，在滑模面上会产生高频振动，影响控制精度和稳定性。

一方面，船舶航行环境复杂多变，负荷切换频繁且难以预测。另一方面，柴油机本身是一个复杂的非线性，其运行状态受到多种因素的影响，如燃油品质、冷却水温、进气压力等，这些因素都给自适应控制算法的设计和实现带来了困难。针对上述问题，研究一种船舶柴油机动力装置负荷切换状态自适应控制方法。通过该研究以期有效地提高船舶柴油机动力装置的负荷响应速度，使船舶能够更快速地适应航行需求的变化。

1 船舶柴油机动力装置负荷变化趋势分析

船舶柴油机动力装置的负荷指的是柴油机所承受的功率，该功率需求源于螺旋桨对水的推力需求，螺旋桨在旋转推动船舶航行时，将水的反作用力转化为柴油机的输出功率^{[8 − 10]}。而在船舶在航行过程中，会面临各种复杂的工况，如不同的海况、风浪、水流以及载重变化等，这些因素都会导致柴油机动力装置的负荷发生变化。因此，为了提前了解负荷变化趋势，及时调整柴油机的运行参数，避免因负荷突变导致的动力装置不稳定运行，本文针对船舶柴油机动力装置负荷，构建NARX神经网络预测模型进行负荷预测。NARX神经网络结合了时间序列预测和动态建模的特点，特别适用于处理具有时间依赖性和非线性特性的负荷数据。使用训练集数据对NARX神经网络进行训练^[11]。

综合考虑负荷的历史实际值、负载转矩的历史值以及二者之间的非线性关系和稳态增益，预测当前时刻的负荷输出，则训练好的NARX神经网络负荷预测模型为：

$ \begin{split} \dot p(t) =& \sum\limits_{i = 1}^{{N_i}} {a_i^b} b(t + 1 - i) + \sum\limits_{i = 1}^{{N_i}} {a_i^p} p(t - i)+ \\ &\sum\limits_{i = 1}^{{N_i}} {\sum\limits_{j = 1}^{{N_j}} {{c_b}^{(i,j)}} } p(t + 1 - i)p(t + 1 - j) + \\ &\sum\limits_{i = 1}^{{N_i}} {\sum\limits_{j = 1}^{{N_j}} {{c_p}^{(i,j)}} } p(t - i)p(t - j) +\\ &\sum\limits_{i = 1}^{{N_i}} {\sum\limits_{j = 1}^{{N_j}} {{c_{bp}}^{(i,j)}} } b(t + 1 - i)p(t - j) + {r_0} 。\end{split} $

(1)

其中，

$ b(t) = {A_p}(t)\rho {v^2}(t){B_p}^5 。$

(2)

式中：$ \dot p(t) $为$ t $时刻的船舶柴油机动力装置负荷预测输出；$ b(t) $为动力装置的负载转矩；$ {r_0} $为稳态增益；$ \rho $为水的密度；$ a_{}^b $、$ a_{}^p $分别为$ b(t)、p(t-i) $的线性部分参数；$ v(t) $为柴油主机的转速；$ p(t) $为$ t $时刻的船舶柴油机动力装置负荷实际输出；$ {N_i} $为模型延迟阶数；$ {A_p}(t) $为柴油机的负载阻力；$ {c_b} $、$ {c_p} $为各自的平方项系数；$ {B_p} $为负载阻力的力矩；$ {c_{bp}} $为$ b(t) $与$ p(t) $的反馈交叉系数^[12]，通过引入平方项和交叉项，模型能够捕捉负荷和负载转矩之间的非线性关系。

由于柴油机是船舶的主要耗能设备，在负荷较低时，适当减少燃油供应，降低柴油机转速；在负荷较高时，合理增加燃油供应，提高柴油机输出功率。因此，基于NARX神经网络负荷预测模型的计算结果，将$ \dot p(t) $与船舶柴油机动力装置负荷$ p(t) $进行对比，若是$ \dot p(t) $>$ p(t) $，说明需求功率提高，船舶柴油机动力装置负荷状态需要从低负荷切换到高负荷；$ \dot p(t) $<$ p(t) $，说明需求功率降低，船舶柴油机动力装置需要从高负荷状态切换到低负荷状态；若是$ \dot p(t) $=$ p(t) $，则需要保持当前负荷状态不变^[13]。

2 负荷状态切换自适应预测PID控制器设计

负荷切换是指船舶在航行过程中，根据实际需求，将柴油机动力装置的负荷从一个状态切换到另一个状态的过程。其目的在于确保船舶在各种工况下都能获得合适的动力输出，以满足航行需求，同时保证柴油机的稳定运行和高效性。对此，本文采用自适应预测PID控制器^{[14 − 16]}，通过转速传感器精确测量柴油机的转速，以及通过负荷传感器感知柴油机所承受的负荷大小。并采用微控制器作为核心硬件，快速执行PID控制算法程序，根据传感器输入的当前偏差和预测偏差对传感器输入的信号进行处理和分析，并输出相应的控制信号给执行机构，最后通过通信接口实现控制器与船舶其他系统之间的数据交互。同时，也可以接收来自其他系统的指令或数据，实现更全面的船舶系统集成和控制。

计算$ \dot p(t) $与$ p(t) $之间的差值，即

$ \Delta p(t) = \dot p(t) - p(t)。$

(3)

式中：$ \Delta p(t) $为差值。

增量式PID算法基本原理是根据输出误差信号生成增量控制量，通过累积这些增量控制量，调整输出。

$ \begin{split} u(t) =& u(t - 1) + {K_p}\left( {\Delta p(t) - \Delta p(t - 1)} \right) + {K_i}\Delta {p_1}(t) + \\ &{K_d}\left( {\Delta p(t) - 2\Delta p(t - 1) + \Delta p(t - 2)} \right) 。\end{split} $

(4)

式中：$ {K_p} $、$ {K_i} $、$ {K_d} $分别为比例、积分、微分系数；$ u(t) $为当前时刻输出增量；$ \Delta p(t - 1) $和$ \Delta p(t - 2) $分别为上一时刻和再上一时刻的偏差；$ u(t) $为控制量。

增量式PID算法的性能在很大程度上依赖于比例（P）、积分（I）和微分（D）系数的选择。参数的整定不仅影响响应速度、稳定性和准确性，还直接决定了对不同工况和负载变化的适应能力。然而，这些系数的整定难以进行自适应调整，导致在某些工况下表现不佳，对此，引入自适应权重混合 PSO 算法改进策略：

步骤1　将PID控制器的3个PID编码为粒子的位置向量。

步骤2　随机生成粒子的位置和速度。粒子的位置对应PID参数的组合，速度表示参数调整的步长。

步骤3　使用当前PID参数对控制进行仿真，并计算性能指标−时间乘以误差绝对值积分（ITAE）作为粒子的适应度值。

$ F = \int\limits_0^\infty {t\left| {\Delta p(t)} \right|{\rm{d}}t}。$

(5)

式中：$ F $为时间乘以误差绝对值积分（ITAE）。

将$ F $转化为最大化形式。

$ fit\left( {{K_p},{K_i},{K_d}} \right) = L - F。$

(6)

式中：$ L $为常数；$ fit\left( {{K_p},{K_i},{K_d}} \right) $为适应度函数

步骤4　比较当前粒子的适应度值与其个体历史最优值p_B、全局历史最优值g_B，进行更新。

步骤5　根据粒子的状态或搜索进程动态调整惯性权重$ q $。

$ {q=\left\{\begin{aligned} &{q}_{\mathrm{min}}-\left({q}_{\mathrm{max}}-{q}_{\mathrm{min}}\right)\dfrac{fit\left({K}_{p},{K}_{i},{K}_{d}\right)-fit{\left({K}_{p},{K}_{i},{K}_{d}\right)}_{\mathrm{min}}}{fit{\left({K}_{p},{K}_{i},{K}_{d}\right)}_{\text{avg}}-fit{\left({K}_{p},{K}_{i},{K}_{d}\right)}_{\mathrm{min}}},\\ &fit\left({K}_{p},{K}_{i},{K}_{d}\right)\leqslant fit{\left({K}_{p},{K}_{i},{K}_{d}\right)}_{\text{avg}}，\\ &{q}_{\mathrm{max}},fit\left({K}_{p},{K}_{i},{K}_{d}\right) > fit{\left({K}_{p},{K}_{i},{K}_{d}\right)}_{\text{avg}} 。\end{aligned} \right.} $

(7)

式中：$ {q_{\max }} $、$ {q_{\min }} $分别为权重最大、最小值；$ fit\Big( {{K_p},{K_i}, {K_d}} \Big)_{\min } $、$ fit{\left( {{K_p},{K_i},{K_d}} \right)_{{\text{avg}}}} $分别为适应度函数最小值和均值。

步骤6　更新粒子的速度和位置。

$ { \begin{gathered} {V_i}\left( {k + 1} \right) = q{V_i}\left( k \right) + {I_1}{R_1}\left( {{P_B} - {X_i}\left( {{K_p},{K_i},{K_d}} \right)} \right) + \\ {I_2}{R_2}\left[ {w\left( {{G_B} - {X_i}\left( {{K_p},{K_i},{K_d}} \right)} \right) + \left( {1 - w} \right)\left( {{Z_i} - {X_i}\left( {{K_p},{K_i},{K_d}} \right)} \right)} \right] ，\\ \end{gathered} }$

(8)

$ {H_i}\left( {k + 1} \right) = {H_i}\left( k \right) + {v_i}\left( {k + 1} \right)。$

(9)

式中：$ {R_1} $、$ {R_2} $为[0,1]区间中的随机数；$ {V_i}\left( k \right) $、$ {V_i}( k + 1) $为更新前后粒子速度；$ {H_i}\left( k \right) $、$ {H_i}\left( {k + 1} \right) $为更新前后粒子位置；$ w $为全局社会因子权重；$ {Z_i} $为粒子$ i $附近最优解；$ {I_1} $、$ {I_2} $为学习因子。

步骤7　检查时间乘以误差绝对值积分(ITAE)是否达到设定阈值。如果满足条件，则输出全局最优位置作为整定后的PID参数；否则，返回步骤3继续搜索。

PID控制器的工作流程如图1所示。

经过自适应权重混合PSO算法根据控制实时反馈和性能指标，动态地调整PID参数。这种自适应调整能力使得增量式PID控制器能够更好地适应不同的负荷工作环境，提高稳定性和鲁棒性。

3 实　验 3.1 实验条件

以某型船用中速柴油机为例，进行实验。为船舶柴油机动力装置负荷设置2种工况，即一是从0负荷增长到600 kW负荷；二是从700 kW负荷下降到200 kW负荷，如图2所示。

可以看出，工况1的负荷状态为在6 s时由低负荷切换到高负荷，工况2的负荷状态为在10 s时由高负荷切换到低负荷。

设置自适应预测PID控制器参数，如表1所示。

3.2 实验结果与分析

求取负荷切换状态切换过程中控制量，在这里是指船舶柴油机动力装置的转速，转速越高，柴油机所能输出功率（即负荷）就越大。转速控制量如图3所示。

可知，从2个工况的负荷切换时刻控制量的变化可以看出，自适应预测PID控制器能够快速对负荷状态的变化做出反应，无论是从低负荷到高负荷还是高负荷到低负荷的切换，都能在短时间内调整控制量，调节船舶柴油机动力装置负荷状态，响应速度较快。在负荷切换后的过渡过程中，虽然控制量存在波动，但最终都能稳定在相应负荷工况所需的值，说明该控制方法能够使船舶柴油机动力装置在不同负荷状态下保持稳定运行，具有较好的稳定性。

针对图3的调节结果，计算与负荷工况设置之间的ITAE，采用文献[4～7]方法为对比方法，对比结果如图4所示。

可知，所研究方法应用下，ITAE值均要相对更低，说明该方法能够更为精准地维持稳定性，反映了该方法在负荷状态变化条件下具有优越的控制性能，能够有效减少波动，保持输出与期望值的紧密一致性；而其他方法在面对负荷增长工况时，ITAE相对较高，滑模控制的ITAE的相对较低，尤其是在前期，控制效果相对显著；另一方面，当面对负荷下降工况时，3种控制方法的表现均相对较差，ITAE值普遍较高。

4 结　语

探索更加高效、智能的控制策略和方法，对于提升船舶性能、降低运营成本、推动绿色航运发展具有重要意义。船舶柴油机动力装置负荷切换状态自适应控制技术的研究，通过实时监测柴油机的运行负荷数据，准确判断柴油机的当前负荷状态，通过自适应预测PID控制器实现了负荷的平稳切换和动力装置的高效运行，且ITAE值均要相对更低，自适应控制策略应用效果较佳。