RBF神经网络理论在柴油机控制中的应用

为了解决船用电站发动机调速效果容易受到环境影响问题,基于RBF神经网络理论提出了一种柴油机RBF-PID转速控制算法,实时地优化转速环控制器的控制参数,且初始权值对RBF神经网络的影响很小。在突变负载的情况下针对不同的初始权值进行了一系列仿真计算,并在D6114柴油发电机上进行了实验验证。仿真结果与实验结果相吻合。结果表明:初始权值对RBF-PID控制算法的影响小于对BP-PID控制算法的影响,算法鲁棒性更强。柴油机采用RBF-PID控制算法,能够在获得相对于传统PID更好的调速效果的同时,环境改变时对其的影响更小而无需花费很多时间进行神经网络的训练学习,满足二级电站的精度指标。

基于自抗扰控制器的柴油机调速算法

利用跟踪微分器对常规比例-积分-微分(proportion-integral-derivative,PID)控制器进行改进,对常规PID、改进PID和自抗扰控制算法分别进行验证,选择D6114型柴油发电机组作为被控对象,利用Simulink搭建数学模型,仿真结果与真实试验数据吻合。分别搭建3种不同控制算法下的控制器模型,检验算法的可行性并完成调速控制试验,其中在起动、稳定运行和加减载动态调速阶段分别完成3种算法的试验验证。结果表明:改进PID控制器的稳态和瞬态调速效果均有明显提升,自抗扰控制器控制效果更好。