基于SSA-Hurst-ARIMA组合模型的船舶柴油发电机组故障特征短期预测

为提高船舶柴油发电机组故障特征短期预测精度,建立基于奇异谱分析(Singular Spectrum Analysis,SSA)、Hurst指数、自回归移动平均(Auto-Regressive Integrated Moving Average,ARIMA)的组合预测模型。以某试验中船舶柴油发电机组运行数据为基础,选取增压器滑油压强数据,对比分析单一ARIMA模型、SSA主成分-ARIMA组合模型和SSA-Hurst-ARIMA组合模型的预测效果。结果表明,SSA-Hurst-ARIMA组合模型的预测效果优于单一ARIMA模型和SSA主成分-ARIMA组合模型,更适合应用于船舶柴油发电机组故障特征的短期预测。

船舶柴油发电机组双回路系统神经网络控制研究

针对船舶柴油发电机组转速控制与励磁控制,设计了CMAC神经网络与PID控制器相结合的并行控制系统,并分别运用到船舶柴油发电机组系统的2个控制回路中.CMAC神经网络控制算法具有在线学习速度快和局部泛化能力强的特点;在控制中,CMAC神经网络通过对发电机控制的学习,获得了系统广义被控对象的逆动态逼近模型,以此实现对系统的控制.在某大型船舶电力仿真系统的运用中,发电机负载特性测试的结果表明控制系统的2回路之间的协调性好,系统控制质量满足有关船舶规范的要求.

大扰动下船舶柴油发电机组非线性建模与仿真

针对目前船舶柴油发电机组普遍采用低阶数学模型,在大扰动下分析计算时会造成误差偏大的缺陷。在分析船舶柴油发电机组系统构成的基础上,建立同步发电机、柴油机及调速系统和励磁系统的七阶非线性数学模型,采用隐式梯形积分法并用C#编程求解发电机组的非线性数学模型。在求解模型的基础上,画出船舶柴油发电机组在大扰动下的转速和电压变化仿真曲线,分析比较该曲线的各项指标,结果表明各项性能指标均在规范要求范围内,进一步验证了该数学模型的有效性。

船舶柴油发电机组的建模与自适应控制

为了提高自适应算法对船舶柴油发电机组转速控制的精度,在充分熟悉船舶发电机组结构之后,文章中提出了一种对其进行机理建模的新方法。该方法对非线性强、大滞后并且结构复杂的船舶发电机组在允许范围内进行线性化,从电磁学、动力学等理论的基本原理出发,推导出与实际相吻合的数学模型,最后对其采用无模型自适应控制器进行调速控制。仿真结果表明,系统在给定有无噪声干扰两种情况下,输出几乎无超调,抗干扰性强,具有良好的动态特性和稳定性。

刍议船舶柴油发电机组安装

船舶发电机组在船上占有十分重要的地位，全船的一切电力系统来源于此。随着当前现代化大型船舶越来越多，对柴油发电机组安装要求也相应的提高。柴油发电机组属于船舶供电重要组成部分，作为一个机电安装工程管理人员，正确掌握好柴油发电机组的安装与调试，是必要的。实践证明，科学合理的安装，是保证机组可靠性和发挥优量性能的基础。

船舶柴油发电机转速人工神经网络控制

结合神经网络与PID控制,形成船舶柴油发电机转速神经网络控制系统;控制系统中神经网络控制器与PID控制器相结合,经过神经网络控制器的不断学习,控制器获取船舶柴油发电机转速系统的动态逆模型,系统逐渐地由神经网络控制器起主要控制作用.仿真试验显示,在电力系统突加有功负载时,发电机控制系统的动态过程稳定性良好.

船舶柴油发电机转速的BP-PID并行控制

针对船舶柴油发电机转速控制问题,结合BP神经网络对非线性系统的高拟合性与经典PID控制的优良性能,形成船舶柴油发电机转速BP-PID并行控制系统。控制系统中BP神经网络控制器与PID控制器相结合,经过神经网络控制器的不断训练学习,控制器获取船舶柴油发电机转速系统的模型,并逐渐地由BP神经网络控制器占主要控制作用,从而达到对系统的实时控制。仿真结果证明了该方法的可行性。