论文部分内容阅读
摘要：船舶柴油机智能控制技术是将人工智能算法引入到船舶柴油机控制领域，提高复杂时变非线性系统的控制性能。本文重点研究了船舶柴油机智能控制功能。
关键词：综合实践;科技教育养;研究
中图分类号：G4 文献标识码：A 文章编号：（2020）-44-112
世界各国对环境资源高度重视，以及现代工业对船舶动力机械动力性及可靠性的需求增大，促使對柴油机性能及排放的要求不断提高。研究人员开发出许多新技术以期实现柴油机性能的提升，例如灵活的燃油喷射系统、 多级可调废气涡轮增压技术，废气再循环技术（EGR）以及排放后处理技术等，新技术的引入增加了柴油机电子控制系统的执行器数量和控制自由度，标定工作量随之呈指数倍增加，这不仅需要大量的人力物力，而且难以获得控制参数的全局最优值。并且基于柴油机具有非线性、快速时变的动力学特性，并且考虑到其运行工况和外界环境的不确定性，进一步增加了船舶柴油机的控制难度。
一、燃烧智能控制
柴油机作为重要的船舶动力机械通过燃烧完成能量形式的转化，燃烧阶段是实现高效率和高性能的关键。燃烧过程的油气组织形式、可燃混合气组分的变化、各缸间以及不同循环工况间燃烧的一致性均需要严格而稳健的控制才能在不同的工况下达到最佳性能，智能控制可以有效地处理柴油机高度非线性的动态实时控制问题。
智能控制方法有助于解决内燃机清洁燃烧技术所面临的问题。智能控制器优化了发动机工作过程输人输出变量、传感器和执行器等控制系统要素，并实现了控制律智能化。Yang 等应用神经网络算法和遗传算法构建参考算法，为应用PID方法控制柴油机燃油喷射系统的启喷时间和燃油轨压提供参考输入，实现基于柴油机运行工况和燃烧过程变量的启喷时间和燃油轨压的自动调整。Morteza等通过对均值充量压缩点火燃烧（HCCI）逐周期智能控制器设计，维持最佳燃烧阶段，扩大了HCCI发动机稳定和高效的运行范围。Eguchi 等采用的基于小脑模型神经网络的燃烧控制器，其中小脑模型关节控制器（CMAC）作为前馈（FF）控制器实现快速学习，在线补偿两自由度控制器由于环境变化（如老化）导致的控制性能下降，此控制器通过控制内燃机缸内燃烧放热率，能够稳定具有双峰放热率的预混充量压缩点火（ PCCI）燃烧。
二、气系统智能控制
柴油机气系统需要满足柴油机不同工况下的进气需求，随着柴油机性能与排放要求的提高，对气系统控制提出了更高的要求。柴油机气系统常见的控制问题有可变配气正时控制，EGR阀的启闭正时和运动规律控制，增压发动机变截面涡轮（VGT）控制，以及混合增压系统旁通阀的控制问题等。受流体流动性质的影响，柴油机气系统有明显的迟滞及控制参数耦合现象，并受发动机循环工况及内外扰动的剧烈影响，面向控制的柴油机空气系统精准建模无法实现，为船舶柴油机气系统控制提出了较大的挑战。
对具有增压系统的船舶柴油机，增压压力与其影响参数间呈现很强的非线性关系，尤其是近年来广泛应用在高功率需求的舰船柴油机的两级可调增压系统和相继增压系统。对复杂的柴油机气系统如果没有实现快速准确的控制，在瞬态工况尤其是模式切换工况下，柴油机进气状态需求的大幅度快速变化会造成排放恶化或转矩波动过大。立足于废气再循环系统和涡轮增压系统耦合现象的智能控制技术是近几年的研究热点。根据控制算法是否解耦，可以分成解耦控制和不解耦控制。解耦控制把多变量系统变为多个独立的单变量系统，可以方便有效地实现可调优先级控制。Chen 等基于滑模扩展状态观察器的自抗干扰控制方法，将具有双回路废气再循环系统的可变截面涡轮增压发动机系统解耦为三个循环，耦合效应被主动地估计并抵消。传统两变量非解耦气系统控制方法难以拓展到多变量控制系统中，但应用智能算法包括模糊逻辑控制算法、神经网络控制算法和滑模控制算法等能够直接得到柴油机多变量气系统的控制输人。
三、转速智能控制
柴油机转速调节系统目前多采用传统PID闭环控制系统。由于柴油机本身具有强非线性、响应滞后性和强耦合性，以及船舶航行工况变化频繁，经常受外界扰动的影响，如上节所述，传统PID控制算法由于其增益系数不能实时调整，很难达到很好的控制效果。而自适应控制算法可根据运行工况和工作环境自动调整控制器的结构和参数，例如通过实现控制器控制参数自整定和控制律自校正等，调整控制作用从而实现控制器的实时控制性能更优，因此通常将神经网络算法和模糊逻辑算法等智能控制算法与经典PID控制算法相结合，应用于柴油机燃烧、进排气、转速等子系统智能控制器设计中，不仅保持了PID控制原理简单、使用方便、控制精度高等特点，而且显著提高了控制器的自适应能力。
结束语
目前，典型基于机器学习算法的船舶柴油机性能预测模型多为黑箱模型，难以推演最终预测或模式辨识结果，难以在模型中发现潜在错误。此类柴油机性能预测模型通用性不强，对于不同的机型均需大量的数据予以训练。机器学习算法结构及参数对其预测性能影响研究是提升预测模型开发速度和应用潜力的关键技术。船舶柴油机整体性能在线优化控制研究集中在仿真阶段，受ECU计算能力和目前智能优化算法算力的限制，尚未得到产业化应用。探索智能控制算法及智能优化算法的改进和应用创新是实现智能优化在线应用的关键，例如集成智能算法，根据被控系统状态选用不同的算法组合，通过算法的优势互补提升控制效果。柴电混合动力是船舶动力发展的主要方向之一。其运行工况多样化，负载变化范围宽，特定区域排放限制等对智能控制提出了更高要求。目前混合动力船舶应用情景下的柴油机智能控制的研究较少，混合动力船舶动力系统、能源供应系统和推进系统的协同智能控制，能够更好地实现不同动力源的转换与融合，提升船舶动力性、经济性和排放性能。
参考文献
[1]仲国强，贾宝柱，肖峰，王怀宇.基于深度信念网络的船舶柴油机智能故障诊断[J].中国舰船研究，2020，15（03）：136-142+184.
[2]王士国，焦绪宁.基于智能信息网络的船舶柴油机管理系统[J].内燃机与配件，2019（08）：211-214.
[3]牛晓晓. 基于机器学习及智能算法的柴油机性能预测及优化研究[D].哈尔滨工程大学，2017.
[4]张世鸿.船舶柴油机智能远程故障诊断系统研究[J].南方农机，2017，48（11）：91+93.
关键词：综合实践;科技教育养;研究
中图分类号：G4 文献标识码：A 文章编号：（2020）-44-112
世界各国对环境资源高度重视，以及现代工业对船舶动力机械动力性及可靠性的需求增大，促使對柴油机性能及排放的要求不断提高。研究人员开发出许多新技术以期实现柴油机性能的提升，例如灵活的燃油喷射系统、 多级可调废气涡轮增压技术，废气再循环技术（EGR）以及排放后处理技术等，新技术的引入增加了柴油机电子控制系统的执行器数量和控制自由度，标定工作量随之呈指数倍增加，这不仅需要大量的人力物力，而且难以获得控制参数的全局最优值。并且基于柴油机具有非线性、快速时变的动力学特性，并且考虑到其运行工况和外界环境的不确定性，进一步增加了船舶柴油机的控制难度。
一、燃烧智能控制
柴油机作为重要的船舶动力机械通过燃烧完成能量形式的转化，燃烧阶段是实现高效率和高性能的关键。燃烧过程的油气组织形式、可燃混合气组分的变化、各缸间以及不同循环工况间燃烧的一致性均需要严格而稳健的控制才能在不同的工况下达到最佳性能，智能控制可以有效地处理柴油机高度非线性的动态实时控制问题。
智能控制方法有助于解决内燃机清洁燃烧技术所面临的问题。智能控制器优化了发动机工作过程输人输出变量、传感器和执行器等控制系统要素，并实现了控制律智能化。Yang 等应用神经网络算法和遗传算法构建参考算法，为应用PID方法控制柴油机燃油喷射系统的启喷时间和燃油轨压提供参考输入，实现基于柴油机运行工况和燃烧过程变量的启喷时间和燃油轨压的自动调整。Morteza等通过对均值充量压缩点火燃烧（HCCI）逐周期智能控制器设计，维持最佳燃烧阶段，扩大了HCCI发动机稳定和高效的运行范围。Eguchi 等采用的基于小脑模型神经网络的燃烧控制器，其中小脑模型关节控制器（CMAC）作为前馈（FF）控制器实现快速学习，在线补偿两自由度控制器由于环境变化（如老化）导致的控制性能下降，此控制器通过控制内燃机缸内燃烧放热率，能够稳定具有双峰放热率的预混充量压缩点火（ PCCI）燃烧。
二、气系统智能控制
柴油机气系统需要满足柴油机不同工况下的进气需求，随着柴油机性能与排放要求的提高，对气系统控制提出了更高的要求。柴油机气系统常见的控制问题有可变配气正时控制，EGR阀的启闭正时和运动规律控制，增压发动机变截面涡轮（VGT）控制，以及混合增压系统旁通阀的控制问题等。受流体流动性质的影响，柴油机气系统有明显的迟滞及控制参数耦合现象，并受发动机循环工况及内外扰动的剧烈影响，面向控制的柴油机空气系统精准建模无法实现，为船舶柴油机气系统控制提出了较大的挑战。
对具有增压系统的船舶柴油机，增压压力与其影响参数间呈现很强的非线性关系，尤其是近年来广泛应用在高功率需求的舰船柴油机的两级可调增压系统和相继增压系统。对复杂的柴油机气系统如果没有实现快速准确的控制，在瞬态工况尤其是模式切换工况下，柴油机进气状态需求的大幅度快速变化会造成排放恶化或转矩波动过大。立足于废气再循环系统和涡轮增压系统耦合现象的智能控制技术是近几年的研究热点。根据控制算法是否解耦，可以分成解耦控制和不解耦控制。解耦控制把多变量系统变为多个独立的单变量系统，可以方便有效地实现可调优先级控制。Chen 等基于滑模扩展状态观察器的自抗干扰控制方法，将具有双回路废气再循环系统的可变截面涡轮增压发动机系统解耦为三个循环，耦合效应被主动地估计并抵消。传统两变量非解耦气系统控制方法难以拓展到多变量控制系统中，但应用智能算法包括模糊逻辑控制算法、神经网络控制算法和滑模控制算法等能够直接得到柴油机多变量气系统的控制输人。
三、转速智能控制
柴油机转速调节系统目前多采用传统PID闭环控制系统。由于柴油机本身具有强非线性、响应滞后性和强耦合性，以及船舶航行工况变化频繁，经常受外界扰动的影响，如上节所述，传统PID控制算法由于其增益系数不能实时调整，很难达到很好的控制效果。而自适应控制算法可根据运行工况和工作环境自动调整控制器的结构和参数，例如通过实现控制器控制参数自整定和控制律自校正等，调整控制作用从而实现控制器的实时控制性能更优，因此通常将神经网络算法和模糊逻辑算法等智能控制算法与经典PID控制算法相结合，应用于柴油机燃烧、进排气、转速等子系统智能控制器设计中，不仅保持了PID控制原理简单、使用方便、控制精度高等特点，而且显著提高了控制器的自适应能力。
结束语
目前，典型基于机器学习算法的船舶柴油机性能预测模型多为黑箱模型，难以推演最终预测或模式辨识结果，难以在模型中发现潜在错误。此类柴油机性能预测模型通用性不强，对于不同的机型均需大量的数据予以训练。机器学习算法结构及参数对其预测性能影响研究是提升预测模型开发速度和应用潜力的关键技术。船舶柴油机整体性能在线优化控制研究集中在仿真阶段，受ECU计算能力和目前智能优化算法算力的限制，尚未得到产业化应用。探索智能控制算法及智能优化算法的改进和应用创新是实现智能优化在线应用的关键，例如集成智能算法，根据被控系统状态选用不同的算法组合，通过算法的优势互补提升控制效果。柴电混合动力是船舶动力发展的主要方向之一。其运行工况多样化，负载变化范围宽，特定区域排放限制等对智能控制提出了更高要求。目前混合动力船舶应用情景下的柴油机智能控制的研究较少，混合动力船舶动力系统、能源供应系统和推进系统的协同智能控制，能够更好地实现不同动力源的转换与融合，提升船舶动力性、经济性和排放性能。
参考文献
[1]仲国强，贾宝柱，肖峰，王怀宇.基于深度信念网络的船舶柴油机智能故障诊断[J].中国舰船研究，2020，15（03）：136-142+184.
[2]王士国，焦绪宁.基于智能信息网络的船舶柴油机管理系统[J].内燃机与配件，2019（08）：211-214.
[3]牛晓晓. 基于机器学习及智能算法的柴油机性能预测及优化研究[D].哈尔滨工程大学，2017.
[4]张世鸿.船舶柴油机智能远程故障诊断系统研究[J].南方农机，2017，48（11）：91+93.