孫 彬 曾凡明

海軍工程大學(xué)船舶與動(dòng)力學(xué)院 武漢 430033

基于神經(jīng)網(wǎng)絡(luò)的柴油機(jī)混合建模方法研究

孫 彬 曾凡明

海軍工程大學(xué)船舶與動(dòng)力學(xué)院 武漢 430033

針對(duì)柴油機(jī)性能仿真中的建模問題，分析不同建模方法的特點(diǎn)，提出機(jī)理和神經(jīng)網(wǎng)絡(luò)相結(jié)合的混合建模方法，采用神經(jīng)網(wǎng)絡(luò)在線補(bǔ)償機(jī)理模型的誤差，提高模型精度，并能夠適應(yīng)柴油機(jī)的時(shí)變特性。以6PA6型渦輪增壓柴油機(jī)為例，在Matlab環(huán)境下建立機(jī)理-神經(jīng)網(wǎng)絡(luò)混合模型。仿真分析得出混合建模的一些結(jié)論。

柴油機(jī) 機(jī)理模型 神經(jīng)網(wǎng)絡(luò) 混合建模

在船舶動(dòng)力裝置性能仿真中，柴油機(jī)模型是核心模塊，通常采用機(jī)理建模的方法建立。由于機(jī)理建模過程中多采用理想的假設(shè)和經(jīng)驗(yàn)公式，不可避免的會(huì)產(chǎn)生誤差。另外，柴油機(jī)具有時(shí)變特性，工作一段時(shí)間后，性能會(huì)發(fā)生變化［1］，導(dǎo)致模型的精度降低。如何自適應(yīng)調(diào)整模型輸出，提高模型精度是一個(gè)值得研究的問題。通過神經(jīng)網(wǎng)絡(luò)在線補(bǔ)償，建立了柴油機(jī)的機(jī)理-神經(jīng)網(wǎng)絡(luò)混合模型。

1 機(jī)理-神經(jīng)網(wǎng)絡(luò)混合建模方法

機(jī)理模型基于建模對(duì)象所遵循的物理化學(xué)規(guī)律，它能反映對(duì)象的內(nèi)部特性，表達(dá)比較直觀，但對(duì)于機(jī)理復(fù)雜的系統(tǒng)建模，一般要進(jìn)行簡化或采用經(jīng)驗(yàn)公式，導(dǎo)致模型精度難以保證。神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的學(xué)習(xí)能力和逼近任意非線性函數(shù)的特點(diǎn)，它無需深入了解系統(tǒng)的內(nèi)部機(jī)理，只需通過系統(tǒng)的輸入輸出數(shù)據(jù)，設(shè)計(jì)相應(yīng)的網(wǎng)絡(luò)并進(jìn)行網(wǎng)絡(luò)訓(xùn)練，便可得到系統(tǒng)模型。但神經(jīng)網(wǎng)絡(luò)模型的理論依據(jù)還不夠完善，且模型對(duì)訓(xùn)練數(shù)據(jù)的依賴性較大［2-4］。

機(jī)理-神經(jīng)網(wǎng)絡(luò)混合建模方法就是在建模過程中充分發(fā)揮神經(jīng)網(wǎng)絡(luò)和機(jī)理建模各自的優(yōu)點(diǎn)，從而更好的反映建模對(duì)象的規(guī)律特性。兩者的聯(lián)接模式主要有兩種：一種是并聯(lián)模式，以機(jī)理建模為主，同時(shí)采用神經(jīng)網(wǎng)絡(luò)對(duì)機(jī)理模型進(jìn)行進(jìn)一步的修正完善，從而得到較為理想的模型，見圖1。

圖1 并行模型

另一種是串聯(lián)模式，將系統(tǒng)分解成可描述和未知兩部分，針對(duì)可描述部分采用機(jī)理來建模，而那些機(jī)理難以描述的部分采用神經(jīng)網(wǎng)絡(luò)來建模，最后按照子系統(tǒng)綜合的方式，建立合理的系統(tǒng)整體模型，見圖2［5-6］。

文中柴油機(jī)混合建模的思想是：用準(zhǔn)穩(wěn)態(tài)法建立柴油機(jī)的機(jī)理模型，用BP網(wǎng)絡(luò)構(gòu)建神經(jīng)網(wǎng)絡(luò)補(bǔ)償模型，以補(bǔ)償機(jī)理模型的誤差。圖3是混合模型的基本原理框圖。DE是要辨識(shí)的柴油機(jī)，NN是神經(jīng)網(wǎng)絡(luò)構(gòu)成的補(bǔ)償模型，MODEL是機(jī)理模型，三者并聯(lián)。將輸入同時(shí)加到DE、MODEL和NN上，得到輸出分別為實(shí)際輸出Yd、機(jī)理輸出Ym和神經(jīng)網(wǎng)絡(luò)補(bǔ)償輸出Ynn，利用誤差的絕對(duì)值E＝|Yd—Ym—Ynn|來修正NN中的權(quán)值，直到E等于0時(shí)權(quán)值修正停止，通過神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)對(duì)機(jī)理模型的補(bǔ)償。當(dāng)柴油機(jī)長時(shí)間工作，實(shí)際輸出發(fā)生變化后，誤差E發(fā)生變化而不為0，繼續(xù)修正神經(jīng)網(wǎng)絡(luò)的權(quán)值，改變補(bǔ)償量，從而使混合模型能夠適應(yīng)柴油機(jī)的特性變化。

圖2 串行模型

圖3 柴油機(jī)混合模型原理圖

2 機(jī)理-神經(jīng)網(wǎng)絡(luò)混合模型與仿真分析

2．1 柴油機(jī)混合模型

以某應(yīng)急電站柴油機(jī)6PA6為例，建立機(jī)理-神經(jīng)網(wǎng)絡(luò)混合模型。6PA6直列式渦輪增壓柴油機(jī)額定功率為1 770 kW，額定轉(zhuǎn)速為1 000 r／min，配有VTR254自由式廢氣渦輪增壓器，UG8D系列全制式液壓調(diào)速器。

機(jī)理模型采用準(zhǔn)穩(wěn)態(tài)法建立。將柴油機(jī)劃分為柴油機(jī)本體、調(diào)速器、渦輪、壓氣機(jī)、中冷器等子系統(tǒng)［7］。

柴油機(jī)轉(zhuǎn)矩平衡方程為

式中：Mm——機(jī)理模型的輸出轉(zhuǎn)矩；

Ml——帶動(dòng)同步發(fā)電機(jī)所需克服的阻力轉(zhuǎn)矩，即負(fù)載轉(zhuǎn)矩；

Ie——柴油機(jī)轉(zhuǎn)動(dòng)慣量；

Il——發(fā)電機(jī)的轉(zhuǎn)動(dòng)慣量；

nde——柴油機(jī)轉(zhuǎn)速。

式中：Hu——燃油低熱值；

Ge，ηi——柴油機(jī)的循環(huán)噴油量和指示熱效率；

Mf——柴油機(jī)摩擦轉(zhuǎn)矩；ns——活塞平均轉(zhuǎn)速；

V——柴油機(jī)氣缸總排量。

負(fù)載轉(zhuǎn)矩Ml與定子繞組電壓U、定子繞組電流I、功率因數(shù)cosφ、轉(zhuǎn)子轉(zhuǎn)速n等有關(guān)，在文中將不同工況下的負(fù)載轉(zhuǎn)矩簡化為額定值的線性函數(shù)。

增壓器轉(zhuǎn)矩平衡方程為

式中：Mt——渦輪轉(zhuǎn)矩；

Mc——壓氣機(jī)轉(zhuǎn)矩；

Itc——增壓器轉(zhuǎn)動(dòng)慣量；

ntc——增壓器轉(zhuǎn)速。

神經(jīng)網(wǎng)絡(luò)模型采用三層BP網(wǎng)絡(luò)［8］，網(wǎng)絡(luò)結(jié)構(gòu)為3—18—1。輸入層3個(gè)節(jié)點(diǎn)，對(duì)應(yīng)循環(huán)供油量Ge、柴油機(jī)轉(zhuǎn)速nde、壓氣機(jī)空氣流量Gm。隱層18個(gè)節(jié)點(diǎn)，激勵(lì)函數(shù)f（x）采用logsig函數(shù)，輸出層1個(gè)節(jié)點(diǎn)，對(duì)應(yīng)輸出轉(zhuǎn)矩的補(bǔ)償值，激勵(lì)函數(shù)g（x）采用purelin函數(shù)。神經(jīng)網(wǎng)絡(luò)模型的輸出為

式中：wi——隱層到輸出層的權(quán)值；

yi——隱層的輸出值，

其中：vij——輸入層到隱層的權(quán)值；

xj——輸入值。

由于柴油機(jī)具有時(shí)變特性，隨著工作時(shí)間的增長，在輸入不變的情況下，它的性能會(huì)發(fā)生變化。采用靜態(tài)神經(jīng)網(wǎng)絡(luò)就無法適應(yīng)柴油機(jī)的時(shí)變特性。所以，本文用實(shí)際輸出與混合模型輸出的差值ΔM作為誤差通過BP算法調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)值。當(dāng)實(shí)際輸出變化時(shí)，ΔM隨著變化，從而重新調(diào)整網(wǎng)絡(luò)權(quán)值，改變補(bǔ)償量，以適應(yīng)柴油機(jī)時(shí)變特性。

圖4為6PA6渦輪增壓柴油機(jī)混合模型框圖，由Matlab仿真語言實(shí)現(xiàn)。

圖4 柴油機(jī)混合模型框圖

2．2 模型分析

為了分析混合模型的補(bǔ)償效果，在柴油機(jī)不同負(fù)載穩(wěn)態(tài)工況下，比較機(jī)理模型輸出轉(zhuǎn)矩、混合模型輸出轉(zhuǎn)矩和柴油機(jī)實(shí)際輸出轉(zhuǎn)矩，見圖5。

圖5 穩(wěn)態(tài)工況轉(zhuǎn)矩輸出的對(duì)比

從中可以明顯看到混合模型的輸出比機(jī)理模型的輸出更接近實(shí)際值，神經(jīng)網(wǎng)絡(luò)起到了補(bǔ)償機(jī)理模型的作用，混合模型提高了機(jī)理模型的仿真精度。

為了分析神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)補(bǔ)償性能，令柴油機(jī)開始在額定負(fù)荷下工作，一段時(shí)間后輸出轉(zhuǎn)矩發(fā)生小的突減。神經(jīng)網(wǎng)絡(luò)補(bǔ)償模型初始值為0，圖6是仿真結(jié)果，在額定負(fù)載工況下，混合模型與實(shí)際輸出存在誤差，經(jīng)過4次迭代調(diào)整神經(jīng)網(wǎng)絡(luò)權(quán)值后，誤差等于0，當(dāng)實(shí)際輸出發(fā)生突變后，混合模型與實(shí)際輸出的誤差又重新產(chǎn)生，神經(jīng)網(wǎng)絡(luò)繼續(xù)動(dòng)態(tài)的調(diào)整權(quán)值，經(jīng)過3次迭代后，兩者的輸出達(dá)到相等。這說明，神經(jīng)網(wǎng)絡(luò)通過動(dòng)態(tài)的調(diào)整權(quán)值能有效補(bǔ)償機(jī)理模型的時(shí)變誤差，基于神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)補(bǔ)償?shù)幕旌夏Ｐ湍軌蜻m應(yīng)柴油機(jī)的時(shí)變特性。

圖6 柴油機(jī)轉(zhuǎn)矩突變過程的動(dòng)態(tài)特性

3 結(jié)論

1）分析機(jī)理和神經(jīng)網(wǎng)絡(luò)的混合建模方法，并依此建立柴油機(jī)機(jī)理-神經(jīng)網(wǎng)絡(luò)混合模型。

2）通過實(shí)際輸出與混合模型輸出的差值動(dòng)態(tài)調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)值，提高柴油機(jī)模型的精度，并使得模型能夠適應(yīng)對(duì)象的特性變化。

［1］陳國鈞，曾凡明．現(xiàn)代艦船輪機(jī)工程［M］．長沙：國防科技大學(xué)出版社，2001：651-656．

［2］郭江華，梁述海，王英輝，陳國鈞．艦用柴油機(jī)建模方法綜述［J］．船舶工程，2005（1）：58-61．

［3］陳虞濤，曾凡明．基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的柴油機(jī)建模研究［J］．海軍工程大學(xué)學(xué)報(bào)，2003（1）：90-93．

［4］Robert P．Kasprow，Hybrid Modeling（Neural Networks and First Principles）of Fermentation：Combining Biochemical Engineering Fundamentals and Process Data［D］．Engineering and Applied science University of Virginia，2000：14-21．

［5］陳曉東，馬廣富，王子才．改進(jìn)的Elman網(wǎng)絡(luò)與機(jī)理模型的互補(bǔ)建模方法［J］．系統(tǒng)仿真學(xué)報(bào)，1999（2）：97-100．

［6］金 蓉．神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化及混合建模研究［D］．北京化工大學(xué)，2000：67-90．

［7］丁東東．帶脈沖負(fù)載的柴油機(jī)動(dòng)力裝置總體優(yōu)化設(shè)計(jì)［D］．海軍工程大學(xué)，2002：11-29．

［8］肖健梅，王錫淮，鮑敏中．神經(jīng)網(wǎng)絡(luò)在船舶主柴油機(jī)建模中的應(yīng)用［J］．船舶工程，2001（6）：46-48．

On the hybrid modeling method for the diesel engine based on neural network

SUN Bin ZENG Fan-ming
School of Naval Architecture and Power Naval University of Engineering Wuhan 430033

After analyzing different modeling methods of the diesel engine in performance simulation，a hybrid model using neural network to compensate the error from the principle model is described in this paper．It improves the model precision，and suit the behavior changing of diesel engine．The principle-neural network hybrid model of type 6PA6 turbocharged diesel engineis set up in environment of Matlab，some conclusions are drawn by simulation analysis．

diesel engine principle model neural network hybrid model

U664．121

A

1671-7953（2007）02-0048-03

2006-08-11

修回日期2006-11-06

孫 彬（1978—），男，碩士生。