楊 鳴 施偉鋒

（上海海事大學物流工程學院，上海 201306）

近幾年來，世界郵輪經濟發(fā)展迅猛。全球郵輪市場的乘客人數由1996年的680萬增長至2002年1030萬，年平均增長率近 7%。一些國際大都市在經濟發(fā)展中相繼滲入了“郵輪經濟”的元素。有關資料顯示，未來3至5年內，國際市場上將建造幾十艘大型郵輪，并會紛紛相繼下水。雖然亞洲地區(qū)的郵輪經濟與歐美地區(qū)相比，尚處于發(fā)展階段，但亞洲地區(qū)郵輪經濟的發(fā)展?jié)摿艽蟆?010年，亞洲地區(qū)郵輪乘客將達150萬人次，成為全球郵輪市場增長的主力軍。與此同時，隨著電子技術向大功率方向高速發(fā)展，高新技術的快速發(fā)展，使電力推進的靈活性、良好操縱性、轉矩特性和響應特性發(fā)生了更深刻的變化；采用模塊化、系列化、標準化，并進行綜合監(jiān)控管理更高了船舶電力系統(tǒng)可靠性，使電力推進形成壓倒原動機直接傳動推進的絕對優(yōu)勢。據統(tǒng)計，近3年來新建的油輪、渡輪、游輪、集裝箱船有60%采用電力推進系統(tǒng)。因此電力推進的船舶將是一個發(fā)展的趨勢。

船舶電力系統(tǒng)控制的重要目標是保證電能的連續(xù)穩(wěn)定、可靠供給，防止船舶機損事故與海難事故的發(fā)生，防止造成人員傷亡、經濟損失和社會不良影響。船舶發(fā)電機勵磁系統(tǒng)控制性能的好壞直接影響到電力系統(tǒng)的電壓穩(wěn)定。而大型船舶電力系統(tǒng)的高階強耦合非線性、惡劣海況、船舶機艙工業(yè)環(huán)境惡劣，會引起發(fā)電機、推進電機的參數發(fā)生變化，急劇增加了電力系統(tǒng)的穩(wěn)定性控制。

本文針對某大型郵輪電力系統(tǒng)進行建模，如圖1所示，主要針對發(fā)電機勵磁控制進行探究，嘗試通過應用模糊智能控制、神經網絡控制的策略，進行發(fā)電機勵磁控制的方案，將模糊和神經網絡的優(yōu)勢互補，使控制器具有更佳的控制效果、更強的魯棒性和適應性，并進行故障工況仿真。

圖1 某吊艙式電力推進船的單線圖

1 大型電力推進客船電力勵磁系統(tǒng)模型分析

電力推進船舶動力裝置核心系統(tǒng)是以“發(fā)電機組→配電與變換→大功率推進電機”的三部分形成的船舶動力鏈。在配電屏自動控制下，通過船舶電網向用電負荷進行供電。某大型郵輪的電力系統(tǒng)的總體結構如圖1所示。所示的主動力裝置為4臺大型柴油發(fā)電機組，有4臺（3200kW）、3687A柴油發(fā)電機組，1臺320kW、452A應急柴油發(fā)電機組。電力負荷配置有：側推器（2200kW）、舵機、冷藏集裝箱、錨機、滑油泵（240kW）、空壓機等機艙服務泵。電力系統(tǒng)通過主配電屏和應急配電屏進行控制和管理。在大型船舶電力系統(tǒng)中模型中，主要柴油發(fā)電機組模型、電站報警系統(tǒng)模型、電站控制管理模型、配電屏模型、負載模型、主電網與應急電網模型。本文重點研究柴油發(fā)電機組模型。

1.1 船舶發(fā)電機組模型[1]

該模型主要由原動機、發(fā)電機、調速器、調壓裝置組成。系統(tǒng)方框圖如圖2所示，由調壓與調速系統(tǒng)組成兩個閉環(huán)。用Matlab的進行建模，結構如圖3所示。此處并非本文論述的重點，不詳細進行介紹了。

1.2 發(fā)電機勵磁模型

該發(fā)電機勵磁系統(tǒng)，其結構如圖4所示，為無刷勵磁系統(tǒng)。交流勵磁機有兩套勵磁繞組WE1和WE2.從電力電流互感器的副邊獲得的與發(fā)電機負載電流成正比的二次電流，經整流橋向與WE1提供適量的勵磁功率。由發(fā)電機的出線端經過自動電壓調整器向WE2提供一定的勵磁功率。勵磁繞組WE1的勵磁電流與負載電流的變化成正比，即具有電流復勵的作用，因而動態(tài)性能優(yōu)良。

圖2 柴油發(fā)電機組模型

圖3 柴油機與調速系統(tǒng)方框圖

通過分析對此勵磁系統(tǒng)進分析，如圖5所示。

圖4 勵磁系統(tǒng)結構圖

圖5 常規(guī)勵磁系統(tǒng)結構

圖5中，TR為測量環(huán)節(jié)濾波器時間常數，KA為調節(jié)器放大倍數，TA為調節(jié)器時間常數，SE勵磁機的飽和系數，KE為勵磁機的自勵系數，TE為勵磁機時間常數。KF為轉子軟反饋環(huán)節(jié)的放大倍數，T1為轉子軟反饋環(huán)節(jié)的時間常數[2]。通過 Matlab建模Simulink建模如圖6所示。

圖6 發(fā)電機勵磁系統(tǒng)模型方框圖

圖6中，vref是電壓設定值；vq是q軸電壓；vd是d軸電壓。發(fā)電機端電壓通過有效值通過低通濾波，再和勵磁電壓的實際值與設定值的差值疊加，進入主調節(jié)器的閉環(huán)環(huán)節(jié)。

1.3 同步發(fā)電機模型

1）定子端電壓方程式[3]

根據同步電機理論，假設鐵心導磁系數為常數，不計飽和；三相完全對稱，空間分布相差120°，產生正弦分布的磁動勢，定子。轉子表面光滑，不計齒槽的影響。

同步發(fā)電機模型用Matlab的PSB（Power System Blockset）模塊集進行建模。

圖7 同步電機回路圖

圖8 同步電機各繞組軸線示意圖

2）定子端電壓方程式

式中，ud，uq為定子d，q軸繞組電壓，Ψq，Ψd為d，q軸繞組磁鏈，id，iq為d，q軸繞組電流；ω為同步電機轉速，r為定子繞組電阻。

3）轉子電壓方程式

轉子繞組除勵磁繞組有外加電壓外，其他都是自己閉合的，沒有外加電壓

4）磁鏈方程

5）轉矩方程式

6）轉子運動方程式

1.4 船舶電力系統(tǒng)模型

根據特定電力推進大型客船電力系統(tǒng)的相關數據，然后結合Matlab的Sim Power Systems Blockset（PSB）按照以上方法，在Matlab的仿真環(huán)境下，建立模型界面，如圖9所示。構建以4臺柴油發(fā)電機組并網運行，1臺應急發(fā)電機做備用電網的模型。發(fā)電機組主開關合閘后，通過主配電屏（MSB）向負載側推器（ASM1—3300V/2200kW）、滑油泵（ASM3—440V/240kW）供電、空壓機（ASM2—440V/240kW）。三相接地故障是通過“3一Phase Fault”單元來模擬的。

圖9 某電力推進大型客船電力系統(tǒng)仿真模型

對系統(tǒng)模型進行仿真，在錨機正常起動后，7s時突加負載 1000n·m，在8.1s時供電電網發(fā)生三相短路，8.4s故障恢復，觀察錨機的運行狀態(tài)圖像，可以發(fā)現：

圖10 錨機突加負載及三相短路仿真圖

圖11 發(fā)電機勵磁及端電壓曲線

1）在錨機空載起動時，為使錨機迅速起動，勵磁電壓Vf進入最大飽和限制，發(fā)電機端電壓逐漸升高，最終在額定電壓值處恒定。

2）7s時突加負載1000n·m時，錨機十分平穩(wěn)，轉速、及電流僅有微小的波動。發(fā)電機勵磁電壓和端電壓也相對平穩(wěn)。證明此勵磁控制在小干擾情況下，具備比較穩(wěn)定的性能。

3）在8.1s時，發(fā)電機發(fā)生3相短路故障，在8.4s時故障排除。我們發(fā)現此時錨機的定子電流在8.1時刻劇增，轉速迅速下降至693r/min，降幅達到23%（額定轉速900r/min），8.4s故障排除，轉速逐漸上升，最終達到穩(wěn)定。此時發(fā)現發(fā)電機勵磁也處在飽和的最大值，然而并沒有使發(fā)電機端電壓迅速上升，道指轉速上升緩慢。證明此PID勵磁系統(tǒng)在發(fā)生大干擾時，穩(wěn)定性相對較差。

2 基于模糊神經網絡的勵磁控制器

在對非線性系統(tǒng)進行建模以及控制的方法中，模糊理論和神經網絡是較為有效的方法。模糊邏輯系統(tǒng)與神經網絡的有效結合，很可能會提高應用效能，這是一個新的熱點趨勢。

模糊系統(tǒng)和神經網絡的共同目標是模擬人類的智能行為，屬于非線性動力學系統(tǒng)。分布存儲、并行處理是他們共同的特點。樣本函數估計、表示、存儲，知識的表示以及推理等方面是他們的不同點。對于模糊邏輯系統(tǒng)來說，神經網絡向提供了連接式結構、學習能力；對于模糊邏輯系統(tǒng)來說，神經網絡提供了高級模糊思維、推理的結構框架。

1）模糊神經網絡勵磁控制器

較典型的模糊神經混合系統(tǒng)如圖12所示。

圖12 模糊神經網絡勵磁控制器的結構圖

輸入信號處理等工作由神經網絡來完成，輸出行為的決策控制由模糊邏輯子系統(tǒng)來處理。

本文所設計的具有雙閉環(huán)勵磁控制器如圖13所示，兩環(huán)互相作用，使誤差快速收斂并趨于0。其中一閉環(huán)為PID勵磁控制器，另外一個閉環(huán)為模糊神經網絡控制器勵磁控制系統(tǒng)。一方面PID調節(jié)器對系統(tǒng)進行自動調整，使系統(tǒng)的誤差趨于零，另一方面FNN控制器對PID的調整結果，使誤差加速收斂。

圖13 模糊神經網絡勵磁控制器的方框圖

圖14 相應自適應模糊神經推理系統(tǒng)的結構

2）模糊神經的自適應推理系統(tǒng)

自適應網絡是分為多層次的，前饋的神經網絡網絡如圖14所示，通過不斷的學習，可以對個節(jié)點進行相應調整。

網絡第一層的作用是信號模糊化，節(jié)點函數的表達形式如下：

式中，xy分別表示第 i節(jié)點的輸入，Ai，Bi分別表示模糊集。表示為x，y隸屬Ai，Bi的程度。

網絡的第二層的作用：將輸入信號相乘。

節(jié)點的輸出表示此條規(guī)則的可信程度?！癤”是滿足T規(guī)范的AND算子。

網絡的第三層中，節(jié)點主要反應相對規(guī)則的歸一化可信程度：

第四層：節(jié)點輸出：

第五層：總輸出：

在初始參數確定后，系統(tǒng)輸出表示為結論參數的線性組合。

3）算法

大多數適用于BP神經網絡的學習算法也同樣適用于模糊神經網絡，如擬牛頓法、共扼梯度法等。也可以考慮采用基于梯度方向的一類方法。

3 基于模糊神經網絡的大型電力推進客船發(fā)電機勵磁控制仿真

對勵磁控制系統(tǒng)進行模糊神經網絡控制器后，同樣對系統(tǒng)模型進行仿真如圖15、16、17所示，在錨機正常啟動后，7s時突加負載 1000n·m，在 8.1s時供電電網發(fā)生三相短路，8.4s故障恢復，觀察錨機的運行狀態(tài)。

圖15 FNN勵磁控制器錨機突加負載及三相短路仿真圖

圖16 FNN勵磁控制器發(fā)電機勵磁及端電壓曲線

圖17 錨機故障仿真轉速曲線――（FNN勵磁控制器－PID控制器勵磁）

本次仿真從錨機起動、突加負載、電網三相短路3個方面，對FNN勵磁控制器（藍色）與PID勵磁控制器（綠色）的效果進行了比較，結論如下：

1）在相同的條件下，FNN勵磁控制器的發(fā)電機錨機的起動略快。

2）在7s時，錨機突加負載，在兩種控制器的作用下，錨機轉速曲線性能相當。

3）在8.1s，電力系統(tǒng)發(fā)電機發(fā)生3相短路故障，在8.4s時故障排除。我們發(fā)現此時錨機的定子電流在8.1s時刻劇增，轉速迅速下降。在FNN勵磁控制器的發(fā)電機在此情況下使錨機轉速降至至785r/min，而PID勵磁控制的發(fā)電機使錨機轉速降至683r/min.

4）同時8.4s故障排除，錨機的轉速逐漸上升，最終達到穩(wěn)定。在FNN勵磁控制器的發(fā)電機在此情況下使錨機轉速上升速度快于PID勵磁控制的發(fā)電機的錨機，同時率先達到穩(wěn)定。

4 結論

從仿真結果可以看出，本文所設計的 FNN 勵磁控制器能夠起到明顯減少控制的調節(jié)時間、抑制過程的作用，在這兩個方面都比常規(guī)的PID 控制器要表現突出。在船舶電力系統(tǒng)受到大干擾的情況下，優(yōu)越性能尤為突出。模糊控制的突出魯棒特性加之神經網絡的非線性擬合的優(yōu)勢，使FNN 控制器在各種擾動時和故障情況下均能保持良好的控制效果，這也充分說明了本文提出的FNN 勵磁控制器保持了模糊控制和神經網絡的優(yōu)點，將模糊和神經網絡的優(yōu)勢互補，充分發(fā)揮各自的潛能。

[1]施偉鋒.船舶電站仿真器系統(tǒng)的研究與開發(fā)[J].中國航海,2002,50(1):63-68.

[2]劉取.電力系統(tǒng)穩(wěn)定性及發(fā)電機勵磁控制[M].北京:中國電力出版社,2007.

[3]倪以信.動態(tài)電力系統(tǒng)的理論和分析[M].北京:清華大學出版社,2002.

[4]SUEGENO T. Fuzzy identification of systemanditsa PP licationstomodeling and control[C]. IEEE Trans actionon System, Man, and Cybernetics, 1985, 15:116- 132.

[5]李少遠,李檸.復雜系統(tǒng)的模糊預測控制及其應用[M].北京:科學出版社,2003.

[6]李國勇.神經模糊控制理論及應用[M].北京:電子工業(yè)出版社,2009.