[发明专利]神经网络观测器的推进电机无模型自适应预测控制方法

说明书

本发明公开了一种基于神经网络观测器的推进电机无模型自适应预测控制方法，用于解决半潜船吊舱推进电机在复杂海况下存在的未建模动态、负载扰动问题。其步骤包括：建立吊舱推进电机离散动力学模型；根据离散动力学模型，建立系统的动态线性化数据模型以及多步预测方程；利用神经网络观测器对非线性扰动项进行估计，并将估计结果反馈到控制律中进行扰动补偿；根据基于神经网络观测器的推进电机无模型自适应预测控制方法确定控制方案。本发明通过引入未来时刻的输入信息，有效提高吊舱推进电机控制系统的控制性能与鲁棒性。

技术领域

本发明属于船舶电力推进器控制技术领域，利用神经网络与无模型自适应预测方法设计的一种吊舱推进电机转速矢量控制方案。

背景技术

随着社会经济的快速发展，陆地上石油能源急剧消耗带来的能源枯竭问题日益严峻。在这一背景下，越来越多的国家和公司把注意力放到了海洋资源的开发利用。20世纪五六十年代，美国目的于海上石油开发首次提出了动力定位系统技术(DynamicPositioning,DP)，DP系统是指仅依靠推进器保持船舶以及石油开发平台的固定位置。经过60多年的发展，DP系统的基本原理并未发生重大变化，但随着科学技术的进步，发展出了吊舱式推进方式，相较于常规柴油机推进，吊舱式推进能够有效提高推进效率，减少海洋环境污染。

永磁同步电机(Permanent Magnet Synchronous Motor,PMSM)具有体积小、效率高的优点，常被作为吊舱式推进方式中的电机使用。与常规永磁同步电机机械结构不同，吊舱推进电机的转子与螺旋桨直接相连，对负载变化、噪声等扰动更加敏感。因此，提高永磁同步电机的控制性能和抗扰性能对当前DP系统发展有重要的现实意义。林淑仪等基于磁链模型设计转子转速估计器，减小了永磁同步电机正反转时的位置估计误差。贺龙等提出了一种基于模型的自适应超局部表面安装式永磁同步电机连续控制集滑模预测速度控制策略模型，通过每个采样时刻根据I/O数据对模型进行更新，提高了局域连续控制集模型的预测速度控制性能。可见，通过对PMSM建立模型并加以控制能够在一定程度上提高PMSM的控制性能。但是，吊舱推进电机工作环境恶劣，容易受到海浪、海风等未知因素的影响，根据机理建模建立的系统模型常存在未建模动态和其他不确定性因素的问题。

因此，研究一种新的控制方法，解决目前吊舱推进电机控制器设计存在未建模动态、抗扰能力差的问题是非常迫切的。

发明内容

本发明利用等价的动态线性化数据模型方法，结合预测控制设计思想，提出一种改进无模型自适应预测控制方法。同时，为了减少复杂海况带来的负载扰动问题，设计了一种神经网络观测器(Neural Network Observer)进行扰动补偿。通过仿真验证，与无模型自适应预测控制(model free adaptive predictive control,MFAPC)、PI控制相比较，本文提出的基于神经网络观测器的推进电机无模型自适应预测控制(简称NN-MFAPC)控制策略能够较好的抑制转矩脉动及螺旋桨负载扰动带来的影响，有效提高系统的控制性能。

为了实现上述发明目的，本发明采取如下设计方案：

(1)建立吊舱推进电机离散动力学模型：

1)吊舱推进电机运动方程如下：

其中，T_e为电磁转矩，p为电机极对数，为永磁体与定子交链磁链，i_q为q轴电流，ω为推进电机转子角速度，ω＝2πn/60，n为推进电机的输出转速，T_L为负载转矩，J为转动惯量，F为吊舱推进电机的摩擦系数，K_Q为转矩系数，ρ为水的密度，D为螺旋桨直径，m定义影响推进电机转速的螺旋桨负载扰动；；

2)吊舱推进电机离散动力学模型如下：