基于混合逻辑动态理论的船舶混合动力混杂模型预测控制方法与流程

1.本发明涉及的是一种船舶能量管理方法，具体地说是船舶动力预测控制方法。


背景技术：

2.混合动力船舶是多动力源系统，通过多种动力源的特性互补，可以实现整体系统性能的提升和改善；能量管理控制策略是实现最优性能的关键技术，是能量管理系统的核心组成，策略设计的完善程度直接决定整系统的经济性、动力性和排放性；能量管理的主要目标是在满足船舶动力性能的前提下，能够根据系统运行特性和实时工况分布将多种动力源进行合理分配与协调控制，使各设备高效运行达到性能最佳。
3.目前，在船舶混合动力上实际应用的能量管理策略主要是基于逻辑门限和模糊推理能量管理策略；混合动力系统的基于规则的能量管理控制策略主要集中在各动力源最佳功率的分配和工作模式的分类，模糊规则要比逻辑门限有较好的鲁棒性，但是以上两种方式中涉及到的阈值和隶属度函数设置都过于依赖专家经验，很难实时获得最优控制效果且在模式切换引发震荡问题。


技术实现要素：

4.本发明的目的在于提供能提高工况的适应性，最优分配动力源，使发动机和电机工作在高效率区间的基于混合逻辑动态理论的船舶混合动力混杂模型预测控制方法。
5.本发明的目的是这样实现的：
6.本发明基于混合逻辑动态理论的船舶混合动力混杂模型预测控制方法，其特征是：
7.(1)基于混合逻辑动态的船舶混合动力混杂系统模型建立；
8.(2)进一步建立基于混杂混合船舶模型的混杂系统预测控制；
9.(3)基于工况预测的神经网络学习变权重矩阵混杂模型预测控制方法；
10.(4)混杂模型预测控制的求解，得到船舶功率最优分配。
11.本发明还可以包括：
12.1、所述步骤(1)中的船舶混合动力混杂模型系统模型建立，具体包括：
13.(a)建立船舶混合动力系统的系统状态方程；
14.对于船舶混合动力系统，其动力学方程为：
15.16.式中为系统状态变量，y(t)＝cx(t)为系统输出变量，为系统控制变量；ω为输出转速，soc为电池的荷电状态；p
e
(t)、p
m
(t)分别为发动机和电机目标功率；
17.(b)引入辅助变量，将工作模式与切换条件进行逻辑整合；
18.所述工作模式具体包括：机械推进模式mp、电机推进模式pth、主机推进充电模式pto、混合推进模式boost；辅助变量与工作模式以及切换条件的关系如下：
[0019][0020]
式中(等价)，(异或)为逻辑运算符；
[0021]
不同模式对应的动力系统状态方程为：
[0022]
[0023]
(c)利用混杂系统描述语言中的hysdel编译器建立船舶混合动力系统模型，通过对船舶混合动力系统的动态特性、操作约束和逻辑规则引入到混合逻辑动态框架中；
[0024]
建立的mld模型如下：
[0025][0026]
式中
[0027]
2、所述步骤(2)中建立基于混杂混合船舶模型的混杂系统预测控制具体为：
[0028]
根据船舶混合动力控制的要求，设计调节器型性能指标函数如下式所示，通过设计控制量u(k)，使系统回到设计状态，且使下式指标最小：
[0029][0030][0031]
3、所述步骤(3)中基于工况预测的神经网络学习变权重矩阵混杂模型预测控制方法，具体包括：
[0032]
(a)建立基于工况预测的神经网络变权重矩阵模型；
[0033]
首先初始化动作神经网络，输入训练工况和控制矩阵权矩阵和误差权矩阵进行有导师的数据训练；然后通过对工况预测进行的混杂系统输出信号进行权重最优化，得到基于工况预测的神经网络变权重矩阵模型；
[0034]
(b)在预测时域内，根据神经网络变权重矩阵模型，实时更换性能指标函数中的控制和误差权矩阵系数，构建船舶混合动力的混杂模型预测控制器。
[0035]
4、所述步骤(4)中混杂模型预测控制的求解，得到船舶功率最优分配，具体包括：
[0036]
生成对应控制器的混合整数二次规划问题，如下式
[0037][0038]
s.t.aq≤b cθ
[0039]
式中q＝[u0,
…
u
n
‑1,δ0,
…
δ
n
‑1,z0,
…
z
n
‑1]，θ＝[x,r
x
,r
y
,r
u
,r
z
]；
[0040]
利用gurobi求解器进行求解，将最优控制序列的第一个元素作为当前时刻的控制输入。
[0041]
本发明的优势在于：本发明可以有效解决采用模式切换引来的震荡问题，有效提高能量管理策略的控制效果，进一步提高船舶的燃料经济性。
附图说明
[0042]
图1为本发明适用于船舶混合动力系统的拓扑结构；
[0043]
图2为本发明中辅助变量与切换条件的关系。
具体实施方式
[0044]
下面结合附图举例对本发明做更详细地描述：
[0045]
结合图1
‑
2，本发明提供了一种基于混合逻辑动态理论的船舶混合动力混杂模型预测控制方法，在混合逻辑动态建模的框架下，依据系统物理定律、逻辑规则以及操作约束建立船舶混合动力混杂系统模型；进一步建立基于混杂系统的混杂模型预测优化控制，为了满足不同时期快速性与鲁棒性等不同控制要求提出了基于工况预测的神经网络学习变权重矩阵混杂模型预测控制方法；根据能量优化目标确定混合动力船舶功率最优分配组合，以对分配功率进行精确管理；包括以下步骤：
[0046]
步骤1：基于混合逻辑动态的船舶混合动力混杂系统模型建立；
[0047]
步骤2：进一步建立基于混杂混合船舶模型的混杂系统预测控制；
[0048]
步骤3：基于工况预测的神经网络学习变权重矩阵混杂模型预测控制方法；
[0049]
步骤4：混杂模型预测控制的求解，得到船舶功率最优分配。
[0050]
所述步骤1中的船舶混合动力混杂模型系统模型建立，具体包括：
[0051]
(a)建立船舶混合动力系统的系统状态方程；
[0052]
对于船舶混合动力系统，其动力学方程为：
[0053][0054]
式中为系统状态变量，y(t)＝cx(t)为系统输出变量，为系统控制变量；ω为输出转速，soc为电池的荷电状态；p
e
(t)、p
m
(t)分别为发动机和电机目标功率。
[0055]
(b)引入辅助变量，将工作模式与切换条件进行逻辑整合；
[0056]
所述工作模式具体包括：机械推进模式(mp)、电机推进模式(pth)、主机推进充电模式(pto)、混合推进模式(boost)；辅助变量与工作模式以及切换条件的关系见图2，不同模式对应的动力系统状态方程如式(2)所示。
[0057][0058]
工作模式与切换条件对应的逻辑关系如下：
[0059][0060]
式中(等价)，(异或)为逻辑运算符；
[0061]
(c)利用混杂系统描述语言中的hysdel编译器建立船舶混合动力系统模型。
[0062]
通过对船舶混合动力系统的动态特性、操作约束和逻辑规则引入到混合逻辑动态框架中。
[0063]
建立的mld模型如下：
[0064][0065]
式中
[0066]
所述步骤2中建立基于混杂混合船舶模型的混杂系统预测控制；
[0067]
根据船舶混合动力控制的要求，设计调节器型性能指标函数如式(4)所示，通过设计控制量u(k)，使系统回到设计状态，且使式(4)指标最小。
[0068][0069][0070]
所述步骤3中基于工况预测的神经网络学习变权重矩阵混杂模型预测控制方法；具体包括：
[0071]
(a)建立基于工况预测的神经网络变权重矩阵模型；
[0072]
首先初始化动作神经网络，输入训练工况和控制矩阵权矩阵和误差权矩阵进行有导师的数据训练；然后通过对工况预测进行的混杂系统输出信号进行权重最优化，得到基于工况预测的神经网络变权重矩阵模型。
[0073]
(b)在预测时域内，根据神经网络变权重矩阵模型，实时更换性能指标函数中的控制和误差权矩阵系数，构建船舶混合动力的混杂模型预测控制器。
[0074]
所述步骤4中混杂模型预测控制的求解，得到船舶功率最优分配；具体包括：
[0075]
将式(5)生成对应控制器的混合整数二次规划(miqp)问题，如下式
[0076][0077]
式中q＝[u0,
…
u
n
‑1,δ0,
…
δ
n
‑1,z0,
…
z
n
‑1]，θ＝[x,r
x
,r
y
,r
u
,r
z
]
[0078]
利用gurobi求解器进行求解，将最优控制序列的第一个元素作为当前时刻的控制输入。