一种基于信度推理的电推船舶电机PID参数整定方法与流程

本发明涉及一种基于信度推理的电力推进船舶他励直流电机递归pid参数整定方法，属于船舶智能控制领域。

背景技术：

电力推进船舶以其轻量化、操控性好、高效节能等的优点在航运业得到了更为广泛的应用。由于推进电机的转速控制易受外部载荷扰动、动态非线性等不确定性因素的影响，采用先进的控制策略解决不确定性因素对于推进电机转速的影响，建立高性能的转速控制系统十分必要。pid控制器其具有算法简单、鲁棒性好、可靠性高等优点，可将其用于电力推进船舶的推进电机控制中，但是pid控制器参数的整定直接影响控制系统的性能指标，进而对推进电机的平稳运行产生重要影响，因此pid控制器的参数整定成为电力推进船舶的推进电机转速控制系统设计的核心问题。

在电力推进船舶的电机转速控制中，考虑到系统的非线性、大惯性以及不确定性等特点，若利用固定参数的pid控制方法，则无法保证系统达到理想的控制效果，不足以适应复杂的工况，不能满足高性能指标的控制要求。

技术实现要素：

本发明的目的是提出一种基于信度推理的电力推进船舶他励直流电机递归pid参数整定方法，该方法以他励直流电机电机为被控对象构成闭环控制系统，通过对pid控制参数的在线调整达到对被控对象的实时控制，从而达到对象输出实时跟踪输入信号的效果。

本发明提出的基于信度推理的电力推进船舶他励直流电机递归pid参数整定方法，包括以下各步骤：

一种基于信度推理的电力推进船舶他励直流电机递归pid参数整定方法，包括以下步骤：

(1)在不加负载的情况下，确定电力推进船舶他励直流电机的传递函数为：

式(1)中g表示他励直流电机的传递函数，u为输入端电枢电压，y为输出端电动机的转速；ku为传递函数增益系数，ta(单位：s)为电动机的电磁时间常数，tm(单位：s)为电机时间常数。

(2)给出增量式pid控制算法的增量表达式和pid控制器输出表达式，计算分别如下

δu(t)＝kp[e(t)-e(t-1)]+kie(t)+kd[e(t)-2e(t-1)+e(t-2)](2)

u(t)＝u(t-1)+δu(t)(3)

式(2)中δu(t)为t时刻的增量，e(t)、e(t-1)和e(t-2)分别为t、(t-1)和(t-2)采样时刻闭环控制系统的偏差值；kp、ki、kd分别为比例、积分和微分系数，kp∈[0,1]、ki∈[0,1]、kd∈[0,1]；式(3)中，u(t)和u(t-1)分别为t、(t-1)时刻pid控制器的输出。

(3)构造关于pid控制器参数kp的信度推理模型，将闭环系统的输入，即电动机的设定转速r(t)作为信度推理模型的输入f1(t)，r(t)一个周期内表达式为其中ts为采样间隔，每隔0.02s采样一次三角波信号，共采集t次，取t≥400；将闭环系统的输出变量，即电机的实际输出转速y(t)作为信度推理模型的输入f2(t)，闭环控制系统偏差量e(t)＝r(t)-y(t)作为信度推理模型的输入f3(t)，kp作为模型输出；将f1(t)，f2(t)，f3(t)和kp表示成样本集合s＝{[f1(t),f2(t),f3(t),kp(t)]|t＝1,2,...,ts}，其中[f1(t),f2(t),f3(t),kp(t)]为一个样本向量，ts为采样时间。

(4)设定pid控制器参数kp的结果参考值集合并将d作为辨识框架，n为pid控制器参数kp的结果参考值个数，p表示pid控制器参数kp所对应的推理模型；输入变量fi的参考值集合ji为输入信号fi的参考值个数。

(5)给定如表1所示的信度矩阵表来描述输入fi和结果kp之间的关系，其中表示输入为fi时的参考值，表示当输入值fi取参考值时，结果值kp为参考值的信度，并有其中表示输入fi对应的参考值的证据；同时给定输入信息源fi的可靠性为ri^p，满足0≤ri^p≤1，并设定初始证据权重

表1输入fi的信度矩阵表

(6)在t时刻产生的样本数据向量x＝[f1(t),f2(t),f3(t)]作为所建模型的输入量，根据步骤(5)中给定的信度矩阵表和输入信息源可靠性，通过信度推理可确定初始的pid控制器参数kp，具体步骤如下：

(6-1)输入值fi(t)根据式(4)转换为置信度的形式，αi,j表示对于参考值的匹配度计算如下

(6-2)对于输入值fi(t)，其必然落入某两个参考值构成的区间此时这两个参考值对应的证据和被激活，则输入值fi(t)的证据可由参考值证据和以加权和的形式获得

(6-3)利用式(5a)和式(5b)获得f1(t)、f2(t)和f3(t)的证据和利用证据推理规则对和进行融合，融合结果如下：

(6-4)根据步骤(6-3)得到的融合结果o(x(t))可估计出kp(t)，计算公式如下：

(7)根据上述关于构造kp的信度推理模型的相同步骤(3)～步骤(6)，构建关于ki的信度推理模型，步骤如下：

(7-1)构造关于pid控制器参数ki的信度推理模型，将闭环系统的输入，即电动机的设定转速r(t)作为信度推理模型的输入f1(t)，r(t)一个周期内表达式为其中ts为采样间隔，每隔0.02s采样一次三角波信号，共采集t次，取t≥400；将闭环系统的输出变量，即电机的实际输出转速y(t)作为信度推理模型的输入f2(t)，闭环控制系统偏差量e(t)＝r(t)-y(t)作为信度推理模型的输入f3(t)，kp作为模型输出；将f1(t)，f2(t)，f3(t)和ki表示成样本集合s＝{[f1(t),f2(t),f3(t),ki(t)]|t＝1,2,...,ts}，其中[f1(t),f2(t),f3(t),ki(t)]为一个样本向量，ts为采样时间。

(7-2)设定pid控制器参数ki的结果参考值集合并将d作为辨识框架，n为pid控制器参数ki的结果参考值个数，i表示pid控制器参数ki所对应的推理模型；给定如表2所示的信度矩阵表来描述输入fi和结果ki之间的关系，其中表示输入为fi时的参考值，表示当输入值fi取参考值时，结果值ki为参考值的信度，并有其中表示输入fi对应的参考值的证据；同时给定输入信息源fi的可靠性为riⁱ，满足0≤riⁱ≤1，并设定初始证据权重

表2输入fi的信度矩阵表

(7-3)在t时刻产生的样本数据向量x＝[f1(t),f2(t),f3(t)]作为所建模型的输入量，通过与步骤(6)相同的推理获取对应的pid控制器估计输出ki(t)：

(8)根据上述关于构造kp的信度推理模型的相同步骤(3)～步骤(6)，构建关于kd的信度推理模型，步骤如下：

(8-1)构造关于pid控制器参数kd的信度推理模型，将闭环系统的输入，即电动机的设定转速r(t)作为信度推理模型的输入f1(t)，r(t)一个周期内表达式为其中ts为采样间隔，每隔0.02s采样一次三角波信号，共采集t次，取t≥400；将闭环系统的输出变量，即电机的实际输出转速y(t)作为信度推理模型的输入f2(t)，闭环控制系统偏差量e(t)＝r(t)-y(t)作为模型输入f3(t)，kd作为信度推理模型的输出；将f1(t)，f2(t)，f3(t)和kd表示成样本集合s＝{[f1(t),f2(t),f3(t),kd(t)]|t＝1,2,...,ts}，其中[f1(t),f2(t),f3(t),kd(t)]为一个样本向量，ts为采样时间。

(8-2)设定pid控制器参数kd的结果参考值集合并将d作为辨识框架，n为pid控制器参数kd的结果参考值个数，d表示pid控制器参数kd所对应的推理模型；给定如表3所示的信度矩阵表来描述输入fi和结果kd之间的关系，其中表示输入为fi时的参考值，表示当输入值fi取参考值时，结果值kd为参考值的信度，并有其中表示输入fi对应的参考值的证据；同时给定输入信息源fi的可靠性为ri^d，满足0≤ri^d≤1，并设定初始证据权重

表3输入fi的信度矩阵表

(8-3)在t时刻产生的样本数据向量x＝[f1(t),f2(t),f3(t)]作为所建模型的输入量，通过与步骤(6)相同的推理获取对应的pid控制器估计输出kd(t)：

(9)将上述推理模型推出的kp(t)、ki(t)、kd(t)带入公式(2)和(3)可计算出t时刻pid控制器的输出增量δu(t)和pid控制器的输出u(t)，将u(t)作用于被控他励直流电机，并将其带入由公式(1)离散化变换之后的公式中，即可计算出t时刻闭环系统的输出y(t)。

(10)基于序列线性规划(slp)构建局部参数递归优化模型，具体步骤如下：

(10-1)确定优化参数集合wi表示证据的权重，分别表示t时刻第i个输入特征被激活的相邻两个参考值对应的证据，表示当输入值fi取参考值时，输出结果kp(t)、ki(t)、kd(t)分别对应参考值dn的信度。

(10-2)将闭环系统的输入与输出之间误差平方的最小值作为优化目标函数

minpξ(p)＝(rin(t)-y(t))²(10a)

s.t.0≤wi≤1,i＝1,2,3(10b)

式(10b)～(10d)表示优化参数需满足的约束条件。

(10-3)基于slp方法，确定最优的参数集合p，分别对表1、表2和表3中初定的信度矩阵表和权重进行更新，根据步骤(6)、步骤(7)和步骤(8)确定优化后的pid控制器参数和带入公式(2)和(3)可计算出t时刻pid控制器的输出的增量和pid控制器的输出将作用于被控电机，并将其带入由公式(1)离散化变换之后的公式中，进而得到更为精确的同时将(t-1)时刻和t时刻对应的pid控制器的输出和电机的实际输出转速带入由公式(1)离散化变换之后的公式中，即可预测(t+1)时刻的电机实际输出的转速y(t+1)，由此获取(t+1)时刻的样本输入x＝[r(t+1),y(t+1),e(t+1)]。

(11)将t时刻优化后的kp,ki,kd的推理模型作为(t+1)时刻的初始模型，重复步骤(6)～步骤(10)，确定(t+1)时刻优化后的pid控制器参数，并用于估算该时刻电机的实际输出转速和下一时刻的推理模型的输入样本，依次类推，通过递归迭代不断修正pid控制器参数，提高系统精度。

本发明提出的基于信度推理的电力推进船舶他励直流电机递归pid参数整定方法，根据系统设定转速、电机实际输出转速和闭环控制系统偏差量的变化范围和pid控制器比例单元、积分单元和微分单元的参数变化范围设定相应的输入与结果参考值；给定反映输入特征与输出结果关系的信度矩阵表；根据输入特征信号确定pid控制器参数的能力，确定输入信息源的可靠性；获取采样样本，计算输入样本特征与参考值的匹配度，及每一组输入样本向量激活的证据，利用证据推理规则对被激活的证据进行融合，从中推理得到pid控制器参数的估计值；构建pid控制器参数局部递归优化模型，采用序列线性规划(slp)方法对确定pid参数的信度推理模型参数进行实时优化、更新，使闭环控制系统的输出能够实时准确地跟踪输入。根据本发明方法编制的程序(编译环境matlab)可以在计算机上运行，并联合传感器、数据采集器等硬件组成船舶他励直流电机调速控制系统，从而实现对电力推进船舶推进电机转速的智能控制，提高电机的控制的实时性和控制精度，降低了pid参数确定模型的复杂性。

附图说明

图1是基于信度推理的电力推进船舶他励直流电机闭环控制系统模型结构框图；

图2是本发明方法的程序流程框图；

图3是电力推进船舶他励直流电机闭环输出信号跟踪输入信号的图；

图4是电力推进船舶他励直流电机闭环输出信号与输入信号的偏差图。

具体实施方式

本发明提出的基于信度推理的他励直流电机递归pid参数整定方法，是在图1的基础上所作出的一种参数整定方法，其流程框图如图2所示，包括以下各步骤：

(1)在不加负载的情况下，确定电力推进船舶他励直流电机的传递函数为：

式(1)中g表示他励直流电机的传递函数，u为输入端电枢电压，y为输出端电动机的转速；ku为传递函数增益系数，ta(单位：s)为电动机的电磁时间常数，tm(单位：s)为电机时间常数。

(2)给出增量式pid控制算法的增量表达式和pid控制器输出表达式，计算分别如下

δu(t)＝kp[e(t)-e(t-1)]+kie(t)+kd[e(t)-2e(t-1)+e(t-2)](2)

u(t)＝u(t-1)+δu(t)(3)

式(2)中δu(t)为t时刻的增量，e(t)、e(t-1)和e(t-2)分别为t、(t-1)和(t-2)采样时刻闭环控制系统的偏差值；kp、ki、kd分别为比例、积分和微分系数，kp∈[0,1]、ki∈[0,1]、kd∈[0,1]；式(3)中，u(t)和u(t-1)分别为t、(t-1)时刻pid控制器的输出。

(3)构造关于pid控制器参数kp的信度推理模型，将闭环系统的输入，即电动机的设定转速r(t)作为信度推理模型的输入f1(t)，r(t)一个周期内表达式为其中ts为采样间隔，每隔0.02s采样一次三角波信号，共采集t次，取t≥400；将闭环系统的输出变量，即电机的实际输出转速y(t)作为信度推理模型的输入f2(t)，闭环控制系统偏差量e(t)＝r(t)-y(t)作为信度推理模型的输入f3(t)，kp作为模型输出；将f1(t)，f2(t)，f3(t)和kp表示成样本集合s＝{[f1(t),f2(t),f3(t),kp(t)]|t＝1,2,...,ts}，其中[f1(t),f2(t),f3(t),kp(t)]为一个样本向量，ts为采样时间。

(4)设定pid控制器参数kp的结果参考值集合并将d作为辨识框架，n为pid控制器参数kp的结果参考值个数，p表示pid控制器参数kp所对应的推理模型；输入变量fi的参考值集合ji为输入信号fi的参考值个数。

(5)给定如表1所示的信度矩阵表来描述输入fi和结果kp之间的关系，其中表示输入为fi时的参考值，表示当输入值fi取参考值时，结果值kp为参考值的信度，并有其中表示输入fi对应的参考值的证据；同时给定输入信息源fi的可靠性为ri^p，满足0≤ri^p≤1，并设定初始证据权重

表1输入fi的信度矩阵表

(6)在t时刻产生的样本数据向量x＝[f1(t),f2(t),f3(t)]作为所建模型的输入量，根据步骤(5)中给定的信度矩阵表和输入信息源可靠性，通过信度推理可确定初始的pid控制器参数kp，具体步骤如下：

(6-1)输入值fi(t)根据式(4)转换为置信度的形式，αi,j表示对于参考值的匹配度计算如下

(6-2)对于输入值fi(t)，其必然落入某两个参考值构成的区间此时这两个参考值对应的证据和被激活，则输入值fi(t)的证据可由参考值证据和以加权和的形式获得：

(6-3)利用式(5a)和式(5b)获得f1(t)、f2(t)和f3(t)的证据和利用证据推理规则对和进行融合，融合结果如下：

(6-4)根据步骤(6-3)得到的融合结果o(x(t))可估计出kp(t)，计算公式如下：

为了便于理解，这里举例说明kp(t)的推理过程，步骤如下：

设pid控制器参数kp的结果参考值集合d＝{0.61,0.62,0.64,0.66}，系统设定转速f1的输入参考值集合a1＝{-0.01,0.35,0.65,1.01}，电机的实际输出转速f2的输入参考值集合a2＝{-0.01,0.35,0.75,1.0}，闭环控制系统偏差量f3的输入参考值集合a3＝{-0.20,-0.1,0.1,0.19}，j1＝j2＝j3＝4；同时给定t＝2时刻描述输入fi和结果kp之间的关系的信度矩阵表如表4～表6所示，输入信息源fi的可靠性为ri^p，i＝3，令

表4输入f1的信度矩阵表

表5输入f2的信度矩阵表

表6输入f3的信度矩阵表

采样t＝2时刻产生的样本数据向量x＝[f1(t),f2(t),f3(t)]＝[0.04,0.0003,0.0397]作为所建模型的输入量，根据步骤(6)可知该样本输入f1(t)与和的相似度α1,1＝0.8611，α1,2＝0.1389，激活证据和输入f2(t)与和的相似度α2,1＝0.9715，α2,2＝0.0285，激活证据和输入f3(t)与和的相似度α3,2＝0.3013，α3,3＝0.6987，激活证据和由公式(5a)和(5b)可得到根据公式(6a)对和进行融合，融合后的结果如下所示：

已知融合结果可由公式(7)估计出当前时刻pid控制系数下述关于ki、kd的推理方法亦是如此。

(7)根据上述关于构造kp的信度推理模型的相同步骤(3)～步骤(6)，构建关于ki的信度推理模型，步骤如下：

(7-1)构造关于pid控制器参数ki的信度推理模型，将闭环系统的输入，即电动机的设定转速r(t)作为信度推理模型的输入f1(t)，r(t)一个周期内表达式为其中ts为采样间隔，每隔0.02s采样一次三角波信号，共采集t次，取t≥400；将闭环系统的输出变量，即电机的实际输出转速y(t)作为信度推理模型的输入f2(t)，闭环控制系统偏差量e(t)＝r(t)-y(t)作为信度推理模型的输入f3(t)，kp作为模型输出；将f1(t)，f2(t)，f3(t)和ki表示成样本集合s＝{[f1(t),f2(t),f3(t),ki(t)]|t＝1,2,...,ts}，其中[f1(t),f2(t),f3(t),ki(t)]为一个样本向量，ts为采样时间。

(7-2)设定pid控制器参数ki的结果参考值集合并将d作为辨识框架，n为pid控制器参数ki的结果参考值个数，i表示pid控制器参数ki所对应的推理模型；给定如表2所示的信度矩阵表来描述输入fi和结果ki之间的关系，其中表示输入为fi时的参考值，表示当输入值fi取参考值时，结果值ki为参考值的信度，并有其中表示输入fi对应的参考值的证据；同时给定输入信息源fi的可靠性为riⁱ，满足0≤riⁱ≤1，并设定初始证据权重

表2输入fi的信度矩阵表

(7-3)在t时刻产生的样本数据向量x＝[f1(t),f2(t),f3(t)]作为所建模型的输入量，通过与步骤(6)相同的推理获取对应的pid控制器估计输出ki(t)：

在t＝2时刻，针对同一样本数据举例说明ki(t)的推理过程，步骤如下：

设pid控制器参数ki的结果参考值集合d＝{0.62,0.64,0.66,0.68}，系统设定转速f1的输入参考值集合a1＝{-0.01,0.35,0.65,1.01}，电机的实际输出转速f2的输入参考值集合a2＝{-0.01,0.35,0.75,1.0}，闭环控制系统偏差量f3的输入参考值集合a3＝{-0.20,-0.1,0.1,0.19}，j1＝j2＝j3＝4；同时给定t＝2时刻描述输入fi和结果ki之间的关系的信度矩阵表如表7～表9所示，输入信息源fi的可靠性为riⁱ，i＝3，令

表7输入f1的信度矩阵表

表8输入f2的信度矩阵表

表9输入f3的信度矩阵表

采样t＝2时刻产生的样本数据向量x＝[f1(t),f2(t),f3(t)]＝[0.04,0.0003,0.0397]作为所建模型的输入量，根据步骤(6)可知该样本输入f1(t)与和的相似度α1,1＝0.8611，α1,2＝0.1389，激活证据和输入f2(t)与和的相似度α2,1＝0.9715，α2,2＝0.0285，激活证据和输入f3(t)与和的相似度α3,2＝0.3013，α3,3＝0.6987，激活证据和由公式(5a)和(5b)可得到根据公式(6a)对和进行融合，融合后的结果如下所示：

已知融合结果可由公式(8)估计出当前时刻pid控制系数

(8)根据上述关于构造kp的信度推理模型的相同步骤(3)～步骤(6)，构建关于kd的信度推理模型，步骤如下：

(8-1)构造关于pid控制器参数kd的信度推理模型，将闭环系统的输入，即电动机的设定转速r(t)作为信度推理模型的输入f1(t)，r(t)一个周期内表达式为其中ts为采样间隔，每隔0.02s采样一次三角波信号，共采集t次，取t≥400；将闭环系统的输出变量，即电机的实际输出转速y(t)作为信度推理模型的输入f2(t)，闭环控制系统偏差量e(t)＝r(t)-y(t)作为模型输入f3(t)，kd作为信度推理模型的输出；将f1(t)，f2(t)，f3(t)和kd表示成样本集合s＝{[f1(t),f2(t),f3(t),kd(t)]|t＝1,2,...,ts}，其中[f1(t),f2(t),f3(t),kd(t)]为一个样本向量，ts为采样时间。

(8-2)设定pid控制器参数kd的结果参考值集合并将d作为辨识框架，n为pid控制器参数kd的结果参考值个数，d表示pid控制器参数kd所对应的推理模型；给定如表3所示的信度矩阵表来描述输入fi和结果kd之间的关系，其中表示输入为fi时的参考值，表示当输入值fi取参考值时，结果值kd为参考值的信度，并有其中表示输入fi对应的参考值的证据；同时给定输入信息源fi的可靠性为ri^d，满足0￡ri^d￡1，并设定初始证据权重

表3输入fi的信度矩阵表

(8-3)在t时刻产生的样本数据向量x＝[f1(t),f2(t),f3(t)]作为所建模型的输入量，通过与步骤(6)相同的推理获取对应的pid控制器估计输出kd(t)：

在t＝2时刻，针对同一样本数据举例说明kd(t)的推理过程，步骤如下：

设pid控制器参数kd的结果参考值集合d＝{0.62,0.64,0.68,0.71}，系统设定转速f1的输入参考值集合a1＝{-0.01,-0.35,0.65,1.01}，电机的实际输出转速f2的输入参考值集合a2＝{-0.03,0.25,0.5,1.03}，闭环控制系统偏差量f3的输入参考值集合a3＝{-0.12,-0.04,0.04,0.12}，j1＝j2＝j3＝4；同时给定t＝2时刻描述输入fi和结果kd之间的关系的信度矩阵表如表10～表12所示，输入信息源fi的可靠性为ri^d，i＝3，令

表10输入f1的信度矩阵表

表11输入f2的信度矩阵表

表12输入f3的信度矩阵表

采样t＝2时刻产生的样本数据向量x＝[f1(t),f2(t),f3(t)]＝[0.04,0.0003,0.0397]作为所建模型的输入量，根据步骤(6)可知该样本输入f1(t)与和的相似度α1,1＝0.8611，α1,2＝0.1389，激活证据和输入f2(t)与和的相似度α2,1＝0.9715，α2,2＝0.0285，激活证据和输入f3(t)与和的相似度α3,2＝0.3013，α3,3＝0.6987，激活证据和由公式(5a)和(5b)可得到根据公式(6a)对和进行融合，融合后的结果如下所示：

已知融合结果可由公式(9)估计出当前时刻pid控制系数

(9)将上述推理模型推出的kp(t)、ki(t)、kd(t)带入公式(2)和(3)可计算出t时刻pid控制器的输出增量δu(t)和pid控制器的输出u(t)，将u(t)作用于被控他励直流电机，并将其带入由公式(1)离散化变换之后的公式中，即可计算出t时刻闭环系统的输出y(t)。

将上述推理模型推出的kp(t)、ki(t)、kd(t)带入公式(2)和(3)可计算出t时刻pid控制器的输出增量δu(t)＝0.037和pid控制器的输出u(t)＝0.0375+0.037＝0.0745，将u(t)作用于被控他励直流电机，并将其带入由公式(1)离散化变换之后的公式中，即可计算出t时刻闭环系统的输出y(t)＝0.0003。

(10)基于序列线性规划(slp)构建局部参数递归优化模型，具体步骤如下：

(10-1)确定优化参数集合wi表示证据的权重，分别表示t时刻第i个输入特征被激活的相邻两个参考值对应的证据，表示当输入值fi取参考值时，输出结果kp(t)、ki(t)、kd(t)分别对应参考值dn的信度。

(10-2)将闭环系统的输入与输出之间误差平方的最小值作为优化目标函数

minpξ(p)＝(rin(t)-y(t))²(10a)

s.t.0≤wi≤1,i＝1,2,3(10b)

式(10b)～(10d)表示优化参数需满足的约束条件。

(10-3)基于slp方法，确定最优的参数集合p，分别对表1、表2和表3中初定的信度矩阵表和权重进行更新，根据步骤(6)、步骤(7)和步骤(8)确定优化后的pid控制器参数和带入公式(2)和(3)可计算出t时刻pid控制器的输出的增量和pid控制器的输出将作用于被控电机，并将其带入由公式(1)离散化变换之后的公式中，进而得到更为精确的同时将(t-1)时刻和t时刻对应的pid控制器的输出和电机的实际输出转速带入由公式(1)离散化变换之后的公式中，即可预测(t+1)时刻的电机实际输出的转速y(t+1)，由此获取(t+1)时刻的样本输入x＝[r(t+1),y(t+1),e(t+1)]。

(11)将t时刻优化后的kp,ki,kd的推理模型作为(t+1)时刻的初始模型，重复步骤(6)～步骤(10)，确定(t+1)时刻优化后的pid控制器参数，并用于估算该时刻电机的实际输出转速和下一时刻的推理模型的输入样本，依次类推，通过递归迭代不断修正pid控制器参数，提高系统精度。

为了便于理解此模型的优化及参数更新过程，这里进行举例说明，此系统的优化特点为在线局部优化，优化参数是实时更新的，即描述输入fi和结果kp之间的关系的信度矩阵表中的参数和证据的权重是实时变化的。

对于t＝2时刻产生的样本数据向量x＝[f1(t),f2(t),f3(t)]＝[0.04,0.0035,0.0365]，信度推理模型的输入f1(t)＝0.04激活了6条证据，分别如下：

信度推理模型的输入f2(t)＝0.0035激活了6条证据，分别如下：

信度推理模型的输入f3(t)＝0.0365激活了6条证据，分别如下：

t＝2时刻初始的证据权重为：

对上述t＝2时刻样本数据输入向量激活的18条证据中的置信度和证据权重w进行优化，优化完成后，描述当前时刻fi和结果kp、ki和kd之间的关系的信度矩阵表和证据的权重都会发生变化，新的证据权重为：这里只列举优化后fi对应kp的信度矩阵表，如下表13～表15所示：

表13输入f1的信度矩阵表

表14输入f2的信度矩阵表

表15输入f3的信度矩阵表

上面只列举了t＝2时刻fi对应kp的信度矩阵表和权重变化，其它参数的更新方法亦是如此，更新后的参数将作为下一时刻模型的初始参数。

以下结合附图，详细介绍本发明方法的实施例：

本发明方法的流程图如图2所示，核心部分是：构造关于电力推进船舶他励直流电机pid控制器参数的信度推理模型，用于描述闭环系统中电机设定转速、电机实际输出转速以及闭环控制系统偏差量与pid控制器参数之间存在的复杂非线性关系；确定信度推理模型的输入特征和输出结果的参考值集合并给定反映输入特征与输出结果关系的信度矩阵表；根据输入特征信号确定pid控制器参数的能力，确定输入信息源的可靠性；获取采样样本，计算输入样本特征与参考值的匹配度及每一组输入样本向量激活的证据，利用证据推理规则对被激活的证据进行融合，从中推理得到pid控制器参数的估计值；构建pid控制器参数局部递归优化模型，采用序列线性规划(slp)方法对确定pid参数的信度推理模型参数进行实时优化、更新，使闭环控制系统的输出能够实时准确地跟踪输入。

以下结合zd560-2型船用他励直流电机，详细介绍本发明方法的各个步骤。

1、确定所选择的他励直流电动机模型的参数

被控对象输入为电枢电压u，输出为电动机的转速y，在不加负载的情况下，被控对象的传递函数为：

式中传递函数增益系数ku＝1/ce，电动机的电磁时间常数ta为：

式中la和ra分别为电枢回路电感和电阻，la∈[0,1],ra∈[0,10]，电机时间常数tm为：

式中j(单位：kg.m)为转动部分折算到电机轴上的总转动惯量，ce(单位：v.s/rad)和cm(单位：n.m/a)分别为电动机的电势常数和转矩常数，且cm＝(30/π)ce。

他励直流电动机初始额定电枢电压ch＝750v，额定电枢电流ih＝1696a，电枢回路电感la＝0.14mh，电枢电阻为ra＝8.5ω，转动惯量j＝108.78kg.m，电磁时间常数ta＝0.016s和电势常数ce＝0.708v.s/rad，由式(13)得电机时间常数tm＝0.576s，又有ku＝1/ce＝1.4124，带入公式(10)可得所选的他励直流电机传递函数为：

将g(s)离散化后的表达式如下：

2、推理模型中实验数据的获取及其特征处理

他励直流电机的输入转速信号为三角波信号，每隔0.02s采样一次三角波信号赋值，信号的采样范围为[0,8]，则共采集t＝(8-0)/0.02＝400组样本数据，将这些样本数据作为信度推理模型的输入f1(t)，将闭环系统的输出变量，即电机的实际输出转速y(t)作为信度推理模型的输入f2(t)，闭环控制系统偏差量e(t)＝r(t)-y(t)作为信度推理模型的输入f3(t)，kp作为模型输出；将f1(t)，f2(t)，f3(t)和kp表示成样本集合s＝{[f1(t),f2(t),f3(t),kp(t)]|t＝1,2,...,ts}，且f1(t)∈[-0.01,1.01]，f2(t)∈[-0.01,1.0]，f3(t)∈[-0.2,0.19]，kp(t)∈[0.61,0.66]。

3、选取模型特征参数的参考值并构造信度矩阵表

依照本发明方法的步骤(4)和步骤(5)设定pid控制器参数kp的结果参考值集合d＝{0.62,0.64,0.68,0.71}，系统设定转速f1的输入参考值集合a1＝{-0.01,-0.35,0.65,1.01}，电机的实际输出转速f2的输入参考值集合a2＝{-0.03,0.25,0.5,1.03}，闭环控制系统偏差量f3的输入参考值集合a3＝{-0.12,-0.04,0.04,0.12}，j1＝j2＝j3＝4；同时由上一时刻结果可知t＝4时刻描述输入fi和结果kp之间的关系的初始信度矩阵表和输入信息源fi的可靠性为ri^p，由t＝3时刻可知故取t＝4时刻

表16输入f1的信度矩阵表

表17输入f2的信度矩阵表

表18输入f3的信度矩阵表

4、根据本发明方法步骤(6)的推理过程估计t时刻pid控制器参数kp；采样t＝4时刻产生的样本数据向量x＝[f1(t),f2(t),f3(t)]＝[0.08,0.0028,0.0772]作为所建模型的输入量，根据步骤(6-1)和步骤(6-2)可知该样本输入fi(t)激活的证据可由参考值证据和以加权和的形式表示：

再根据公式(6a)将和进行融合，融合后的结果如下所示：

已知融合结果可由公式(7)估计出当前时刻pid控制系数

同kp的推理过程相同，依照本发明方法的步骤(4)和步骤(5)设定pid控制器参数ki的结果参考值集合d＝{0.62,0.64,0.66,0.68}，kd的结果参考值集合d＝{0.62,0.64,0.68,0.71}，输入特征的参考值保持不变，由步骤(7)和步骤(8)也可推理出t＝4时刻ki、kd的估计值。

对与参数ki，样本输入fi(t)激活的证据再由公式(6a)将和进行融合，融合后的结果如下所示：

已知融合结果可估计出当前时刻pid控制系数

对与参数kd，样本输入fi(t)激活的证据再由公式(6a)将和进行融合，融合后的结果如下所示：

已知融合结果可估计出当前时刻pid控制系数

将上述推理模型推出的kp(t)、ki(t)、kd(t)带入公式(2)和(3)中可计算出t＝4时刻pid控制器的输出增量如下：

δu(t)＝0.6178×0.0183+0.6293×0.0772+0.6351×(-0.0009)＝0.0593

pid控制器的输出u(t)＝0.0593+0.1229＝0.1822，将u(t)作用于被控对象代入公式(13)中，可估算出t＝4时刻闭环系统的输出y(t)＝0.0028。

5、根据本发明方法步骤(10)构建局部参数递归优化模型，可得训练后的信度矩阵表，如下表所示：

对上述t＝4时刻kp、ki和kd的参数进行优化完成后，描述当前时刻fi和结果kp、ki、kd之间的关系的信度矩阵表和证据的权重都会发生变化，下面只列举优化后fi和结果kp所对应的参数变化，新的证据权重为：fi对应结果kp的信度矩阵表如下表19～表21所示：

表19输入f1的信度矩阵表

表20输入f2的信度矩阵表

表21输入f3的信度矩阵表

上面只列举了t＝4时刻fi对应结果kp的信度矩阵表和权重变化，其它参数的更新方法亦是如此，将更新后的参数带入模型，重复步骤(6)～步骤(8)，即可得到更为精确的pid控制器参数和带入公式(2)和(3)可计算出t时刻pid控制器的输出的增量和pid控制器的输出将作用于被控对象，并将其带入由公式(15)中，进而得到更为精确的同时也可预测t＝5时刻电机实际输出的转速y(t)，由此获取t＝5时刻的样本输入x＝[0.1,0.0057,0.0943]。

本发明方法通过对确定pid参数的信度推理模型参数进行实时优化、更新，使闭环控制系统的输出能够实时准确地跟踪输入。对于t＝4时刻采样的输入样本数据向量f1(t)＝0.08，获得更新以后的信度矩阵表和证据权重后，根据本发明方法的步骤(6)重新获得融合结果并推理得到更精确的pid控制器参数，使得闭环系统的输入与输出之间的误差平方的最小值minpζ(p)＝0.006，图3和图4电力推进船舶他励直流电机闭环输出信号跟踪输入信号的图和电力推进船舶他励直流电机闭环输出信号与输入信号的偏差图，由图可看出：本发明方法能够很好地实现闭环控制系统的输出准确跟踪输入的效果，并且随着数据样本的不断增加、模型参数的不断优化，以他励直流电机电机为被控对象的闭环控制系统实现了pid控制器参数自整定功能，闭环控制系统的输出能够实时准确地跟踪输入。