一种基于差分进化算法的自适应船用柴油机振动主动控制方法

1.本发明涉及船用柴油机振动控制领域，尤其涉及一种基于差分进化算法的自适应船用柴油机振动主动控制方法。


背景技术：

2.柴油机因其较高的经济性、宽广的功率范围、维修方便等，取代蒸汽机成为船舶最主要的动力装置。一般船舶上，推进装置主要包括大型低速二冲程柴油机、传动设备、轴系、推进器(螺旋桨)等。柴油机产生的振动是船舶振动最重要的激励源之一，其产生的振动和噪声是其固有的最大缺点，尤其是随着航运业的发展和环境保护标准的提高，高压缩比、高爆压、高行程缸径比(s/d)、从而使得由汽缸内的爆发压力和往复惯性力合成而产生的倾覆力矩增加，因而主机振动加剧。振动不仅影响活塞、连杆和轴系的强度,也影响连杆大小端轴承和主轴承的载荷、润滑和磨损，同时使柴油机发生振动并引起船体振动。
3.柴油机产生的振动不但影响包括其自身在内的结构和附件系统，还包括作为其载体的船体及与之相邻的其它设备，甚至也影响在船人员的身心健康而为整个船舶的安全运行带来隐患。因此研究并控制整个柴油机的振动具有非常重要的意义。根据项目背景调研情况分析，中低速柴油机在船舶上有非常广泛的应用，也是船舶振动噪声的重要激励源之一。良好的主动减振设备可以明显的提高船舶的安全性和舒适性，避免船舶运行过程中，由于振动引起的船体结构和设备损坏情况。可以大幅度降低船舶维修费用，有效降低船舶成本，更有助于提升我国船舶和设备的设计制造水平，明显地提高船舶和设备的附加值。


技术实现要素：

4.本发明提供一种基于差分进化算法的自适应船用柴油机振动主动控制方法，以克服上述技术问题。
5.一种基于差分进化算法的自适应船用柴油机振动主动控制方法，包括，
6.步骤一、生成初始种群p0，p0是一个d
×
np阶的矩阵，种群中的每个个体代表一个d维向量i为个体在种群中的位置，i＝1，2，
…
，np；t为当前进化迭代次数，t＝1，2，
…
，t，t为最大迭代次数；d为种群维度，即待确定参数的个数，所述参数包括位置环的比例参数、速度环的比例、积分参数；np为种群规模，即种群个体的数量；种群个体根据公式(1)在[p
min
，p
max
]范围内随机取值：
[0007][0008]
式中：p
min
和p
max
是种群个体数值的最小值和最大值；rand(0,1)表示在0到1之间随机取一个小数；
[0009]
步骤二、变异种群，通过公式(2)、(3)生成d
×
np大小的变异种群v
t
，从种群p
t
中随机选取5个互不相同的个体即r1≠r2≠r3≠r4≠r5≠i,
[0010][0011][0012]
式中：f是变异算子，通常在[0,2]中取值；是变异种群v
t
中的第i个个体，f
max
和f
min
是变异算子f的最大值和最小值；
[0013]
步骤三、交叉操作，初始化一个交叉种群c
t
，大小为d
×
np，
[0014][0015]
式中：cr是交叉算子，通常在[0,1]中取值；是交叉种群c
t
中的第i个个体；r
t
是第t次迭代时在[1,d]范围内随机选取的整数；
[0016]
对进行交叉操作后的种群c
t
根据公式(5)进行边界处理,
[0017][0018]
式中：sc为常数，通常取0.01；
[0019]
步骤四、选择操作，对种群p
t
和c
t
的个体通过公式(6)、(7)进行择优，
[0020][0021][0022]
式中：e(t)是控制单元双偏心质量块作动器的当前位置值与柴油机飞轮端的位置值之间的偏差；de惩罚项系数，当e(t)≤0时，de＝0，当e(t)》0时，de＝10；u(t)是控制单元输出值；w1,w2为权值，w1+w2＝1；
[0023]
步骤五、当迭代次数t未达到最大迭代次数时，合并种群p
t
和种群c
t
形成种群u
t
，对种群u
t
进行快速非支配排序获得非支配解集，并计算种群中每个个体的拥挤距离，然后按照精英选择策略进行剪切形成新种群；
[0024]
当迭代次数t达到最大迭代次数时，输出非支配解集；
[0025]
步骤六、控制单元根据非支配解集产生振动，所述控制单元包括控制器、变频器、功率单元、电机、双偏心质量块作动器，控制器控制双偏心质量块作动器调整位置和转速，抵消柴油机振动。
[0026]
优选地，所述控制单元还可以包括增量式编码器，增量式编码器用于获取柴油机飞轮端和作动器尾端的位置和转速信号，控制器根据柴油机飞轮端和作动器尾端的位置差、柴油机飞轮端和作动器尾端的转速差对主动控制方法进行评估。
[0027]
优选地，所述对种群u
t
进行快速非支配排序获得非支配解集包括，
[0028]
5a、对于种群u
t
中每个个体t为当前的迭代次数，令ni＝0，ni表示支配个体的数量，si表示被支配的个体的集合，与其他个体逐个进行支配关系比较，i≠j，若支配则令加入si集合；若支配则令ni＝ni+1，令rank＝1；
[0029]
5b、遍历集合ni，将所有ni＝0的个体放入排序子集f
rank
中，并从种群u
t
中删除，f
rank
∈f，f是排序集合，f＝{f1，f2，
…
}；
[0030]
5c、找到f
rank
中个体对应的支配集合si，令si中个体对应的ni＝n
i-1，若ni＝0，则令rank＝rank+1，将si中所有ni＝0的个体放入新的排序子集f
rank
，并从种群u
t
中删除；
[0031]
5d、若种群u
t
不为空，则跳转至5c继续执行；若种群u
t
为空，则输出非支配解集f。
[0032]
优选地，所述按照精英选择策略进行剪切形成新种群包括，
[0033]
6a、对非支配解集f中的子集f1，f2，
…
，f
rank
进行排序，将f中的个体依次放入下一次迭代的初始种群p
t+1
中，所述初始种群p
t+1
为新种群，直到p
t+1
的大小超出np；
[0034]
6b、获取放入种群p
t+1
中最后一个子集，计算子集中个体的拥挤距离，根据精英个体选择标准，对子集进行剪切，依次删除拥挤距离最大的个体直至p
t+1
大小达到d
×
np，所述精英个体选择标准为，设xa和xb是种群p
t+1
中的两个解，对应的非支配排序等级为rank(xa)和rank(xb)，拥挤距离为d(xa)和d(xb)，若满足rank(xa)《rank(xb)或rank(xa)＝rank(xb)且d(xa)》d(xb)，则说明xa优于xb，将个体xa保存，淘汰个体xb。
[0035]
本发明提供一种基于差分进化算法的自适应船用柴油机振动主动控制方法，通过采用双偏心质量块的方式来抵消柴油机激振力，控制单元将作动器从当前位置驱动到目标位置，通过使用差分进化算法优化控制单元的相关参数后，控制单元的位置跟踪精度从2.2提升到1.3，位置跟踪稳定时间从1.05提升到0.75。
附图说明
[0036]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0037]
图1是本发明方法处理流程图；
[0038]
图2是本发明差分进化算法执行流程图；
[0039]
图3是本发明双质量块偏心轮作动器结构图；
[0040]
图4a是本发明偏心块组1结构图；
[0041]
图4b是本发明偏心块组2结构图；
[0042]
图4c是本发明双偏心块结构图；
[0043]
图5是本发明传统参数整定法位置差曲线图；
[0044]
图6是本发明差分进化算法参数整定法位置差曲线图；
[0045]
图7是本发明传统参数整定法转速曲线图；
[0046]
图8是本发明差分进化算法参数整定法转速曲线图。
具体实施方式
[0047]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0048]
图1为本发明方法处理流程图，如图1所示，其中，步骤一至步骤五的关于差分进化算法执行流程图如图2所示，本实施例的方法可以包括：
[0049]
步骤一、生成初始种群p0，p0是一个d
×
np阶的矩阵，种群中的每个个体代表一个d维向量i为个体在种群中的位置，i＝1，2，
…
，np；t为当前进化迭代次数，t＝1，2，
…
，t，t为最大迭代次数；
[0050]
d为种群维度，即待确定参数的个数，所述参数包括位置环的比例参数、速度环的比例、积分参数；比例(proportion)代表其控制单元的输出与输入误差信号成比例关系；积分(integration)代表控制单元的输出与输入误差信号的积分成正比关系；
[0051]
np为种群规模，即种群个体的数量；种群个体根据公式(1)在[p
min
，p
max
]范围内随机取值：
[0052][0053]
式中：p
min
和p
max
是种群个体数值的最小值和最大值；rand(0,1)表示在0到1之间随机取一个小数；
[0054]
其中，种群大小np为20；种群维度d为6，每个个体向量含6个参数变量：位置环的kp1、kp2、kp3、kp4和速度环的kps、kis；最大迭代次数t为80；
[0055]
步骤二、变异种群，通过公式(2)、(3)生成d
×
np大小的变异种群v
t
，从种群p
t
中随机选取5个互不相同的个体即r1≠r2≠r3≠r4≠r5≠i,
[0056][0057][0058]
式中：f是变异算子，通常在[0,2]中取值；是变异种群v
t
中的第i个个体，f
max
和f
min
是变异算子f的最大值和最小值；变异算子的最大值f
max
和f
min
分别为1.4和0.4；在搜索初期，f取值较大，有利于扩大搜索空间，保持种群多样性；在算法后期收敛的情况下，f取值较小，有利于在最佳区域的周围进行搜索，从而提高搜索精度和收敛速度，该算法既能保证快速性，又能避免陷入局部最优解；
[0059]
步骤三、交叉操作，初始化一个交叉种群c
t
，大小为d
×
np，
[0060][0061]
式中：cr是交叉算子，通常在[0,1]中取值；是交叉种群c
t
中的第i个个体；r
t
是第t次迭代时在[1,d]范围内随机选取的整数；交叉算子的最大值cr
max
和最小值cr
min
分别为
0.7和0.1；
[0062]
对进行交叉操作后的种群c
t
根据公式(5)进行边界处理,
[0063][0064]
式中：sc为常数，通常取0.01；rand(0,1)
×
sc表示一个较小的随机数，避免种群被边界处理后出现大量个体相等的情况，保证种群的多样性；
[0065]
步骤四、选择操作，为了使下一次进化迭代的初始种群p
t+1
的个体更优，对种群p
t
和c
t
的个体通过公式(6)、(7)进行择优，
[0066][0067][0068]
式中：e(t)是控制单元双偏心质量块作动器的当前位置值与柴油机飞轮端的位置值之间的偏差；de惩罚项系数，当e(t)≤0时，de＝0，当e(t)》0时，de＝10；u(t)是控制单元输出值；w1,w2为权值，w1+w2＝1；
[0069]
其中，对于双偏心质量块作动器的位置和转速控制，工程上位置控制要求快速响应。为达到这一性能指标，适应度函数采用输入的平方项作为参数选择的主要性能指标，具体适应度函数公式如(6)所示。
[0070]
对于转速控制，工程上要求尽量小的超调量和快速的上升时间。为兼顾这两个性能指标，适应度函数可采用误差绝对值与时间乘积的积分作为参数选择的主要性能指标，同时为了抑制控制量过大，在适应度函数中加入控制输入的平方项。因此适应度函数最终设置为式(7)所示。
[0071]
步骤五、当迭代次数t未达到最大迭代次数时，合并种群p
t
和种群c
t
形成种群u
t
，对种群u
t
进行快速非支配排序获得非支配解集，并计算种群中每个个体的拥挤距离，然后按照精英选择策略进行剪切形成新种群；
[0072]
当迭代次数t达到最大迭代次数时，输出非支配解集；
[0073]
其中，非支配解集的获得方法包括：
[0074]
设父代种群为p
t
，大小为d
×
np，子代种群为c
t
，大小为d
×
np。将种群p
t
和c
t
合并为新的种群u
t
，大小为d
×
2np的矩阵。t为算法当前的迭代次数。其中第i个个体为第j个个体为ni表示支配个体的数量，si表示被支配的个体的集合。非支配排序步骤如下：
[0075]
1、对于每个个体令ni＝0，＝0，与其他个体逐个进行支配关系比较；
[0076]
pareto支配(pareto dominance)具体定义如下：
[0077]
当且仅当f
x
(i)≤f
x
(j)，且
s.t.fy(i)≤fy(j)，则支配记为其中m表示多目标优化算法优化的目标个数；f
x
(i)表示第x个适应度函数对应得第i个个体的适应度值；
[0078]
若支配则令加入si集合；若支配则令ni＝ni+1。令rank＝1；
[0079]
2、遍历集合n，将所有ni＝0的个体放入排序子集f
rank
中，并从种群u
t
中删除，f
rank
∈f，f是排序集合，f＝{f1，f2，
…
}；
[0080]
3、找到f
rank
中个体对应的支配集合si，令si中个体对应的ni＝n
i-1。i若ni＝0，则令rank＝rank+1，将si中所有ni＝0的个体放入新的排序子集f
rank
，并从种群u
t
中删除；
[0081]
4、若种群u
t
不为空，则跳转至3继续执行；若种群u
t
为空，则输出排序集合f，所述排序集合f为非支配解集。
[0082]
所述按照精英选择策略进行剪切形成新种群包括，
[0083]
1、对非支配解集f中的子集f1，f2，
…
，f
rank
进行排序，将f中的个体依次放入下一次迭代的初始种群p
t+1
中，所述初始种群p
t+1
为新种群，直到p
t+1
的大小超出np；
[0084]
2、获取放入种群p
t+1
中最后一个子集，计算子集中个体的拥挤距离，根据精英个体选择标准，对子集进行剪切，依次删除拥挤距离最大的个体直至p
t+1
大小达到d
×
np，所述精英个体选择标准为，设xa和xb是种群p
t+1
中的两个解，对应的非支配排序等级为rank(xa)和rank(xb)，拥挤距离为d(xa)和d(xb)，若满足rank(xa)《rank(xb)或rank(xa)＝rank(xb)且d(xa)》d(xb)，则说明xa优于xb，将个体xa保存，淘汰个体xb。
[0085]
步骤六、控制单元根据非支配解集产生振动，所述控制单元包括控制器、变频器、功率单元、电机、双偏心质量块作动器，控制器控制作动器调整位置和转速，抵消柴油机振动。双偏心质量块作动器的结构如图3所示，其中，1、底座，2、外壳，3、滑油泵，4、滑油滤器，5、上端盖，6、伺服电机，7、电机支架，8、齿带，9、电机带轮，10、驱动轴带轮，11、深沟球轴承，12、顶部检查盖板，13、偏心块组1，14、上端检查盖板，15、下端检查盖板，16、圆锥滚子轴承，17、斜齿轮，18、偏心块组2，19、齿带保护罩。双偏心块包括偏心块组1、偏心块组2，偏心块组1的结构如图4a所示，偏心块组2的结构如图4b所示，其中，1、心轴，2、可调偏心块，3、固定偏心块，4、斜齿轮，5、调节片，双偏心块的结构如图4c所示。
[0086]
使用增量式编码器同步检测柴油机飞轮端和作动器尾端的位置和转速信号，分析转速差的精确度及稳定时间和位置差的精确度来判断基于差分进化算法的自适应船用柴油机控制方法的性能。其中，实验过程中柴油机转速为1000r/min。
[0087]
分别对传统比例积分参数整定法和采用差分进化算法(de整定法)优化比例积分参数法进行对比，传统参数整定法为控制单元调节过程采用人工调节参数过程。在进行对比试验时，采用控制参数法，控制单元的各项性能指标均一致，仅在控制单元位置环的p参数和转速环的pi参数优化方式不同。通过传统参数整定法获得的位置偏差结果如图5所示，通过de整定法获得的位置偏差如图6所示，通过传统参数整定法获得的转速曲线图结果如图7所示，通过de整定法获得的转速曲线图如图8所示。
[0088]
整体有的有益效果：本发明通过使用差分进化算法优化控制单元的相关参数后，控制单元的位置跟踪精度从2.2提升到1.3，位置跟踪稳定时间从1.05提升到0.75。
[0089]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依
然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。