摘要:舰船电气设备智能控制常采用PID控制方式，由于PID控制方式不具备没有自适应能力，当发生较大干扰时，舰船电气设备智能控制效果差，在较长时间后达到平稳状态。为了提升舰船电气设备智能控制效果，提出了神经网络的舰船电气设备智能优化控制方法。首先分析舰船电气设备智能控制原理，确定影响舰船电气设备智能控制性能的PID关键参数，然后引入神经网络对关键参数进行实时整定，以适应舰船电气设备外界条件变化，最后采用Matlab2018仿真软件实现舰船电气设备智能优化控制仿真实验。与PID舰船电气设备控制方法相比，本文方法的舰船电气设备智能控制性能得到了明显改善，在发生较大的干扰条件下，可以在有效时间达到平稳状态，震荡时间短，提高了舰船电气设备对环境变化的鲁棒性。
关键词:舰船电气设备；智能控制系统；神经网络；关键参数；干扰条件
0引言
电气设备是舰船正常工作的重要保障，在实际应用中，由于许多条件的影响和干扰，如电压突然升高等，舰船电气设备状态会发生瞬间改变，甚至有可能出现异常状态，因此必须对舰船电气设备智能实时控制，以适合外界环境的随机变化。如何建立高精度的舰船电气设备智能控制方法成为人们关注的重点[1]。由于PID控制方法工作原理比较简单，一般工作人员易于操作和实现，目前成为舰船电气设备智能控制最常用技术。通常情况下，设置好PID的3个参数，然后根据3个参数对舰船电气设备输出偏差进行智能控制[2–3]。由于PID的3个参数事先固定，在控制过程中不能随意改变，如果舰船电气设备工作状态发生了很大的变化，那么PID控制方法的缺陷就体现出来了，如出现舰船电气设备控制精度低，而且超调时间和超调量大，无法满足舰船电气设备智能控制的实际应用要求[4]。为了提升舰船电气设备智能控制效果，提出了神经网络舰船电气设备智能优化控制方法，与PID舰船电气设备控制方法相比，本文方法的舰船电气设备智能控制精度高，智能控制系统的震荡时间短，对舰船电气设备工作的外部环境变化的鲁棒性更强。
1神经网络舰船电气设备智能优化控制方法
1.1舰船电气设备智能优化控制原理
神经网络舰船电气设备智能控制原理如图1所示，主要包括神经网络、PID控制以及舰船电气设备，其中PID直接对舰船电气设备进行控制，而神经网络主要对PID的控制关键参数进行在线调整，达到间接控制舰船电气设备。
1.2PID控制方式
PID采用增量方式直接对舰船电气设备进行控制，根据舰船电气设备控制的系统输入和输出之间偏差e（k）对PID的3个参数进行组合。
2舰船电气设备智能优化控制效果测试
2.1测试工具
为了验证神经网络的舰船电气设备智能优化控制效果，采用Matlab2018仿真软件作为测试工具。选择的计算机配置如表1所示。为了使神经网络的舰船电气设备智能优化控制结果的说服力更强，选择PID的舰船电气设备智能优化控制方法进行对比测试。
2.2结果与分析
当前舰船电气设备工作环境比较好，没有受到外界什么干扰，2种舰船电气设备智能优化控制方法得到电压变化曲线如图3所示。从图3的电压变化曲线可以发现，2种舰船电气设备智能优化控制方法的输出曲线平稳，没有太大的变化幅度，但是神经网络的舰船电气设备智能优化控制效果要略优于PID的舰船电气设备智能优化控制方法。当前舰船电气设备工作环境恶劣时，受到外界较大干扰条件，采用2种舰船电气设备智能优化控制方法得到电压变化曲线如图4所示。从图4的电压变化曲线可以发现，相对于图3的实验结果，电压变化幅度非常大，出现超调量现象，而神经网络的超调量小，而且PID的超量大，很长时间后舰船电气设备控制系统再次达到稳定状态，出现严重时滞现象，影响舰船电气设备的正常工作，而神经网络的舰船电气设备控制系统在短时间达到稳定状态，保证了舰船电气设备正常工作。为了更好分析舰船电气设备智能优化控制效果，采用控制精度，超调时间作为客观指标对结果进行评价，结果如表2所示。从表2可以看出，神经网络的舰船电气设备控制精度要高于PID控制方法，但是超调时间却少于PID控制方法，舰船电气设备智能优化控制整体效果明显。
3结语
舰船电气设备易受外界环境干扰，导致舰船电气设备控制系统是一种复杂系统，常规PID控制方法无法对舰船电气设备进行准确、有效的控制，结合舰船电气设备变化特点，设计了神经网络的舰船电气设备智能优化控制方法。仿真实验结果表明，在发生干扰条件下，本文方法可以减少舰船电气设备控制系统超调量，舰船电气设备控制系统再次达到稳定的时间短，获得了理想的舰船电气设备控制结果。
参考文献：
[1]邓雪峰,黄索.互联网环境下的舰船电气设备检修系统[J].舰船科学技术,2019,41(20):82–84.
[2]甄洪斌,向东,徐建霖,等.舰船电气设备虚拟维修系统的设计与实现[J].中国修船,2017,30(5):36–40.
[3]王艳武,孙斌,张晖.红外监测在舰船电气设备监测诊断中的应用[J].机电工程技术,2011,40(7):94–96,172.
[4]周珣.基于智能优化算法的舰船电气设备状态自动检测[J].舰船科学技术,2020,42(2):103–105.
作者:薛君 单位:山西工程职业学院
