船舶柴油发电机转速神经网络容错控制

  　1 引言

　　船舶电力系统中，同步发电机由柴油机驱动发出电功率，船舶柴油发电机的控制由转速控制和励磁控制两部分组成。柴油发电机组控制系统的特性直接影响船舶电力系统的供电质量，其转速控制直接影响发电机的有功功率输出和船舶电力网频率的稳定性。船舶柴油发电机转速控制系统如图 1 所示，输出是实际转速。控制器常用的是 PID 控制器，通过调节柴油机的供油量起到调节柴油机组转速定速控制作用。

　　Elman 神经网络是 Elman 于 1990 年首先针对语音处理问题而提出来，它是一种典型局部递归网络。由于 Elman 神经网络在处理贯序数据输入输出具有优越性，得到了广泛的应用。

　　2 ELMAN 网络结构

　　ELMAN 神经网络包含一个双曲正切 s 型隐含层和一个线性输出层，s 型隐含层接收网络输入和自身的反馈，线性输出层从 S 型隐含层得到

　　输 入 。 由 于 Elman 网 络 是 s 型 / 线 性(sigmoid/linear)网络，它能够表达含有有限个不连续点的函数。又因为它们有一个反馈连接，所以它被训练后不仅能够识别和产生空间模式，还能够识别和产生时间模式，对于多输入多输出网络，设上下文层的输出为 yc(k)，隐合层的输入和输出分别为 xo(k)，网络在外部输入时间序列x(A)作用下的网络输出序列为 y(A)，则有[1]

　　式中，W1为输入层与隐含层间的连接权值;W2为隐含层与输出层间的连接权值;f(·)为 s 型激活函数。

　　当 Elman 神经网络的上下文层存在增益为 a的自反馈连接时，称为改进型 Elman 神经网络。此时，网络能模拟更高阶的动态系统，基于上下文层的输出 yc(k)仍变为：

　　ELMAN 神经网络拓扑结构：Elman 型回归神经元网络一般分为 4 层：输入层、中间层(隐含层)、承接层和输出层。其输入层、隐含层和输出层的连接类似于前馈网络。承接层又成为上下文层或状态层，具体机构如图 2 所示。

　　Elman 型回归神经元网络的特点是隐含层的输出通过输出层的延迟和存储，自连到隐含层的输入，这种自联方式使其对历史状态的数据具有敏感性，内部反馈网络的加入增加了网络本身处理动态信息的能力，从而达到动态建模的目的。Elman 神经网络的学习过程如下[2]：

　　其中，y，x，u，xc分别表示 m 维输出节点向量，n 维中间层节点向量，r 维输入向量和 n 维反馈状态向量。w3，w2，w1分别表示中间层到是输出层、输入层到中间层、承接层到中间层的连接权值。g(·)为输出神经元的传递函数，是中间层输出的线性组合。f(·)为中间层神经元的传递函数，常采用s 函数。