Geri Dön

Gemi dizel motorunun kazanç programlamalı adaptive kontrolü

Gain scheduling adaptive model of a marine diesel engine

  1. Tez No: 143035
  2. Yazar: MELEK ERTOGAN
  3. Danışmanlar: PROF.DR. NAFİZ AYDIN HIZAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Gemi Mühendisliği, Makine Mühendisliği, Marine Engineering, Mechanical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2003
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Gemi İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 79

Özet

Giriş: Motor sistemlerinin gelişmesi ve kontrol dizaynı için dizel motorunun doğru dinamik modeli gereklidir. Çoğu durumda, dizel motoruna yapılan test sonuçlarına göre tanılanması ve modellenmesi yeterlidir. Bu şekilde kullanışlı sonuçlar elde etmek mümkün olabilmektedir. Direkt metodlarda ise doğru dinamik model oluşturmak mümkün olabilmektedir. Gemi dizel motorunun dinamik karakteristikleri çeşitli yük ve hızlarda değişmektedir. Geleneksel mekanik ve elektronik regülatörler (governor) için kontrol parametreleri, motorun ayarlanmasında ancak sadece tek bir çalışma noktasında optimum kontrolü temin etmektedir. Adaptif kontrol algoritmaları, sistemin kontrolünün gelişmesini ve bu zorluğun üstesinden gelinmesi sağlanmıştır. Turboşarjlı Foden FD7 dizel motoru modelinin kullanıldığı simülasyon çalışmasında, adaptif model kontrol sistemlerinin kazanç programlamalı versiyonu önerilmiş ve test edilmiştir. Önerilen sistem, adaptif model kontrol sistem ile öğrenme algoritmasının birleşmesinden oluşmuştur. Algoritma, kazanç programlama matrisinin elemanlarını yani destek değerlerini interpolasyon işlemlerin sonuçlarına göre hesaplar. Bu hesaplama yöntemi ile her hızdaki sistem impuls cevabı yani ağırlık vektörü hesaplanır. Böylece, dizel motorunun çeşitli hızlarda ve çeşitli yükleme şartlan altındaki dinamik davranışını tanılamak mümkün olur. Gemi Dizel Motorunun Kazanç Programlamalı Adaptif Model Kontrolü Adaptif model kontrol sisteminin çalışma prensibi Şekil l'de verilen blok diyagramında gösterilmiştir. Adaptif model, giriş değerlerini gecikmeli hat üzerinden alan lineer birleştirici yani transversal filtre ile sistemin ayrık zamanlılaştınlmışimpuls cevabını oluşturur. Yakınsamadan sonra, ağırlıklar sistemin dinamik yapısını tanılar. Botbcb Şekil 1. Adaptif model kontrol sisteminin blok diyagramı jyjgWs) Wu wm, st ıjıri* û®ğw\ Cbiss weight] Şekil 2 Tek girişli adaptif transversal filtrenin adaptif lineer birleştirici formu Giriş vektörü elemanları x0, xı,, xL ve buna karşılık gelen ağırlık vektörleri wo, wı,, wl olup çıkan toplam çıkış y'dir. Giriş - çıkış arasındaki ilişki aşağıdaki verilen formüllerle açıklanmıştır.Wk=Wok wltwuf (2) ^ = X\Wk = ^/Zft (3) Adaptif algoritma, ek = dk -yk=dk -XTkW = dk -WTXk (4) Wk+l=Wk+2juskXk (5) Çıkış sinyali yk, istenen sinyal dk'dan çıkartılır. Modellemenin amacı, aynı giriş sinyaline karşılık model ve sistemin de aynı çıkış sinyalini verebilmesi için hata sinyali Ek'nın değerini azaltmaktır. Hata sinyalini azaltmak için en küçük kareler yöntemi LMS (least mean squares) kullanılır. Denklem 5, gradyen araştırmasını kullanan en dik iniş yöntemi ile bu algoritmadan elde edilir. LMS algoritmasında yakınsama faktörü u değerinin aşağıda verilen aralıkta seçilmesi gerekir. y^>l/trR>M>° (6) / max Burada R giriş korelasyon matrisi, Xmax bu matrisin en büyük özdeğeridir. Yakınsamadan sonra, ağırlıklar impuls cevabı şeklinde sistem dinamiğini tanılayan bilgiyi içerir. Elde edilen ağırlık vektörü kullanılarak, sistemin tersi cebirsel olarak elde edilir. Bu işlem,“ileri zamanlı hesaplama”olarak adlandırılır. Lineer birleştirici, ağırlık değerleri w; ve ön ağırlık değeri wo ile aşağıdaki gibi ifade edilmiştir. «+i £^-/ + l)w/(^) + WoW = rW (7) IXEğer çıkış sinyali, modelin yakınsamasından sonra referans sinyali r(k)'ya eşit olarak kabul edilirse, giriş sinyali x(k)'yı denklem 8'deki gibi elde etmek mümkündür. Bu denklem ileri zamanlı hesaplama algoritmasını tarif eder. #)= 1 w,(*) r(*)-w0(*)-5>(*-/ + l)w,(*) (=2 (8) İlk değer olarak, sıfır olmayan wp ağırlık değeri alınırsa, ileri zamanlı hesaplama aşağıdaki gibi elde edilir. *(*)= l wAk) r(k + p-l)- w0 (k) ~Ydx(k-i + p)wt (K) (9) Kazanç programlamalı adaptif model algoritması tahmin etme ve öğrenme durumlarından oluşur. Tahmin etme, yani destek değerleri çok boyutlu lineer interpolasyon tarafından oluşturulur, öğrenme, destek değerlerin interpolasyon sonucuna katkısı ve hata tahminine göre bu destek değerlerin düzeltilmesine dayanır. Dizel Motorunun Modellenmesinde Geleneksel Yaklaşımı Gemi dizel motoru, çeşitli dinamik karakteristiklere sahiptir ve farklı işletme koşullan motorun davranışını etkiler. Dizel motoru, her işletme noktasında farklı transfer fonksiyonlarıyla tanımlanabilir. Sürekli durum (steady - state) şartlarında, termodinamik ve mekanik kurallara dayalı dizel motorunun matematik modellenmesinde hız ve yükleme ifadeleri önemli bir etkiye sahiptir. Hidrolik hız regülatörü ile ayarlanmış turboşarjlı Fode FD7 dizel motorunun yavaş (1200 d/d), orta (1600 d/d), yüksek (2000 d/d) hızlardaki işletme koşullarında dinamik davranışı temsil eden transfer fonksiyonları Neil Mort tarafından elde edilmiştir. (Tablo 1). Bu modelleme için, turboşarjlı motorun rastgele giriş sinyallerine (Pseudo - Random Binary Sequence tests) verdiği frekans cevaplan kullanılarak parametre tahmin etme teknikleri uygulanmıştır.Tablo 1. Foden FD7 motorunun transfer fonksiyonları Hizfd/d)Transfer Fonksiyonu Gemi Dizel Motorunun Kazanç Programlaman Adaptif Model Kontrolü Bu adaptif modellemenin simülasyon çalışmasında rastgele giriş sinyali yakıt kolu yerdeğişimini, sistem çıkışı ise hızı temsil etmektedir. Gemi dizel motorunun çeşitli çalışma koşullarında tanımlanan transfer fonksiyonlarının impuls cevaplan incelenmiş ve sistemin rejime girme süresi yaklaşık 6 s olarak belirlenmiştir. Adaptif modelleme simülasyonunda örnekleme peryodu Ts=0.1 s olarak yeterince küçük seçilmiştir. Simülasyon çalışması için ağırlık sayısı minimum 6/0.1=60 olarak bulunmuş, uygulamada 100 ağırlık sayısı kullanılmıştır. Giriş sinyalinde olacak aşın değişiklikler durumunda, dizel motorunun davranışını tahmin edebilmek için, örneğin motorun ani durdurulması, adaptif model rastgele yakıt kolu yerdeğişimi ile öğretilmiştir. Giriş sinyali, belli adımdan sonra 30 s kadar sabit olarak gönderilmiştir. Yapılan simülasyon çalışmasında görülmüştür ki (Şekil 3); sistem ve model bu sürede gönderilen sabit sinyale yakınsamış, daha sonra durabilmiştir. Şekil 4'de motorun çeşitli yükleme şartlan altında yakıt kolu posizyonuna verdiği yanıt incelenmiştir. Yapılan simülasyon çalışmasında, sistem çeşitli yükleme koşulu altında bile giriş sinyaline yakınsayabilmiştir.Rastgele Yakıt Kolu Pozisyonu(mavi),Adap1if model çikisi(yesil),Motor çikisifkirmizi) ~ |- -O.B -o.a1'.??'.''' - -±- O 200 400 600 BOO 1000 1200 1400 1600 1KD 2000 Adım Şekil 3. Dizel motorunu ani durdurma halinde adaptif modelin ve motorun verdiği cevap Rastgele Yakıt Kolu Pozi8yonu(mavi),Referane model-2 cikisifyesil), Motor çikisi(kirrnizi) 0.8 J11l_ 0 200 400 1000 1200 1400 1600 1800 2000 ADIM Şekil 4. Çeşitli yükleme şartlan altında motorun çıkışı xııSonuçlar: Geleneksel modelleme yöntemleri ile, dizel motorunun çeşitli çalışma şartlanndaki zamana bağlı, lineer olmayan davranışını tanılaması oldukça zordur. Yapılan bu simülasyon çalışmasında görülmüştür ki; çeşitli çalışma şartlan altında sistem dinamiği değişse bile kazanç programlamah adaptif model algoritması ile sistemin tanılaması yapılabilmiştir. Bu algoritma, sistemin giriş - çıkış bağıntısını hatırlayarak sistemin çıkışını doğru olarak tahmin eder.

Özet (Çeviri)

Introduction: Accurate dynamic modelling of diesel engines is required for developing engine systems and controller design. In most cases, off-line engine identification and modelling is adaquate and can provide useful results. On-line methods can produce accurate dynamic models. Controller parameters for conventional mechanical and electronic governors are tuned to be effective over the engines' operating range, but can only provide optimum control at a single operating point. Adaptive model algorithms can have been proposed to overcome this difficulty and improve system robustness. In these present work, a gain scheduled version of the adaptive model control system is proposed and tested, using the Foden FD7 turbocharged diesel engine as a testing platform in simulations. The proposed system is formed by combining the adaptive model control system with a learning algorithm. The algorithm trains the matrix elements (support values) according to their controbutions to the result of the interpolation that produces the plant impulse response vector (weight vector) for any intermediate speed number. If the engine behaviour changes due to the changes in speed or load, for example recalculation of the factors determining dynamic behaviour is inexpensive as far as processing time is concerned, and it will be remembered in the future in case the engine shows the same behaviour. Gain Scheduling Adaptive Model Of Marine Diesel Engine The operating principle of the Adaptive Model Control system is depicted in Figure 1. The adaptive model forms the discrete time impulse response of the plant by varying the linear combiner which receives its inputs from tapped delay line, comprising a transversal filter (Figure 2). Aftefconvergence, the weights contain theidentification information about the plant dynamics in the form of an impulse response shape. Figure 1. Blok diagram of adaptive model control system X (Input) y (Transversal Filter Output) W0 (Bias Weight) Figure 2. The transversal filter used in adaptive FIR (Finite Impulse Response) modeling There is an input signal vector with elements xo, xi,, xl, a corresponding set of adjustable weights, wo, wj,, wL a summing unit, and a single output signal y. Input - output relation is formulated as follows:.V*=Zwft**-i (1) /=0Wk=W“u*'uY (2) yt = XTkWk = WrkXk (3) Adaptive algorithm is, Ek = dk- yk = dk - X\W = dk- WTXk (4) WM=Wk+2f*ekXk (5) The output signal yk is simply subtracted from the desired signal dk, to the error signal Sk. The objective of modelling process to minimize the error signal Ek so that for the same input signals the model and the plant generate the same outputs. In order to minimize the error signal LMS (least-mean-squares) algorithm is used which use a special estimate of the gradient that is valid for adaptive filter. Formula 5 is obtained from this algorithm by using steepest descent method which is used for gradient searching. With a stationary input and a stationary plant, the LMS algorithm is known to be convergent when the convergence factor \i is chosen in the range K >}/trR>M>0 (6) / ^max / lrK where R is the input autocorrelation matrix, Â,^ is the the biggest eigenvalue. After convergence, the weights contain the identification information about the plant dynamics in the form of an impulse response shape. The invertion of the plant dynamics is effected algebraically by using this weight vector, and this process is named ”forward time calculation“. The linear combiner with its weights Wj and the bias weight wo, leads to the equation.n+1 £*(*-ı + l)w,(*) + w0(*) = r(*) (7) If its output is assumed to be equal to the command signal r(k), which is partically the case after convergence of the model. This gives the required input to the plant at the kth instant, x(k), as x(k) = l *-,(*) r(*)-w-0(*)-|>(* -/ + !)*.,(*) (8) and this constitutes the forward time calculation algorithm. Denoting the first nonzero weight as wp, the forward time calculation takes the form x(k) = ”,(*) r(k + p-l)-w0(k)- ^x(k - i + p)w, (k) (9) The gain scheduling adaptive model algorithm has the estimation and the training stages. Estimation is performed by multidimensional linear interpolation, a number of“support”values. Training is based on the correction of these support values. According to their contributions to the interpolation result, and according to the estimation error. A Traditional Approach On Diesel Engine Modelling Diesel engines have varying dynamic characteristics and different operational conditions dictate their behaviour, which may be described by different transfer functions at each operating point. Mathematical models of diesel engines, in the continuous and steady state condition, and based on the thermodynamics and mechanics of the process, show that the same parameters, such as speed and load, have a significant effect. Mort et al, used an identification method to obtain a transfer function representing the dynamic behaviour of a Foden FD7 turbocharged diesel governed by a hydraulic speed governor durin slow (1200 rev/min), medium (1600 rev/min), high (2000rev/min) speed operational conditions (Table 1). In this approach, parameter estimation techniques were applied to the response data obtained from Pseudo- Random Binary Sequence (PRBS) tests on the marine diesel engine. Table 1. Foden FD7 engine transfer functions Gain Scheduling Adaptive Model Control Of A Marine Diesel Engine For this simulation study the adaptive model was trained using a random input signal representing the fuel rack displacement, output of the plant is speed. The sampling period is determined according to the settling time of the impulse response of discretized plant Ts equals to 0.1 second which is small enough. As the settling time is maximum 6 seconds the number of weights is calculated as 6 / 0.1 = 60. For the simulation, the weight vector with 100 elements used as an adaptive filter. To simulate and predict the engine behaviour for extreme commands, such as a crash stop, the adaptive model was trained with a randomised fuel rack displacement. It was anticipiated that the adaptive model will have identified the system dynamics. The fuel rack was held within the engine medium speed range for 30 seconds and then suddenly moved to zero to simulate a crash stop situation. Considering Figure 3, it is clear that although the adaptive model was not trained for such a severe change in input signal, the engine speed prediction was still within an acceptable level. Under varied the engine load conditions, the output -of the plant still followed the fuel rack displacement as shown in Figure 4.Random fuel rack displacemenfbluB) Adaptive modal output(green),Engine output(red) 0.6 11 -0.6. -0.8 I I I _iiiii_ _lI1 0 200 400 600 800 1000 1200 1400 1B00 1800 2000 Figure 3. Engine and adaptive model output for engine crash stop Random fuael rack displacements).Reference model-2 output (green), Engine output(red) 0.8 0 200 400 BOO 800 1000 1200 1400 1600 1800 2000 step Figure 4. Under varying loads, engine outputConclusions: Time varient, nonlinear behaviour of diesel engines under different operational conditions makes them difficult to identify, particularly for conventional modelling procedures. Gain scheduling adaptive model was introduced as a generic and a rebust modelling tool for on-line applications. It was found that even when the system dynamics change significantly under varying circumstances, gain scheduling adaptive model tends to remember the past input-output relationships and use them the predict the system output accurately.

Benzer Tezler

  1. Tez No

    259142

    Bir dizel motoruna buhar enjeksiyonunun NOx ve is emisyonlarına etkisinin araştırılması

    Investigation of the effects of steam injection into the diesel engine on NOx and PM emissions

    VEZİR AYHAN

    Doktora

    Türkçe

    Türkçe

    2009

    Mühendislik BilimleriSakarya Üniversitesi

    Makine Eğitimi Ana Bilim Dalı

    DOÇ. DR. ADNAN PARLAK

  2. Tez No

    335897

    Gemi dizel motorunun çalışması esnasında ayak basma yerlerinde oluşan kuvvetlerin analizi

    The analysis of forces consisting on marine diesel engine frame during operation

    HAKAN SAĞLAM

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Gemi Mühendisliğiİstanbul Teknik Üniversitesi

    Gemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN AZMİ ÖZSOYSAL

  3. Tez No

    222177

    Biyodizelin bir gemi dizel motorunun performansına olan etkisinin deneysel olarak incelenmesi

    An experimental study on the performance of a marine diesel engine using blends of diesel fuel with biodiesel

    ERİNÇ DOBRUCALI

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    Gemi Mühendisliğiİstanbul Teknik Üniversitesi

    Gemi İnşaat Mühendisliği Ana Bilim Dalı

    PROF.DR. SELMA ERGİN

  4. Tez No

    223478

    Biyodizelin bir gemi dizel motorunun egzoz emisyon karakteristiklerine olan etkisinin deneysel olarak incelenmesi

    An experimental investigation of the effects of biodiesel on exhaust emission characteristics of a marine diesel engine

    RECEP UĞUR ÖZCUMALI

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    Gemi Mühendisliğiİstanbul Teknik Üniversitesi

    Gemi İnşaat Mühendisliği Ana Bilim Dalı

    PROF.DR. SELMA ERGİN

  5. Tez No

    316028

    Su buharı enjeksiyonlu bir dizel motorunda egzoz gazları geri dolaşımının (EGR) performans ve emisyonlara etkilerinin incelenmesi

    Analysis of the effects of exhaust gas recirculation (EGR) on diesel engine with steam injection system to performance and emission parameters

    GÖRKEM KÖKKÜLÜNK

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    EnerjiYıldız Teknik Üniversitesi

    Gemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı

    PROF. DR. ADNAN PARLAK

Geri Dön