螺旋桨测试出新技术，混合推进将会引领新市场，船舶重新大改造？
文 | 宙说
编辑 |宙说
混合推进是一种很有吸引力的技术，适用于在沿海地区和在实施严格排放法规的港口内运行的船舶，如海上供应船（OSV）、海军船舶、拖船和客船。
现代的船舶动力装置根据每个特定应用进行设计，到目前为止，已经开发了一些海洋应用，并考虑了许多混合拓扑。混合动力系统有机会提高船舶的运行效率和遵守严格的环境法规。
由新的子系统引入的高系统复杂性和额外的自由度，以及众多的系统限制，增加了对能源管理的复杂控制的需求可实现推进装置最佳运行的系统（EMS）。
而此次我们评估的混合海洋电厂的电力管理问题仍然是一个具有挑战性的问题。它决定了内燃机应产生多少功率，以及电机应提供多少功率，以实现驱动时的总动力需求螺旋桨轴。
与传统的推进装置相比，通过适当的控制系统设计，它能够处理影响推进装置运行的问题，如船舶加速时的瞬时螺旋桨负载和由环境条件特别是不规则波扰动引起的发动机功率波动。
必须考虑系统发动机、螺旋桨、船舶环境的相互作用，因为它可能导致额外的系统限制或在控制系统设计中引入进一步的性能规范。
船舶操作可分为四个主要任务：港口作战（机动）、巡航的、现场操作（动态定位、拖曳、起重机操作等）、备用的每个任务都有特定的权力需求。
一种基于规则的电力管理策略，如Bennabi等人提出的那样，这是当前商业应用中常见的地方，结合运营商的经验，可以了显著的燃料节省，可与这些先进的控制策略相媲美。
最佳动力分割策略设计为系列混合船舶动力系统，其中实现了更大的燃料节约，但在电池中较低的最终充电状态。跟这个不一样的是，在阿尔菲里等人中，研究已知轮廓上的优化，以最小化系列混合动力应用的总燃料消耗。
在先进的控制设计方法中，模型预测控制（MPC）似乎是最有前途的，它可以通过在未来的预测窗口上生成一系列适当的控制动作来优化性能指标。它能够同时处理多变量过程，满足约束条件，处理长延时，并利用知识进行植物干扰响应。
已被广泛考虑用于海洋应用。在未来时间窗口内的预测ECMS。对于每个后续窗口，根据船舶对低中功率和高功率需求的时间百分比来执行工作时间负荷估计。还遵循一个预测策略，其中目标函数包括燃料消耗、发动机排放和动力系统效率。
在某些情况下，功率分裂控制也考虑了船舶动力学的满意度。哈塞尔塔拉布和尼根伯恩利用行程信息计算了自动拖船的最优电源管理。采用输入输出反馈线性化公式预测推进功率需求，并进行功率分割，以实现柴油发电机组的最小比燃油消耗。
利用序列二次规划（SQP）实时和采样地求解MPC问题关键时间应用程序。电源和储能装置运行最佳，以减少系统的功率损失，确保在电力需求波动和瞬态加载时以频率或电压调节方式的电力的高质量。
并行海洋混合电厂瞬态运行中的运行时功率分割策略。目前工作的贡献是开发一个集成的动力分裂控制方案，提供所需的扭矩可用性来满足螺旋桨负载需求，包括瞬态加载条件和补偿波动动力列车行为造成的波浪，导致柴油机的振荡行为。
螺旋桨载荷要么被认为是已知的，并提供给优化问题，要么基于推进装置的详细建模进行计算。在船舶运行期间，各种推进模型参数随时间而变化。
它们不能在线测量或准确计算，应该阻碍不确定。我们提出了一种基于螺旋桨定律原理的不同方法，是基于基本的和始终可用的动力系统测量值。
推进装置的建模展示了一个平行的船用混合动力推进装置，它由一个内燃机（ICE）与一个电机（EM）连接而成。
电磁阀通过一个逆变器装置连接到能量存储器上。机械功率和电力流，系统的输入信号，以及感兴趣的测量值也显示在示意图中。
船舶发电厂（ICE、EM和电池）与推进装置（螺旋桨和船体）和环境的相互作用也被描述。混合动力发电厂的面向控制的建模为了NMPC的设计目的，开发了一个并行混合系统动力系统的MIMO模型来集成在控制器中。
它由以下部件组成：发动机、电磁阀、电池和轴。模拟的系统动力学包括电池和轴，发动机和电磁响应时间常数远小于控制器的计算间隔。
系统输入被选择的命令到ICE (u冰)和EM (uem)用于扭矩生产和施加于动力系统的负载(Q装载)和系统输出被选择为发动机转速(v装载)和电池的充电状态（SOC）。
描述动力系统的控制器的内部模型由下面描述的四个子模型组成。系统状态x输入u和干扰输入ud向量旋转轴动力学。
该发电厂的旋转动力学行为是由其中v装载发动机侧的轴转速是否为，J体系J装载是轴系系统发动机侧的聚合动力系统和推进装置力矩Q冰发动机的制动扭矩Qem是电机/发电机的输出扭矩（如果电磁阀正在行驶，则为正）和Q装载是动力传动系统要满足的螺旋桨轴扭矩负荷。
ICE的制动扭矩取决于扭矩指令和发动机的转速。它被建模为这些输入的多项式函数，使用的表达式Q冰= c冰，1u冰— (c冰，2N 2eng + c冰，3Neng+ c冰)
其中u冰是馈给发动机ECU的ICE的扭矩指令，是指可产生的最大指示ICE扭矩的百分比，Neng是转速。
ci是利用实验数据拟合到上述方程中的系数矩阵。与转速有关的术语是指由于轴的摩擦等而造成的扭矩损失。
电机和变频器，电磁阀的输出转矩通过一个变频器进行调节。扭矩产生的响应时间可以被忽略，它的时间尺度远小于控制器的(ie响应时间电磁为1-5 ms，控制器的采样时间为0.1 s) .
电磁转矩被建模为以下线性关系Qem= cemuem其中输入uem扭矩指令作为标称扭矩的百分比，馈给驱动和参数cem表示向Nm的转换。电磁场的功耗采用威兰方程进行建模ð5Þ其中Pm是能耗发电。
这些被认为是恒定的电池型号。电池是通过广泛使用的等效电路，如古泽拉和西雷塔所述。
电池电流I的控制方程b和开路电压Uoc是其中Pb是功率，Ri电池是否内部阻力被认为是常数，SOC是电池充电状态。电池的SOC可以通过以下方法计算方程式ð8Þ其中Qmax是最大电池电容（单位为Ah)。
用于HiL仿真的推进装置建模为了在船舶机动和巡航条件下的螺旋桨载荷需求进行循环硬件（HiL）仿真，开发了一种面向控制的推进装置模型。
目的是为发电装置产生真实的加载条件，以便在以下情况下进行控制系统的鲁棒性评估发动机过载由于快速运行，增加了瞬态负载需求加速由于波浪扰动而引起的螺旋桨载荷波动为此目的，我们考虑了船舶推进的基本原理。
推进装置模型包括轴系组件，以计算对螺旋桨的传递功率、螺旋桨性能特性、船舶纵向动力学以及影响平均和即时推进装置平衡点的波扰动的环境模型。齿轮箱和轴线。
变速箱减速比igb发动机侧（载荷）扭矩Qi，转速vi，和惯性值Ji螺旋桨轴侧（轴）上的连接部件如下变速箱效率ngb，戈杰瓦茨等人也是这么认为的，变速箱损失在哪里计算为并由Taskar等人对轴线效率进行了评价。
作为轴线的总机械效率计算为nm= n gbnsl而螺旋桨的扭矩被传递到发动机上，作为ð12Þ螺旋桨一个管道四叶片，固定螺距瓦赫宁根Ka4-40，喷嘴19A螺旋桨，螺距与直径比我们考虑了=1：2，它通常用于小型港口拖船。
螺旋桨模型由卡尔顿公司获得。它的性能特性、扭矩需求Qp和推力产量Tp，是基于在螺旋桨半径的70%处的螺旋桨推进角b，其定义为ð13Þ其中Va螺旋桨的有效尾流速度是n，p为螺旋桨转速（以rps为单位），D为螺旋桨直径。
Va是螺旋桨流入速度受船体形状的影响，它不同于船舶速度Vs通过有效尾迹分数w为其中vwd是引起的尾迹场速度扰动原因之一 。
而螺旋桨的扭矩和推力的计算CT= CT(b)和CQ= CQ(b)系数是螺旋桨特定的，基于螺旋桨推进角b，由它开水实验结果的傅里叶级数模型。
从螺旋桨轴吸收的实际扭矩取决于相对旋转效率hr作为螺旋桨惯性J，支柱由旋转质量惯性J组成M再加上水动力质量惯性JP，以卡尔顿和麦克弗森等人为计算。
船舶动力学，螺旋桨装载模型取决于船舶的前进速度；考虑了船舶的纵向运动。计算了船舶加速度的浪涌动力学其中Mdisp是船舶位量和Mhyd是船舶所增加的水动力质量。
上面的方程取决于以下的力，NpTp螺旋桨的推力p是安装的螺旋桨数量，Tp是每个螺旋桨的推力贡献。
Rt是总阻力，由平静的水，摩擦和波浪产生的阻力Rt= R( V s)，t是由于船体螺旋桨相互作用而引起的推力扣除因子。
Rwd增加的平均阻力是由于不利的天气条件和波浪扰动。 Fbp作用于船上的外力是划船作业。波扰动。对于更真实的模拟场景，考虑了不规则波扰动。
波浪干扰对推进装置有两种影响。波轨道运动改变了螺旋桨流入速度，考虑作用的平均波阻力船体由于额外的水压波作用于船体。
不规则波是由N贡献的规则单色波形成的。利用叠加原理，计算了水面高程ð18Þz在哪里, vi和ei是每个贡献的规则波的振幅、频率和相位。假设是深海中，波浪数为ki给出ð19Þ
相遇角x的船舶运动参考系由相遇频率v的波激发eivei= vi- kiVscos (x)在深度h支柱，在螺旋桨轮毂浸没处，水轨道位置为ð21Þ而水的轨道速度为ð22Þ。
螺旋桨流入速度扰动vwd评估为vwd(t)= -z*pcos (x)增加的电阻计算使用实验或模拟数据的船舶防波响应在每个产生不规则波的每个频率。
这些实验数据来自朴槿惠和李将军30并缩放到这里研究的船与弗劳德相似原理（分数保持不变）。
为了评估NMPC的行为，我们在海洋工程实验室（NTUA/LME）的混合推进动力系统河马2实验设施上进行了各种实验。
河马2由与电机（EM）并联连接的内燃机（ICE）组成。原动机是一台6缸9升，4冲程，直列涡轮增压柴油发动机，额定输出功率为1800-261 kW rpm。
HIPPO-2发动机配备了一个废气再循环（EGR）系统和一个用于烟雾和SCR催化NOx还原的后处理装置。ICE由电子燃料指数进行电子控制，该指数导致发动机ECU使用内部映射喷射一定数量的燃料。
EM是一个90 kW的三相感应电动机发电机，由一个110 kW的变频器控制。机械负荷由带功率的电制动测功机向系统施加容量315 kW。
整个测试台由一个在Matlab/模拟墨水环境下编程的dSpace微自动盒II控制器板进行实时控制和监控。通过发动机和变频器CAN网络对整个设施进行控制和数据采集。
该实验设备还不能容纳任何电池组，采用了一个电池仿真模型。虚拟电池组件被认为是由电磁电磁产生/消耗的电能充电和放电的。在实验过程中模拟了电池的充电状态。
为了使实验更加真实，我们采用了一个比控制器设计更复杂的模型。选择不同的电池模型进行SOC仿真和控制器设计是有益的，以评估NMPC行为与建模的不准确性和实际或实验电池性能偏离模型参数的事实。
仿真模型与用于NMPC设计的模型之间的差异有图片可以看到。描述仿真模型的方程电路的基尔霍夫电压定律得到其中Voc蓄电池开路电压RO内部欧姆电阻RP是内部的“极化”电阻(eg.由于浓度梯度)。
Cp是R周围的分流电容P，t为极化时间常数，其中t = RPCp, Ib电池负载电流是，IP电流通过极化电阻是V吗L蓄电池端子电压CVoc电容是否了开路电压随负载电流I的时间积分的变化b V oc通常不等于V的斜率L测量开路vs。
电池充电状态，极性电流，可以通过求解以下问题得到对于控制器的实现，模型的系数是通过拟合来自试验台和制造商的试验表的数据来计算的。
ICE和EM的验证结果，推进装置模型及其参数用于使用测功机的螺旋桨载荷应用。
在仿真中进行了控制器调优，调优参数的数值以及NMPC问题的约束条件。控制器方案、推进装置模型以及虚拟电池模型都部署在微自动盒II平台上。
仿真模型、观察者和数据采集的总体采样间隔为10ms，而NMPC的采样时间为100 ms。
该NMPC控制器的目的是跟踪轴转速参考，通过电磁发电保持理想的电池充电状态。
参与电磁在瞬态加载期间抑制发动机动力学，以抑制负载干扰，以最小电能使用量进行快速转速变化。