基于先进辨识算法的风机叶片间接自校正PID振动控制

摘要

随着风机容量的快速增长，风机叶片的设计逐渐偏向更轻的重量和更大的尺寸，以便提高风力发电的效率。然而，叶片尺寸的增加会导致叶片颤振加剧，这不仅大大降低了风力发电的效率，而且严重影响叶片的安全运行。智能叶片是现代风机叶片发展的主要方向之一，基于智能驱动器的智能叶片设计对降低叶片相关部件的振动疲劳损耗、提高风能利用率、降低风力发电成本有着重要意义。叶片的振动主要包括两种类型:经典颤振和失速振动。前者主要是在叶片处于附着流的情况下，由流固耦合引起的叶片振动;后者主要是叶片在气动失速情况下所引起的振动。本文中主要研究叶片的经典颤振控制，通过将智能驱动器和控制算法相结合达到抑制叶片颤振的效果。
　　在实际工程中，由于运行环境复杂，叶片系统的参数会受到多种不确定因素影响，因此基于系统参数摄动的研究具有非常重要的意义。本文建立了基于智能驱动器的风机叶片气弹伺服模型，首先在不考虑系统时变性的情况下，设计了基于极点配置的直接自校正PID振动控制器，其次考虑在实际负载运行环境中系统参数发生摄动的情况，设计了基于差分进化优化的遗忘因子递推最小二乘辨识的间接自校正PID振动控制器。
　　性能优良的参数估计器可以提高智能叶片振动控制器的控制品质，本文采用遗忘因子递推最小二乘法对系统模型参数进行估计，而遗忘因子的不同取值将影响参数估计器的精准度。因此本文在传统的基于遗忘因子递推最小二乘算法基础上，利用差分进化算法对遗忘因子进行优化，而后进行参数估计，得到最佳辨识参数，进而施行间接自校正PID振动控制。仿真结果表明:基于遗忘因子递推最小二乘法的智能叶片间接自校正PID控制可以很好的对摄动的叶片系统参数进行在线辨识，使叶片振动控制具有一定的自适应性;基于差分进化优化辨识的叶片间接自校正PID控制效果则具有更强的鲁棒性和自适应性，可以达到更好的控制效果。

目录

摘要

第一章 绪论

1．1 本课题研究意义

1．1．1 风机叶片的发展趋势

1．1．2 风机叶片的振动问题

1．2 风机叶片的发展现状及趋势

1．2．1 智能风机叶片

1．2．2 风机控制方法的研究现状

1．3 本文的主要研究内容

第二章 风机叶片气弹伺服系统建模

2．1 风机叶片的经典颤振模型

2．2 风机叶片的气动模型

2．3 风机叶片的气动弹性模型

2．4 基于智能驱动器的风机叶片气弹伺服模型

3．1 系统辨识概述

3．1．1 系统辨识的分类

3．1．2 系统辨识的基本原理

3．2 白噪声、M序列与逆M序列

3．2．1 白噪声与有色噪声

3．2．2 M序列与逆M序列

3．2．3 噪信比

3．3 最小二乘参数估计法

3．3．1 批处理最小二乘法

3．3．2 递推最小二乘法

3．3．3 遗忘因子递推最小二乘法

3．3．4 基于遗忘因子递推最小二乘的风机叶片高阶系统辨识

3．4 差分进化算法

3．4．1 标准差分进化算法

3．4．2 差分进化算法的基本流程

3．4．3 差分进化算法的参数设置

3．4．4 基于差分进化算法的风机叶片系统参数辨识

第四章 基于系统辨识的风机叶片振动控制

4．1 风机叶片极点配置自校正振动控制

4．1．1 风机叶片系统的离散化

4．1．2 增量式PID控制

4．1．3 极点配置控制律

4．1．4 Diophantine方程的求解

4．2 基于遗忘因子递推最小二乘的风机叶片间接自校正PID振动控制

4．3 基于差分进化优化的风机叶片间接自校正PID振动控制

第五章 风机叶片颤振控制的Matlab仿真及实验结果分析

5．1 风机叶片的Simulink模型

5．2 风机叶片振动系统的辨识结果

5．2．1 基于遗忘因子递推最小二乘的风机叶片系统辨识结果

5．2．2 基于差分进化优化的风机叶片系统辨识结果

5．3 风机叶片极点配置直接自校正振动控制结果

5．4 基于先进辨识算法的风机叶片间接自校正PID振动控制结果

5．4．1 基于最小二乘辨识的风机叶片间接自校正PID振动控制

5．4．2 基于差分进化优化的风机叶片间接自校正PID振动控制

5．5 实验结果分析

6．1 总结

6．2 展望

参考文献

致谢

攻读硕士期间发表的论文

攻读硕士期间参与项目

声明