基于综合关联改进型DE算法的风力机翼型最优LQR控制方法技术

本发明专利技术涉及一种基于综合关联改进型DE算法的风力机翼型最优LQR控制方法。首先将水平风力机翼型非线性系统的微分方程转换成状态空间方程的表达形式，便于应用LQR控制方法，然后利用最优LQR控制方法，将风力机翼型多自由度振动控制最大化和驱动量最小化问题等价成二次型性能指标加权项的优化整定问题，最后基于相似性和相关性概念创新性地设计出综合关联改进型DE算法，用于自适应整定LQR控制器最佳加权项，实现多种风况下风力机翼型最优LQR控制的快速性、有效性和鲁棒性。

【技术实现步骤摘要】
基于综合关联改进型DE算法的风力机翼型最优LQR控制方法
本专利技术涉及风能控制
，具体涉及一种基于综合关联改进型DE算法的风力机翼型最优LQR控制方法。
技术介绍
线性二次型控制技术(Linearquadraticregulator,LQR)是目前风力机翼型振动控制中最常应用的方法之一。LQR控制技术的有效实施在于二次型性能指标的加权项整定问题。针对风力机翼型振动系统，传统LQR控制器均采取经验值法或试凑法来确定加权项。然而，这些方法难以获取最佳加权项，从而无法以最小驱动量获取最优振动控制效果。因此，需要对风力机翼型的LQR控制器进行优化设计。基于生物进化思想的进化算法(Evolutionaryalgorithm,EA)是一种成熟的全局优化方法，能够根据系统性能指标采用优化迭代的方式不断搜寻最优结果。基于EA算法的最优LQR控制方法已经在地震、航天飞行、电力系统、楼宇等多个工程领域取得了良好的应用效果。已有最优LQR控制方法主要利用了以下几种进化算法：遗传算法(Geneticalgorithm,GA)、粒子群算法(ParticleSwarmOptimization,PSO)和本文档来自技高网...

【技术保护点】
1.一种基于综合关联改进型DE算法的风力机翼型最优LQR控制方法，其特征在于，步骤如下：第一步：使用风力机翼型气动弹性模型和风力机变桨驱动模型，联合建立风力机翼型的非线性气动伺服弹性模型；第二步：将所述非线性气动伺服弹性模型进行线性化处理，并转换成状态空间方程；第三步：根据所述状态空间方程，基于二次型性能指标Jlqr获得LQR控制器；第四步：使用综合关联改进型DE算法优化所述二次型性能指标Jlqr的权参数，第三步中，所述LQR控制器如下所示：βref＝‑KlqrX其中，βref为风力机变桨驱动量，Klqr为状态反馈增益矩阵，X为系统状态量；

【技术特征摘要】
1.一种基于综合关联改进型DE算法的风力机翼型最优LQR控制方法，其特征在于，步骤如下：第一步：使用风力机翼型气动弹性模型和风力机变桨驱动模型，联合建立风力机翼型的非线性气动伺服弹性模型；第二步：将所述非线性气动伺服弹性模型进行线性化处理，并转换成状态空间方程；第三步：根据所述状态空间方程，基于二次型性能指标Jlqr获得LQR控制器；第四步：使用综合关联改进型DE算法优化所述二次型性能指标Jlqr的权参数，第三步中，所述LQR控制器如下所示：βref＝-KlqrX其中，βref为风力机变桨驱动量，Klqr为状态反馈增益矩阵，X为系统状态量；B为系统驱动矩阵，rlqr为驱动量的加权项，P为正定常数矩阵且满足矩阵代数Riccati方程：其中，T为述转置运算符，Qlqr为系统状态量X的加权对角矩阵，A是系统状态矩阵，且有：其中，M1，C1，K1分别是线性化后的质量矩阵、阻尼矩阵和刚度矩阵，L1，L2是线性化后的气动力矩阵，Iβ，dβ，kβ分别为变桨驱动模型的惯性系数、阻尼系数和刚度系数；第三步中，所述二次型性能指标Jlqr如下所示：其中，(Qlqr,rlqr)为二次型性能指标Jlqr的权参数，LQR控制以二次型性能指标Jlqr最小化为目标，t为时间；第四步中，优化所述二次型性能指标Jlqr的权参数的方法为：将二次型性能指标Jlqr的权参数(Qlqr,rlqr)设置为待优化的目标向量vi，G；设置目标函数Jopt；以目标函数Jopt最小化为目标，使用DE算法对目标向量vi，G进行多次迭代优化获得最佳权参数(Qlqr_opt,rlqr_opt)；其中，DE算法中的变异因子Fi和交叉因子CRi通过如下综合关联自适应机制进行更新：Fi＝2max(gi，gri)(Ff-F0)+(2F0-Ff)CRi＝2max(gi，gri)(CRf-CR0)+(2CR0-CRf)其中，F0和Ff分...

【专利技术属性】
技术研发人员：李迺璐，杨华，朱卫军，蒋伟，张继勇，
申请(专利权)人：扬州大学，
类型：发明
国别省市：江苏,32