一种RBF神经网络俯仰干扰补偿的风力机舱悬浮控制方法技术

针对风力机舱存在轴向悬浮和俯仰的多自由度控制存在控制结构复杂和故障率高等问题，提出了基于RBF神经网络俯仰干扰补偿的风力机舱悬浮控制，采用机舱悬浮复合控制器为独立的悬浮变流器提供电流参考，协同完成机舱轴向和俯仰两自由度系统的悬浮控制，包括状态反馈控制、RBF神经网络俯仰干扰估计和俯仰干扰补偿鲁棒控制器，RBF神经网络俯仰干扰估计采用由气隙偏差、偏差微分、偏差积分以及当前高斯函数值所组成的复合指标，自适应调整RBF神经网络权值和输出，对机舱俯仰干扰实时估计，俯仰干扰补偿鲁棒控制器是对RBF神经网络俯仰干扰估计误差实时获取和补偿的控制器。

A suspension control method of wind engine room based on RBF neural network pitch disturbance compensation

【技术实现步骤摘要】
一种RBF神经网络俯仰干扰补偿的风力机舱悬浮控制方法
本专利技术公开了一种RBF神经网络俯仰干扰补偿的风力机舱悬浮控制方法，是一种解决多自由度磁悬浮运行成本高、控制结构复杂的有效控制方法，属于电气工程控制领域。
技术介绍
风机偏航系统为大中型风力发电机组的核心组件，实现风力机舱桨叶正面迎风和风能捕获。目前，风机偏航系统采用多电机、多齿轮驱动结构，具有偏航功耗大、故障率高等问题。曲阜师范大学新能源研究所提出了风力磁悬浮偏航系统，包括悬浮绕组、偏航定子，以及将机舱、悬浮绕组构成一体的偏航旋转体，风向变化时，风力机舱悬浮并偏航对风，实现风能最大捕获。磁悬浮系统本质为非线性、弱阻尼和开环不稳定特性，必须依赖悬浮变流器的主动悬浮控制才可实现。风力机舱存在轴向悬浮、俯仰、翻滚等三自由度运动，多自由度主动悬浮控制可实现机舱的多自由度悬浮稳定，但却导致传感器、悬浮变流器以及控制器数量增大。专利技术专利2018110226905和2018100567833提出了机舱俯仰被动抑制和轴向主动悬浮控制协同控制方法，有效降低悬浮故障率和设备复杂程度。但轴向悬浮中的多干扰问题严重影响机舱悬浮稳定，采用自适应方法对干扰进行估计和补偿，取得了一定的控制效果，但轴向干扰包括风速轴向压力干扰、机舱俯仰干扰以及其他未知干扰，传统自适应控制对结构和参数完全未知时控制能力有限，且无法对结构未知的干扰进行有效估计。而RBF神经网络具有对未知不确定项的强逼近能力，但也存在逼近和估计误差的问题，也会导致风力机舱悬浮波动。
技术实现思路
本专利技术的主要目的在于：针对现有技术的不足和空白，提供一种RBF神经网络俯仰干扰补偿的风力机舱悬浮控制方法，采用机舱悬浮复合控制器设定悬浮变流器的电流参考，独立的悬浮变流器根据电流参考调控悬浮吸力，完成轴向悬浮和俯仰干扰抑制；机舱悬浮复合控制器包括状态反馈控制、RBF神经网络俯仰干扰估计和俯仰干扰补偿鲁棒控制器，所述RBF神经网络俯仰干扰估计采用由气隙偏差、偏差微分、偏差积分以及当前高斯函数值所组成的复合指标，自适应调整RBF神经网络权值和输出，对机舱俯仰干扰实时估计；所述俯仰干扰补偿鲁棒控制器是对俯仰干扰估计误差实时获取和补偿的控制器。一种RBF神经网络俯仰干扰补偿的风力机舱悬浮控制方法的设计步骤如下：步骤1，将风力机舱俯仰运动以俯仰干扰的形式引入至机舱轴向悬浮运动中，综合考虑俯仰干扰、轴向干扰力以及非线性高阶项的风力机舱单自由度悬浮模型为其中：kδ2为悬浮力二次项系数，ms为机舱旋转体总重量，fd为轴向风力干扰，δ为机舱悬浮气隙，θp为机舱俯仰角度，Sa为总悬浮绕组面积，δ0为机舱额定悬浮气隙，I0为额定悬浮电流，a为悬浮绕组半径，I为悬浮电流，N为悬浮绕组匝数，R为机舱俯仰半径，c为涡流铝板厚度，σ为涡流铝板电导率，μ0为真空导磁率,Udc为机舱悬浮变流器输入电压，Rs为悬浮绕组内阻，kδ2r2sin2θp/ms为俯仰干扰、机舱下压力fd/ms以及非线性高阶项o(f)/ms。步骤2，将俯仰干扰、风力轴向干扰以及非线性高阶项，统一归结为复合干扰设置机舱气隙跟踪误差为e＝δref-δ，δref为机舱悬浮气隙设定，分别以∫edt、e和为状态变量x1、x2和x3，以I为控制输入u，式(1)转化为机舱轴向悬浮气隙跟踪误差模型为其中：E＝[x1,x2,x3]T；步骤3，设计机舱悬浮复合控制器为其中：为状态反馈控制，控制系数K＝[k1,k2,k3]的设定采用极点配置法完成，为RBF神经网络俯仰干扰估计；ua为解决RBF神经网络干扰估计误差的鲁棒控制，提高控制实时性。将式(3)代入式(2)，获得机舱悬浮气隙跟踪误差动态方程其中：为最优权值θ*的俯仰干扰估计值。步骤4，RBF神经网络俯仰干扰估计第一步，设置RBF神经网络结构，采用∫edt，e和个输入，5个隐含层节点以及1个输出的网络结构，隐含层函数设置为xi为第i个神经网络的输入；j为隐含层第j个节点；cij为隐含层第j个神经元高斯基函数的中心坐标；bj为隐含层第j个神经元高斯基函数的宽度；第二步，设置RBF神经网络俯仰干扰补偿器为其中：为神经网络权值的调整值；第三步，设置俯仰干扰估计误差其中：θ*为RBF神经网络的最优权值，表示为第四步，设置RBF神经网络权值更新自适应律其中：P为对称正定矩阵，满足ΛTP+PΛ＝-Q，Q为正定矩阵。步骤5，设置俯仰干扰补偿鲁棒控制器其中：为俯仰干扰估计误差上界，η和β为正实数，消除函数ETPB符号变化所致抖振，其值设置为充分小。步骤6，RBF神经网络权值更新自适应律和俯仰干扰估计鲁棒控制器设计及稳定性证明，将式(4)代入式(2)可得简化的机舱悬浮气隙误差动态方程其中：第一步，构建包含气隙跟踪误差和权值最优两性能的机舱悬浮能量Lyapunov函数为其中：γ为正实数，第二步，对机舱悬浮能量Lyapunov函数求导，推导实现能量降低条件；由于由式(14)可知因此要确保需满足以下条件由式(15)可得RBF神经网络权值更新自适应律为将式(17)和式(9)代入式(14)可得可通过设计鲁棒控制器即可消除RBF神经网络所致干扰估计误差对系统的影响，同时可借助η和β的选取，确保步骤7，综合步骤1～步骤6，设定悬浮电流参考设定为进而由悬浮电流跟踪控制器完成对悬浮电流参考跟踪。本专利技术带来的有益效果是：1)本专利技术提出方法，解决了风力机舱悬浮系统的不稳定、工况复杂多变问题对机舱偏航稳定影响，有效提升风力机舱悬浮和偏航系统稳定性；2)采用RBF神经网络自适应估计机舱俯仰干扰，网络权值自适应调整，极大降低了机舱俯仰干扰的估计误差，且权值自适应率是由Lyapunov方法推导获取，确保了机舱悬浮系统的稳定性和快速收敛，同时针对神经网络对俯仰干扰估计过程中误差问题，采用在线监测和鲁棒补偿的方法，极大提升了单自由度机舱悬浮稳定性。附图说明图1为机舱悬浮复合控制器结构框图。图2为机舱俯仰干扰力矩图。图3为多控制策略的机舱轴向悬浮气隙对比图。图4为多控制策略的机舱两侧悬浮气隙对比图。图5为机舱悬浮复合控制下的悬浮电流变化图。具体实施方式下面结合附图对本专利技术作进一步详细说明。本专利技术所公布的基于RBF神经网络俯仰干扰补偿的风力机舱悬浮控制方法，控制结构如图1所示，包括状态反馈控制、RBF神经网络俯仰干扰估计和俯仰干扰补偿鲁棒控制器，采用独立的悬浮变流器完成机舱轴向和俯仰两自由度悬浮，机舱悬浮复合控制器设定悬浮变流器的电流参考；RBF神经网络俯仰干扰估计采用由气隙偏差、本文档来自技高网...

【技术保护点】
1.一种RBF神经网络俯仰干扰补偿的风力机舱悬浮控制方法，其特征在于：采用独立的悬浮变流器完成机舱轴向和俯仰两自由度系统的悬浮控制，用机舱悬浮复合控制器设定悬浮变流器的电流参考，所述悬浮变流器根据电流参考调控悬浮吸力，完成轴向悬浮和俯仰干扰抑制；所述机舱悬浮复合控制器包括状态反馈控制、RBF神经网络俯仰干扰估计和俯仰干扰补偿鲁棒控制器，所述RBF神经网络俯仰干扰估计采用由气隙偏差、偏差微分、偏差积分以及当前高斯函数值所组成的复合指标，自适应调整RBF神经网络权值和输出，对机舱俯仰干扰实时估计；所述机舱俯仰干扰是机舱前后两侧悬浮气隙差异产生的对机舱轴向运动的干扰力；所述俯仰干扰补偿鲁棒控制器是对RBF神经网络俯仰干扰估计误差实时获取和补偿的控制器，引入了指数函数，补偿复合指标符号改变所致的补偿超调问题。/n

【技术特征摘要】
1.一种RBF神经网络俯仰干扰补偿的风力机舱悬浮控制方法，其特征在于：采用独立的悬浮变流器完成机舱轴向和俯仰两自由度系统的悬浮控制，用机舱悬浮复合控制器设定悬浮变流器的电流参考，所述悬浮变流器根据电流参考调控悬浮吸力，完成轴向悬浮和俯仰干扰抑制；所述机舱悬浮复合控制器包括状态反馈控制、RBF神经网络俯仰干扰估计和俯仰干扰补偿鲁棒控制器，所述RBF神经网络俯仰干扰估计采用由气隙偏差、偏差微分、偏差积分以及当前高斯函数值所组成的复合指标，自适应调整RBF神经网络权值和输出，对机舱俯仰干扰实时估计；所述机舱俯仰干扰是机舱前后两侧悬浮气隙差异产生的对机舱轴向运动的干扰力；所述俯仰干扰补偿鲁棒控制器是对RBF神经网络俯仰干扰估计误差实时获取和补偿的控制器，引入了指数函数，补偿复合指标符号改变所致的补偿超调问题。


2.根据权利要求1所述的一种RBF神经网络俯仰干扰补偿的风力机舱悬浮控制方法，其特征是设计步骤如下：
步骤1，将风力机舱俯仰运动以俯仰干扰的形式引入至机舱轴向悬浮运动中，综合考虑俯仰干扰、轴向干扰力以及非线性高阶项的风力机舱单自由度悬浮模型为



其中：









kδ2为悬浮力二次项系数，ms为机舱旋转体总重量，fd为轴向风力干扰，δ为机舱悬浮气隙，θp为机舱俯仰角度，Sa为总悬浮绕组面积，δ0为机舱额定悬浮气隙，I0为额定悬浮电流，a为悬浮绕组半径，I为悬浮电流，N为悬浮绕组匝数，R为机舱俯仰半径，c为涡流铝板厚度，σ为涡流铝板电导率，μ0为真空导磁率，Udc为机舱悬浮变流器输入电压，Rs为悬浮绕组内阻，kδ2r2sin2θp/ms为俯仰干扰、机舱下压力fd/ms以及非线性高阶项o(f)/ms；
步骤2，将俯仰干扰、风力轴向干扰以及非线性高阶项，统一归结为复合干扰设置机舱气隙跟踪误差为e＝δref-δ，δref为机舱悬浮气隙设定，分别以∫edt、e和为状态变量x1、x2和x3，以I为控制输入u，式(1)转化为机舱轴向悬浮气隙跟踪误差模型为



其中：E＝[x1,x2,x3]T，
步骤3，设计机舱悬浮复合控制器为



其中：为状态反馈控制，控制系数K＝[k1,k2,k3]的设定采用极点配置法完成，为RBF神经...

【专利技术属性】
技术研发人员：褚晓广，孔英，王文轩，蔡彬，
申请(专利权)人：曲阜师范大学，
类型：发明
国别省市：山东;37