基于模型参考的机舱悬浮系统RBF神经网络自适应同步解耦控制方法技术方案

本发明专利技术公开了一种机舱悬浮系统的RBF神经网络及自适应同步解耦控制方法，构建含轴向、俯仰两自由度运动的机舱两端悬浮模型，深入分析风力机舱两端悬浮系统间存在的机械耦合、电磁力耦合以及结构参数不匹配等对机舱悬浮稳定影响，将机舱两端悬浮控制转化为单端悬浮独立控制，构建单端悬浮线性解耦模型，将单端悬浮系统中未知不确定部分合理分割为轴向干扰和同步干扰，分别设计两个RBF神经网络控制器逼近补偿，与悬浮跟踪控制器共同实现两端悬浮系统解耦、稳定悬浮以及干扰抑制，协同为两端悬浮变流器提供悬浮电流跟踪参考。本发明专利技术将极大提升机舱悬浮跟踪、干扰抑制以及两端悬浮同步性能，对较重悬浮物的多点悬浮控制具有较强指导意义。

【技术实现步骤摘要】
基于模型参考的机舱悬浮系统RBF神经网络自适应同步解耦控制方法
本专利技术涉及一种基于模型参考的机舱悬浮系统RBF神经网络自适应同步解耦控制方法，尤其是一种应用于水平轴风力发电系统机舱稳定悬浮后偏航对风，解决桨叶侧和尾翼侧迎风面积差异极易导致机舱俯仰，属于风力发电磁悬浮领域。
技术介绍
水平轴风力发电系统是风电系统的流行机型，传统风力偏航装置采用机械耦合式偏航结构，存在摩擦功耗大、对风精度差以及故障率高等问题，为此曲阜师范大学新能源研究所提出了风力磁悬浮偏航系统，极大降低机舱偏航功耗。由于机舱悬浮工况恶劣，风速风向时变，且机舱桨叶侧和尾翼侧的体积、质量存在差异，极易发生俯仰，严重影响风电机组运行安全，如何提升机舱轴向悬浮稳定、有效抑制机舱俯仰、提高悬浮系统同步性能是风力机舱悬浮稳定关键，专利202010708203进行了基于自适应神经网络的控制，专利202010552436进行了同步悬浮控制研究，但仅采用单一控制器对悬浮系统所有不确定扰动进行逼近补偿，存在一定的逼近误差，且没有完全解决机舱桨叶侧和尾翼侧耦合的问题，为此国内外众多科学家进行了悬浮系统的解耦控制研究，虽然传统分散式PID加交叉耦合控制和线性化解耦方法可以提高悬浮系统稳定性能，但要求被控系统必须采用精确的数学模型来描述，这使其应用在风力机舱两端悬浮系统时很难达到预期的悬浮控制效果，严重制约风力机舱的悬浮稳定性、同步性能以及偏航对风精确度。
技术实现思路
本专利技术目的是为克服上述现有技术的不足，提供了一种基于模型参考的机舱悬浮系统RBF神经网络自适应同步解耦控制方法，将机舱两端悬浮控制转化为单端悬浮独立控制，构建单端悬浮线性解耦模型，将单端悬浮系统中未知不确定部分合理分割为轴向干扰和同步干扰，分别设计两RBF神经网络控制器逼近补偿，与悬浮跟踪控制器共同实现两端悬浮系统解耦、稳定悬浮以及干扰抑制，协同为两端悬浮变流器提供悬浮电流跟踪参考；所述单端悬浮线性解耦模型采用线性无耦合的三阶稳定系统；所述单端独立悬浮控制包括基于状态反馈的悬浮跟踪控制器、RBF神经网络自适应轴向干扰补偿器和RBF神经网络自适应同步控制器；所述悬浮跟踪控制器采用基于悬浮气隙跟踪误差、跟踪误差一阶导数和跟踪误差二阶导数构建的虚拟变量Xe作为状态反馈控制输入；所述RBF神经网络采用5个隐含层神经元结构，基于机舱两端悬浮系统和单端悬浮线性解耦模型生成模型偏差、模型偏差一阶导数和模型偏差二阶导数，构成RBF神经网络自适应轴向干扰补偿器网络权值自适应律，并在线进行权值优化调整；取机舱两端悬浮气隙差值作为同步误差，引入基于同步误差和其导数的同步性能指标yss，基于yss、模型偏差、模型偏差一阶导数和模型偏差二阶导数，设计RBF神经网络自适应同步控制器的网络权值自适应律，并在线进行权值优化调整，实现两端悬浮解耦和两端悬浮同步控制。包括以下步骤：步骤1构建含轴向、俯仰两自由度运动方程式中，ω为俯仰角速度，为俯仰角度，FA,FB分别为两侧独立的悬浮吸力，J为机舱俯仰转动惯量，m为风力机舱质量，g为重力加速度，δ为轴向悬浮气隙，fd为机舱轴向干扰，Ts为机舱倾覆力矩，r为机舱旋转半径，μ0为真空磁导率，N为两侧悬浮绕组匝数，S为磁极面积，δA、iA为桨叶侧悬浮气隙、悬浮电流，δB、iB为尾翼侧悬浮气隙、悬浮电流。步骤2风机机舱两端悬浮动态模型转化第一步，采用坐标变换将式(1)两自由度运动方程，转化为以前后侧气隙运动方程为第二步，基于(δ0，i0)将式(3)转化为机舱两端线性化动态模型：式中，δ0为平衡点处的悬浮绕组与机舱之间的气隙，i0为平衡点处流过悬浮绕组的悬浮电流，Δf为线性化后的高阶项。第三步，对式(3)进行求导可得第四步，由于内环悬浮电流通过悬浮变流器控制，为了研究方便，将悬浮绕组线圈模型化，即悬浮绕组线圈用一个电阻和一个电感串联代替。根据电磁感应定律及电路的基尔霍夫定律可知，单侧机舱的悬浮绕组电压方程为u(t)＝Ri(t)+dψ(t)/dt，又气隙磁场ψ可表示为ψ＝Li＝Nφm，故悬浮变流器的动态模型可表示为：式中，R,L分别为悬浮变流器中的等效电阻和等效电感，第五步，假设机舱悬浮过程中悬浮变流器中的电阻、电感等参数不发生变化，则由式(6)可表示i为：第六步，当悬浮机舱处于平衡状态时，其加速度为零，即则可由式(4)求得：第七步，结合式(6)和(7)，式(4)可转化为：第八步，将上式中轴向扰动、线性化后的高阶项以及系统参数变化归结为不确定性轴向扰干扰fxp，将交叉耦合项、俯仰扰动等归结为不确定性同步干扰gxp，式(8)可转化为：步骤3悬浮控制器设计第一步，以A侧为例，取悬浮气隙跟踪误差eδ＝δref-δ，跟踪误差一阶导数跟踪误差二阶导数其中δref、δ分别为参考气隙、悬浮系统输出气隙。定义虚拟变量则单侧悬浮气隙跟踪误差增广模型可描述为：式中，虚拟控制输入第二步，易知式(10)是可控的，可任意配置极点，采用状态反馈法设计线性跟踪控制器，则悬浮系统闭环特征多项式为：其中，Ke＝[k1k2k3]为状态反馈增益矩阵.第三步，通过选取合适的闭环极点，得到反馈增益矩阵Ke的参数值，则线性跟踪控制器的输出为：uc＝KeXe(12)步骤4RBF神经网络自适应轴向干扰补偿器和RBF神经网络自适应同步控制器设计第一步，本节在设计控制器时以A侧为例，选取状态变量u作为控制输入电流，则单侧悬浮控制的状态空间方程描述为：第二步，设计机舱两端悬浮系统期望模型，它的微分方程描述为：式中，Am，Bm为预期常数；R为参考气隙输入，期望模型状态变量与悬浮系统模型状态变量一致，即Xm＝Xδ。第三步，为保证跟踪性能良好，取ξ＝0.8，ωn＝70。因此有主导极点s0＝-60，还有极点s1＝-70×2.48×10-8i，s2＝-70-2.48×10-8i。很明显，该期望模型的三个极点均分布在左半平面且无超调，期望模型可以快速稳定的跟踪参考模型。由已知参数ξ，ωn的值可以得到第四步，采用RBF神经网络分别逼近fxp，gxp。以A侧为例定义同步误差为：ess＝δA-δB(16)第五步，基于同步误差及其变化引入同步性能指标：式中，c1,c2为正实数。第六步，RBF神经网络算法为：式中，x为RBF同步控制器的输入；j代表网络隐含层第j个节点；h＝[hj]T为高斯基函数的输出；F*和G*为网络的理想权值；εf和εg为网络的逼近误差，且|εf|≤εMf，|εg|≤εMg，fxp和gxp分别为理想RBF网络的输出。第七步，控制目标需要设计控制律：u＝KeXe+fxp+gxp＝KeXref-KeXδ+fxp+gxp(19)式中Ke为反馈增益。第八步，将式(19)代入式(本文档来自技高网...

【技术保护点】
1.基于模型参考的机舱悬浮系统RBF神经网络自适应同步解耦控制方法，其特征在于：将机舱两端悬浮控制转化为单端悬浮独立控制，构建单端悬浮线性解耦模型，将单端悬浮系统中未知不确定部分合理分割为轴向干扰和同步干扰，分别设计两RBF神经网络控制器逼近补偿，与悬浮跟踪控制器共同实现两端悬浮系统解耦、稳定悬浮以及干扰抑制，协同为两端悬浮变流器提供悬浮电流跟踪参考；所述单端悬浮线性解耦模型采用线性无耦合的三阶稳定系统；所述单端独立悬浮控制包括基于状态反馈的悬浮跟踪控制器、RBF神经网络自适应轴向干扰补偿器和RBF神经网络自适应同步控制器；所述悬浮跟踪控制器采用基于悬浮气隙跟踪误差、跟踪误差一阶导数和跟踪误差二阶导数构建的虚拟变量X

【技术特征摘要】
1.基于模型参考的机舱悬浮系统RBF神经网络自适应同步解耦控制方法，其特征在于：将机舱两端悬浮控制转化为单端悬浮独立控制，构建单端悬浮线性解耦模型，将单端悬浮系统中未知不确定部分合理分割为轴向干扰和同步干扰，分别设计两RBF神经网络控制器逼近补偿，与悬浮跟踪控制器共同实现两端悬浮系统解耦、稳定悬浮以及干扰抑制，协同为两端悬浮变流器提供悬浮电流跟踪参考；所述单端悬浮线性解耦模型采用线性无耦合的三阶稳定系统；所述单端独立悬浮控制包括基于状态反馈的悬浮跟踪控制器、RBF神经网络自适应轴向干扰补偿器和RBF神经网络自适应同步控制器；所述悬浮跟踪控制器采用基于悬浮气隙跟踪误差、跟踪误差一阶导数和跟踪误差二阶导数构建的虚拟变量Xe作为状态反馈控制输入；所述RBF神经网络采用5个隐含层神经元结构，基于机舱两端悬浮系统和单端悬浮线性解耦模型生成模型偏差、模型偏差一阶导数和模型偏差二阶导数，构成RBF神经网络自适应轴向干扰补偿器网络权值自适应律，并在线进行权值优化调整；取机舱两端悬浮气隙差值作为同步误差，引入基于同步误差和其导数的同步性能指标yss，基于yss、模型偏差、模型偏差一阶导数和模型偏差二阶导数，设计RBF神经网络自适应同步控制器的网络权值自适应律，并在线进行权值优化调整，实现两端悬浮解耦和两端悬浮同步控制。


2.根据权利要求1所述的基于模型参考的机舱悬浮系统RBF神经网络自适应同步解耦控制方法，其特征在于，包括以下步骤：
步骤1构建含轴向、俯仰两自由度运动方程



式中，ω为俯仰角速度，为俯仰角度，FA,FB分别为两侧独立的悬浮吸力，J为机舱俯仰转动惯量，m为风力机舱质量，g为重力加速度，δ为轴向悬浮气隙，fd为机舱轴向干扰，Ts为机舱倾覆力矩，r为机舱旋转半径，μ0为真空磁导率，N为两侧悬浮绕组匝数，S为磁极面积，δA、iA为桨叶侧悬浮气隙、悬浮电流，δB、iB为尾翼侧悬浮气隙、悬浮电流；
步骤2风机机舱两端悬浮动态模型转化
第一步，采用坐标变换将式(1)两自由度运动方程，转化为以前后侧气隙运动方程为



第二步，基于(δ0，i0)将式(3)转化为机舱两端线性化动态模型：



式中，δ0为平衡点处的悬浮绕组与机舱之间的气隙，i0为平衡点处流过悬浮绕组的悬浮电流，Δf为线性化后的高阶项；
第三步，对式(3)进行求导可得



第四步，由于内环悬浮电流通过悬浮变流器控制，为了研究方便，将悬浮绕组线圈模型化，即悬浮绕组线圈用一个电阻和一个电感串联代替，根据电磁感应定律及电路的基尔霍夫定律可知，单侧机舱的悬浮绕组电压方程为u(t)＝Ri(t)+dψ(t)/dt，又气隙磁场ψ可表示为ψ＝Li＝Nφm，故悬浮变流器的动态模型可表示为



式中，R,L分别为悬浮变流器中的等效电阻和等效电感；
第五步，假设机舱悬浮过程中悬浮变流器中的电阻、电感等参数不发生变化，则由式(6)可表示为



第六步，当悬浮机舱处于平衡状态时，其加速度为零，即则可由式(4)求得



第七步，结合式(6)和(7)，式(4)可转化为



第八步，将上式中轴向扰动、线性化后的高阶项以及系统参数变化归结为不确定性轴向干扰fxp，将交叉耦合项、俯仰扰动等归结为不确定性同步干扰gxp，式(8)可转化为






步骤3悬浮跟踪控制器设计
第一步，以A侧为例，取悬浮气隙跟踪误差eδ＝δref-δ，跟踪误差一阶导数跟踪误差二阶导数其中δref、δ分别为参考气隙、悬浮系统输出气隙，定义虚拟变量则单侧悬浮气隙跟踪误差增广模型可描述为



式中，虚拟控制输入
第二步，易知式(10)是可控的，可任意配置极点，采用状态反馈法设计线性跟踪控制器，则悬浮系统闭环特征多项式为



式中，Ke＝[k1k2k3]为状态反馈增益矩阵；
第三步，通过选取合适的闭环极点，得到反馈增益矩阵Ke的参数值，则线性跟踪控制器的输出为
uc＝Ke...

【专利技术属性】
技术研发人员：褚晓广，周洁，孔英，马骢，李文玉，王伟超，
申请(专利权)人：曲阜师范大学，
类型：发明
国别省市：山东;37