【技术实现步骤摘要】
基于RBF神经网络自适应解耦的风力机舱两端悬浮控制方法
本专利技术涉及一种基于RBF神经网络自适应解耦的风力机舱两端悬浮控制方法，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，机舱桨叶侧和尾翼侧质量存在差异，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202010552436采用同步控制方法虽然可以降低机舱两端的同步误差，使风力机舱具有一定的抗干扰能力，但是没有完全解决机舱桨叶侧和尾翼侧耦合的问题，对于悬浮系统的解耦控制，传统分散式PID加交叉耦合控制和线性化解耦方法要求被控系统必须采用精确的数学模型来描述，这...
【技术保护点】
1.基于RBF神经网络自适应解耦的风力机舱两端悬浮控制方法，其特征在于：将机舱两端悬浮控制转化为单端独立的RBF神经网络自适应跟踪控制，采用RBF神经网络直接逼近单端悬浮系统中存在的两端交叉耦合项和不确定性干扰，实现机舱稳定悬浮和俯仰力矩的有效抑制；所述单端独立的RBF神经网络自适应跟踪控制包括基于状态反馈的主悬浮跟踪控制器以及基于RBF神经网络自适应的不确定干扰补偿控制器；所述主悬浮跟踪控制器采用基于悬浮气隙跟踪误差及其导数构建的虚拟变量E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，基于悬浮气隙跟踪误差和跟踪误差导数设计神经网络权值自适应律，并在线进...
【技术特征摘要】 【专利技术属性】
1.基于RBF神经网络自适应解耦的风力机舱两端悬浮控制方法，其特征在于：将机舱两端悬浮控制转化为单端独立的RBF神经网络自适应跟踪控制，采用RBF神经网络直接逼近单端悬浮系统中存在的两端交叉耦合项和不确定性干扰，实现机舱稳定悬浮和俯仰力矩的有效抑制；所述单端独立的RBF神经网络自适应跟踪控制包括基于状态反馈的主悬浮跟踪控制器以及基于RBF神经网络自适应的不确定干扰补偿控制器；所述主悬浮跟踪控制器采用基于悬浮气隙跟踪误差及其导数构建的虚拟变量E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，基于悬浮气隙跟踪误差和跟踪误差导数设计神经网络权值自适应律，并在线进行权值的优化调整，实现机舱悬浮跟踪和悬浮同步的有效独立解耦控制，确保机舱两侧悬浮运行同步。
2.根据权利要求1所述的基于RBF神经网络自适应解耦的风力机舱两端悬浮控制方法，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；
步骤2构建机舱两端悬浮力方程
式中：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3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，将式(4)转化为机舱两端悬浮控制模型
步骤4采用状态反馈法设计主悬浮跟踪控制器
第一步，取悬浮气隙跟踪误差eδi＝δref-δi，跟踪误差的导数i＝A、B，其中δref、δi分别为参考气隙、悬浮系统输出气隙，定义虚拟变量则单端独立悬浮系统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，对式(6)进行极点配置，采用状态反馈法设计主悬浮跟踪控制器，则悬浮系统闭环特征多项式为：
技术研发人员：褚晓广，周洁，孔英，马骢，李王玉，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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。