智能風機葉片基于灰色信息優(yōu)化的自適應內(nèi)模振動控制方法
【專利摘要】本發(fā)明公開了一種智能風機葉片基于灰色信息優(yōu)化的自適應內(nèi)模振動控制方法，該方法針對復雜運行環(huán)境下智能風機葉片振動系統(tǒng)中存在的多種不確定因素，采用基于灰色信息理論優(yōu)化的自適應內(nèi)模振動控制方法，即利用灰關聯(lián)優(yōu)化的差分進化辨識方式對不確定影響下的葉片振動系統(tǒng)進行精確辨識，使得內(nèi)模振動過程辨識更加理想精確；利用灰色規(guī)劃理論對葉片自適應內(nèi)模振動控制器的參數(shù)進行自適應優(yōu)化調(diào)節(jié)，有利于提高控制系統(tǒng)的動態(tài)特性和魯棒性，使得閉環(huán)系統(tǒng)在克服不確定因素影響的同時能夠取得高性能的智能風機葉片自適應振動控制效果。通過本發(fā)明，提供的灰色優(yōu)化自適應內(nèi)模振動控制方法可克服智能風機葉片在復雜工作環(huán)境中的多種不確定性因素影響。
【專利說明】
智能風機葉片基于灰色信息優(yōu)化的自適應內(nèi)模振動控制方法
技術(shù)領域
[0001] 本發(fā)明屬于風力機葉片高效安全運行控制技術(shù)領域，尤其涉及一種智能風機葉片 基于灰色信息優(yōu)化的自適應內(nèi)模振動控制方法。
【背景技術(shù)】
[0002] 風力機的大型化成為增加風電機組裝機容量的必然趨勢，風機葉片的展向長度隨 著機型增大也不斷增大，葉片作為風力發(fā)電系統(tǒng)捕獲風能的關鍵部分，直接影響整個風力 發(fā)電系統(tǒng)的發(fā)電效率和性能。然而，在慣性力、彈性力和復雜氣動負載力耦合作用下，葉片 會出現(xiàn)顫振現(xiàn)象并造成葉片損壞，嚴重時會產(chǎn)生裂紋、甚至斷裂破壞。由于葉片成本較高， 體積沉重且處于高空不便維護和更換等原因，風機葉片運行的安全性和經(jīng)濟性將很大程度 上依賴于葉片控制技術(shù)的發(fā)展，使得大型風機葉片的控制研究問題刻不容緩且意義重大。
[0003] 因此在傳統(tǒng)風機葉片變槳控制的基礎上，智能葉片的控制概念應運而生，智能葉 片是指翼型尾端安裝有智能驅(qū)動器的葉片，通過控制智能驅(qū)動裝置來改變?nèi)~片周圍流場特 性，達到抑制葉片振動的目的。然而，被控對象大型智能風機葉片長期運行在風機系統(tǒng)復雜 環(huán)境中，葉片振動控制還面臨外部環(huán)境變化，運行工況改變和驅(qū)動器動態(tài)變化等多種復雜 不確定因素的影響，如風速大小和方向的不確定變化、風機偏航、變槳執(zhí)行器動作等都會給 葉片系統(tǒng)帶來不確定攝動。
[0004] 因此如何設計自適應振動控制器，使大型智能風機葉片系統(tǒng)在復雜運行環(huán)境下， 并能夠保持高效的風機發(fā)電效率，克服系統(tǒng)內(nèi)外不確定因素的影響，擁有較強的魯棒性和 優(yōu)良的動態(tài)性能是具有挑戰(zhàn)和研究意義的控制問題。
[0005] 傳統(tǒng)的控制器和現(xiàn)有先進控制器大多局限于葉片本身的氣動負載控制和簡單自 適應振動控制研究。然而，這些針對風機葉片的控制研究均未考慮不確定性影響因素。實際 大型智能風機葉片長期運行在風機系統(tǒng)復雜環(huán)境中，受到環(huán)境變化、工況改變和葉片動作 等多種內(nèi)外不確性因素的影響，因此只單獨依靠以上針對確定系統(tǒng)設計的振動控制器無法 克服系統(tǒng)不確定性，滿足復雜環(huán)境下葉片自適應振動控制的需要。
[0006] 而實際智能風機振動系統(tǒng)為包含復雜不確定因素的高階、非線性、時變系統(tǒng)，考慮 如何設計新型自適應振動控制器，有效克服葉片振動系統(tǒng)中存在的多種不確定影響，提高 葉片控制系統(tǒng)的魯棒性和動態(tài)特性，保證智能風機葉片的安全高效運行，是非常迫切需要 解決的問題。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于針對復雜運行環(huán)境下智能風機葉片振動系統(tǒng)中存在的多種不 確定影響因素問題，提供一種智能風機葉片基于灰色信息優(yōu)化的自適應內(nèi)模振動控制方 法，本發(fā)明通過復雜運行環(huán)境下，對多種不確定因素影響下的葉片振動過程進行灰色優(yōu)化 辨識，提過系統(tǒng)過程辨識精度;對內(nèi)模振動控制器進行在線自適應修正來降低不確定因素 對控制效果的影響，提高自適應內(nèi)模振動控制器的魯棒性和動態(tài)性能；利用灰色理論對自 適應內(nèi)?？刂破鬟M行優(yōu)化調(diào)節(jié)，找到針對不同運行環(huán)境下的葉片最優(yōu)自適應內(nèi)模振動控制 方法。
[0008] 實現(xiàn)本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的，一種復雜運行環(huán)境下智能風機葉 片不確定系統(tǒng)的最優(yōu)自適應振動控制方法，所述方法是針對復雜運行環(huán)境下智能風機葉片 振動系統(tǒng)中存在的多種不確定因素，采用基于灰色信息理論優(yōu)化的自適應內(nèi)模振動控制方 法。
[0009] 所述自適應內(nèi)模振動控制方法的步驟如下：
[0010] (1)首先針對復雜運行環(huán)境下智能風機葉片振動系統(tǒng)存在的復雜不確定攝動，利 用差分進化算法對智能風機葉片系統(tǒng)的動態(tài)等效模型進行非線性辨識，相對于傳統(tǒng)辨識方 法，差分進化辨識具有收斂快、待定參數(shù)少、全局收斂能力和魯棒性強等優(yōu)點。通過差分進 化辨識中變異因子F和交叉因子CR的優(yōu)化選取，來控制辨識算法的收斂性、全局與局部搜索 能力，并最終影響振動系統(tǒng)辨識的準確性和辨識效率；
[0011] (2)針對（1)中變異因子F和交叉因子CR的選取問題，利用灰關聯(lián)決策理論優(yōu)化變 異因子F和交叉因子CR，通過尋找最優(yōu)變異因子F〇pt，0^和最優(yōu)交叉因子F〇pt，CR〇 pt獲得不 確定影響下的最優(yōu)系統(tǒng)辨識結(jié)果，提高葉片振動系統(tǒng)的過程辨識精度；
[0012] (3)根據(jù)不確定攝動下的葉片振動系統(tǒng)辨識模型，設計自適應內(nèi)模控制器。自適應 內(nèi)?？刂破髦械淖赃m應低通濾波器可以適用于高階系統(tǒng)的內(nèi)?？刂疲⑶铱梢愿鶕?jù)系統(tǒng)的 動態(tài)誤差，系統(tǒng)不確定攝動以及系統(tǒng)時變特性的影響，在線自適應調(diào)節(jié)濾波器的多個參數(shù)， 提高復雜運行環(huán)境下智能葉片的自適應振動控制性能；
[0013] (4)針對(3)中自適應濾波器的多參數(shù)自適應調(diào)節(jié)問題，采用灰色規(guī)劃思想在線求 解最優(yōu)濾波器不確定多參數(shù)，即滿足系統(tǒng)魯棒性和動態(tài)響應速度之間的最佳折衷方案?；?色非線性規(guī)劃的引入使得這種最佳控制方案可根據(jù)風機葉片復雜運行環(huán)境的改變在線進 行自適應調(diào)整，并在當前不確定環(huán)境影響下獲得最優(yōu)控制效果，同時也使得自適應控制器 參數(shù)整定的計算量減小、控制實時性增強；
[0014] (5)最后利用雙口雙回路結(jié)構(gòu)設計葉片自適應內(nèi)?？刂葡到y(tǒng)。利用雙回路自適應 內(nèi)?？刂平Y(jié)構(gòu)，使控制器能夠隨著葉片系統(tǒng)不確定參數(shù)的辨識更新，及時補充新信息調(diào)整 不確定濾波器參數(shù)，使得復雜不確定葉片系統(tǒng)的內(nèi)模振動控制具有較強的自適應性和魯棒 性；同時利用雙口內(nèi)?？刂平Y(jié)構(gòu)，解決控制量飽和問題，增強葉片振動系統(tǒng)的穩(wěn)定性和魯棒 性。
[0015] 步驟（1)中的智能風機葉片可采用尾緣襟翼、微型小插片等智能驅(qū)動器進行振動 控制，通過相應的系統(tǒng)輸出信號，完成自適應內(nèi)模振動控制系統(tǒng)的設計。
[0016] 步驟(1)中所述的智能風機葉片系統(tǒng)的動態(tài)等效模型可表示為如下形式：
[0017]
[0018] 其中，Gm為智能風機葉片系統(tǒng)等效模型的傳遞函數(shù)，，η為傳遞函數(shù)分母階數(shù)，m為 傳遞函數(shù)分子階數(shù)，e%為遲延部分，τ為遲延時間，ao(k)，…，a n(k)，bo(k)，…，bm(k)為系統(tǒng) 參數(shù)受復雜運行環(huán)境下的不確定攝動和系統(tǒng)時變特性影響而變化。動態(tài)等效模型對應的系 統(tǒng)輸出信號為葉片振動位移信號，系統(tǒng)輸入信號為智能驅(qū)動器控制信號。
[0019] 步驟⑵中的最優(yōu)變異、交叉因子F_(k)= i,y:加似:峨)}, 即k時刻下，最優(yōu)變異因子Fc>pt(k)和最優(yōu)交叉因子CRc>pt(k)根據(jù)辨識目標指標下的最優(yōu)灰色 絕對關聯(lián)度Kk)決定，i表示變異因子個數(shù)，j表示交叉因子個數(shù)。
[0020] 步驟(3)中的自適應內(nèi)模振動控制器為Ge(fc)二，其中，(^為最佳辨識模 型⑷最小相位的逆，fBW( ω。，η，Θ)為改進型Butterworth(BW)低通濾波器，ω。為濾波器 截止頻率，η為濾波器階次，Θ為濾波器夾角。
[0021] 步驟(4)中自適應濾波器的多參數(shù)自適應調(diào)節(jié)律為:首先在k時刻下根據(jù)誤差積分 (ISE)準則，利用跟蹤誤差和模型誤差來自適應調(diào)節(jié)ω。，保證系統(tǒng)的閉環(huán)穩(wěn)定性;不確定參 數(shù)Χ= (η，Θ)的整定通過求解自適應灰色非線性規(guī)劃問題minS =八?,,..(/〇, Χ)在灰色約束條 件沒⑧J〇〇(?)下下的最優(yōu)解，其中S為灰色規(guī)劃指標函數(shù)，㈨為自適應變化的 截止頻率灰參數(shù)，W?)為性能目標灰向量，f，g為控制性能指標函數(shù)。在下一個時刻，更新灰 色差分進化辨識模型，自適應調(diào)節(jié)得到新的截止頻率參數(shù)ω。仏+1 )，重新計算性能指標下 的灰色規(guī)劃最優(yōu)解n(k+l)，Θ (k+Ι)，實現(xiàn)改進型BW濾波器不確定多參數(shù)的自適應調(diào)節(jié)，得到 灰色信息優(yōu)化的自適應內(nèi)?？刂破鳌?br>[0022] 本發(fā)明公開了一種智能風機葉片基于灰色信息優(yōu)化的自適應內(nèi)模振動控制方法， 該方法針對復雜運行環(huán)境下智能風機葉片振動系統(tǒng)中存在的多種不確定因素，采用基于灰 色信息理論優(yōu)化的自適應內(nèi)模振動控制方法，即利用灰關聯(lián)優(yōu)化的差分進化辨識方式對不 確定影響下的葉片振動系統(tǒng)進行精確辨識，使得內(nèi)模振動過程辨識更加理想精確;利用灰 色規(guī)劃理論對葉片自適應內(nèi)模振動控制器的參數(shù)進行自適應優(yōu)化調(diào)節(jié)，有利于提高控制系 統(tǒng)的動態(tài)特性和魯棒性，使得閉環(huán)系統(tǒng)在克服不確定因素影響的同時能夠取得高性能的智 能風機葉片自適應振動控制效果。
[0023]自適應內(nèi)?？刂评碚撘言诙喾N工業(yè)生產(chǎn)過程控制中有了較好的應用，同時灰色理 論在多種不確定系統(tǒng)的控制應用中也取得了良好的效果，因此本發(fā)明針對智能風機葉片基 于灰色優(yōu)化的自適應內(nèi)模振動控制方法在實際中具有可實施性;本發(fā)明提供的灰色優(yōu)化自 適應內(nèi)模振動控制方法可克服智能風機葉片在復雜工作環(huán)境中的多種不確定性因素影響， 可進一步提高風力機的發(fā)電效率與風機運行的安全，具有良好的經(jīng)濟效益。
[0024] 傳統(tǒng)的風機葉片控制技術(shù)方法較為簡單，未同時考慮葉片振動控制的魯棒性和動 態(tài)特性問題。而實際中智能風機葉片長期運行在復雜的風力機工作環(huán)境中，系統(tǒng)中存在多 種不確定因素將極大影響葉片振動控制效果，不利于智能風機的安全穩(wěn)定運行與風力發(fā)電 效率。采用本發(fā)明的技術(shù)方案，本發(fā)明的有益效果是：
[0025] (1)針對高階非線性智能風機葉片振動系統(tǒng)的過程辨識，差分進化辨識算法具有 較好地全局快速收斂能力、較強的魯棒性和實時性，可以克服傳統(tǒng)非線性辨識方法求解過 程繁瑣、實時性較差和計算成本較高的問題。
[0026] (2)基于灰色決策優(yōu)化的差分進化辨識方法可以有效針對葉片振動系統(tǒng)中復雜攝 動的多樣性和時變性，通過灰關決策理論方法自適應優(yōu)化辨識算法關鍵參數(shù)，提高復雜不 確定影響下的葉片振動過程辨識精度和辨識性能，減小模型匹配誤差，改善內(nèi)模振動控制 性能。
[0027] (3)基于改進型BW低通濾波器的內(nèi)?？刂破骶哂卸鄠€可調(diào)節(jié)參數(shù)，使得內(nèi)?？刂?器設計更具靈活性，同時隨著濾波器階次的增加，其超調(diào)量不會出現(xiàn)惡化，針對葉片高階能 夠系統(tǒng)具有優(yōu)越性。
[0028] (4)將灰色非線性規(guī)劃引入改進型BW低通濾波器的自適應調(diào)節(jié)中，這樣自適應內(nèi) 模控制器就能在不確定因素變化的情況下更加準確、快速地求解控制性能指標下的最優(yōu)控 制器參數(shù)，進一步提高不確定風機葉片系統(tǒng)振動控制的魯棒性和自適應性。
[0029] (5)雙口雙回路的內(nèi)?？刂平Y(jié)構(gòu)不僅可以解決控制量飽和的問題，還能同時實現(xiàn) 過程辨識的灰色優(yōu)化和自適應振動控制器的灰色優(yōu)化，改善系統(tǒng)的動態(tài)響應和魯棒性，最 終實現(xiàn)基于灰色信息優(yōu)化的葉片自適應振動控制。
[0030] (6)本發(fā)明可用于復雜運行環(huán)境下的智能風機葉片高效振動控制，不僅在實際風 力發(fā)電控制系統(tǒng)中具有很高的應用價值，而且在其他復雜不確定系統(tǒng)的控制中，應用前景 也非常廣闊。
【附圖說明】
[0031] 圖1是本發(fā)明中基于灰色優(yōu)化差分進化算法的智能風機葉片振動系統(tǒng)辨識原理 圖；
[0032]圖2是本發(fā)明中基于灰色規(guī)劃優(yōu)化的自適應濾波器原理圖；
[0033]圖3是本發(fā)明中基于灰色信息優(yōu)化的智能風機葉片自適應內(nèi)模振動控制原理圖； [0034]圖4是本發(fā)明中基于灰色信息優(yōu)化的智能風機葉片自適應內(nèi)模振動控制流程圖；
【具體實施方式】
[0035]下面將結(jié)合附圖對本發(fā)明作進一步的說明。
[0036] 1)基于灰色優(yōu)化差分進化算法的不確定葉片振動系統(tǒng)辨識：由于復雜運行環(huán)境下 的智能風機葉片振動系統(tǒng)是一個參數(shù)時變、多變量、不確定影響因素較多的非線性系統(tǒng)，風 機葉片在振動過程中系統(tǒng)參數(shù)和不確定攝動影響在不斷變化狀態(tài)，這就增加了系統(tǒng)過程辨 識的難度，從而直接影響風機葉片自適應振動控制的性能。針對這種情況，如果能通過灰色 理論對先進辨識方法進行優(yōu)化，從而提高不確定影響下的系統(tǒng)參數(shù)辨識精度，將有利于提 高振動控制的動態(tài)性能和穩(wěn)定性。智能風機葉片非線性高階振動系統(tǒng)可等效為如下高階遲 延模型
[0037]
[0038] 其中，其中，Gm為智能風機葉片系統(tǒng)等效模型的傳遞函數(shù)，，η為傳遞函數(shù)分母階 數(shù)，m為傳遞函數(shù)分子階數(shù)，τ為遲延時間，a〇(k)，···，a n(k)，b〇(k)，…，bm(k)為系統(tǒng)參數(shù)受復 雜運行環(huán)境下的不確定攝動和系統(tǒng)時變特性影響而變化。k為當前時刻。動態(tài)等效模型的系 統(tǒng)輸出信號y為葉片振動位移信號，系統(tǒng)輸入信號u為智能驅(qū)動器控制信號。
[0039] 利用差分進化辨識算法，首先設置數(shù)據(jù)數(shù)量、種群個數(shù)和最大迭代次數(shù)等初始值， 以及待辨識參數(shù)的搜索范圍，其次設置辨識誤差指標為
[0040]
[0041] 其中，J為辨識誤差指標函數(shù)，N為測試數(shù)據(jù)的數(shù)量，yq為振動等效模型第q個測試 樣本的輸出。同時對于變異因子F和交叉因子CR進行初始化，在規(guī)定范圍內(nèi)隨機產(chǎn)生一群初 始值(FbCRj。利用灰關聯(lián)決策理論，將(FbCRj的自適應尋優(yōu)問題轉(zhuǎn)換為辨識誤差指標下 的(Fi，CRj)灰關聯(lián)決策問題，建立(F，CR)的灰色決策方案集為
[0042] s={sp=(ai,bp) |bP=(Fi,CRj),p = l,---,ij} (3)
[0043] 其中，S為決策方案集，sP為第p個決策方案，ai為自適應差分進化辨識事件，bP為變 異因子與交叉因子的選取方案。確定2個目標，記辨識誤差指標E P為目標1，記迭代次數(shù)心為 目標2。根據(jù)目標求解當前時刻下決策方案sP的效果向量以"二化八"乂仏^和理想最優(yōu) 效果向量為u PQ(k) = (EPo(k)，GPo(k))，計算uP(k)與uPQ(k)的灰色絕對關聯(lián)度ε(1〇。通過最優(yōu) 灰色關聯(lián)度，判斷出針對當前攝動系統(tǒng)具有最佳辨識效果的最優(yōu)組合因子
[0044]
[0045] 利用最優(yōu)組合因子?_(1〇,0^(1〇，完成差分進化辨識中的變異、交叉、選擇等操 作，得到最優(yōu)振動系統(tǒng)辨識結(jié)果，即最優(yōu)系統(tǒng)等效辨識模型。于是可得到基于灰色優(yōu)化差分 進化算法的系統(tǒng)辨識原理圖如圖2所示。
[0046] 2)基于灰色規(guī)劃優(yōu)化的自適應濾波器設計：智能風機葉片自適應內(nèi)模振動控制的 另一個核心問題在于設計內(nèi)模控制器中的自適應濾波器。傳統(tǒng)的濾波器主要針對低階系統(tǒng) 且只有一個可調(diào)節(jié)參數(shù)，同時濾波器參數(shù)的調(diào)節(jié)往往需要考慮在系統(tǒng)魯棒性和動態(tài)響應速 度之間折衷，調(diào)節(jié)難度較大。
[0047] 本發(fā)明采用改進型Butterworth(BW)低通濾波器，此濾波器具有三個可調(diào)節(jié)參數(shù)， 針對葉片高階系統(tǒng)的控制超調(diào)量不會出現(xiàn)惡化。在濾波器的自適應律設計方面采用系統(tǒng)動 態(tài)誤差準則和灰色非線性規(guī)劃理論，分別設計濾波器截止頻率ω。的自適應律和濾波器階 次η，夾角Θ的自適應律，既保證了不確定影響下振動閉環(huán)控制系統(tǒng)的穩(wěn)定性，又可以自適應 地尋找當前系統(tǒng)環(huán)境下的最優(yōu)濾波器參數(shù)，使得智能葉片的自適應振動控制能夠適應復雜 運行環(huán)境下的各種不確定變化影響。這種基于灰色規(guī)劃優(yōu)化的自適應濾波器原理圖如圖2 所示。根據(jù)積分平方誤差(ISE)準則，截止頻率ω。的自適應律為
[0048]
[0049] 其中，e(t)為跟蹤誤差，(y -50/y為模型相對誤差，ω〇為截止頻率初值。將自適應 變化的ω。視為灰參數(shù)，即截止頻率灰參數(shù)同時考慮系統(tǒng)不確定攝動和時變特性影 響下，滿足控制要求的動態(tài)性能指標往往為一個變化區(qū)間而非固定值，將具有變化范圍的 性能指標參數(shù)也視為灰參數(shù)，濾波器不確定參數(shù)Χ= (η，Θ)可通過灰色非線性規(guī)劃來求解。
[0050] 灰色目標函數(shù)為minS =f3(U) (6)
[00511灰色約束條件為
[0052]
[0053] 兵干，1373欞疋叮|日」凼雙，即狄β目標泛函，fi為峰值時間函數(shù)，f2為超調(diào)量函數(shù)； 分別為期望峰值時間灰參數(shù)，期望超調(diào)量灰參數(shù)和期望穩(wěn)定時間灰參數(shù)。通過 求解灰色非線性規(guī)劃問題可以得到當前時刻下滿足控制性能指標的最優(yōu)濾波器參數(shù)U， θ)〇
[0054] 3)基于灰色信息優(yōu)化的智能風機葉片自適應內(nèi)模振動控制系統(tǒng)
[0055] 參見圖3,圖中所示為智能風機葉片灰色信息優(yōu)化自適應內(nèi)模振動控制原理圖，從 圖中可以看出，灰色優(yōu)化振動控制是基于自適應內(nèi)?？刂频乃枷耄疑珒?yōu)化系統(tǒng)辨識 和灰色優(yōu)化自適應濾波器兩個部分。結(jié)合式(5)和式(6)中計算得到的濾波器參數(shù)，組成了 灰色優(yōu)化的自適應內(nèi)?？刂破?br>[0056]
[0057] 其中，為葉片振動系統(tǒng)過程辨識模型中最小相位部分的逆，fBW為改進型BW低通 濾波器。通過雙口內(nèi)模結(jié)構(gòu)中的控制器Gac獲得跟蹤誤差、不確定攝動影響和控制量輸出飽 和的信息，解決控制量飽和問題。通過雙回路內(nèi)模結(jié)構(gòu)，實現(xiàn)智能風機葉片的間接自適應內(nèi) 模振動控制，辨識回路和內(nèi)模控制回路中灰色優(yōu)化理論的引入可有效克服復雜運行環(huán)境下 的不確定因素對振動控制的不良影響，提高閉環(huán)系統(tǒng)的魯棒性和動態(tài)性能。
[0058] 本控制方法的流程圖如圖4所示，在灰色優(yōu)化的葉片自適應內(nèi)模振動控制系統(tǒng)中， 利用灰關聯(lián)理論在線優(yōu)化差分進化辨識算法的最優(yōu)辨識因子 刻下的系統(tǒng)最優(yōu)非線性辨識模型Gm(k)，通過灰色非線性理論計算得到最優(yōu)自適應濾波器 fBW(k)，從而得到最優(yōu)自適應內(nèi)?？刂破餍?1〇 = ;在k+Ι時刻，更新系統(tǒng)輸入輸 出信號，重新計算最佳差分進化辨識因子(Fc>pt (k+1)，CRc>pt (k+1))，辨識出新的最優(yōu)系統(tǒng)辨 識模型Gm(k+1)，并重新計算最優(yōu)內(nèi)模控制器Gjk+Ι)，依次重復優(yōu)化計算，最終實現(xiàn)智能風 機葉片的灰色信息優(yōu)化自適應內(nèi)模振動控制。
[0059] 上述實施例不以任何方式限制本發(fā)明，凡是采用等同替換或等效變換的方式獲得 的技術(shù)方案均落在本發(fā)明的保護范圍內(nèi)。
【主權(quán)項】
1. 一種復雜運行環(huán)境下智能風機葉片不確定系統(tǒng)的最優(yōu)自適應振動控制方法，其特征 是，包括的步驟如下： (1) 首先針對復雜運行環(huán)境下智能風機葉片振動系統(tǒng)存在的復雜不確定攝動，利用差 分進化算法對智能風機葉片系統(tǒng)的動態(tài)等效模型進行非線性辨識，差分進化辨識具有收斂 快、待定參數(shù)少、全局收斂能力和魯棒性強等優(yōu)點;通過差分進化辨識算法中變異因子F和 交叉因子CR的優(yōu)化選取，來控制辨識算法的收斂性、全局與局部搜索能力，并最終影響振動 系統(tǒng)辨識的準確性和辨識效率； (2) 針對（1)中變異因子F和交叉因子CR的選取問題，利用灰關聯(lián)決策理論優(yōu)化變異因 子F和交叉因子CR，通過尋找最優(yōu)Fcipt, CRcipt獲得不確定影響下的最優(yōu)系統(tǒng)辨識結(jié)果，提高葉 片振動系統(tǒng)的過程辨識精度； (3) 根據(jù)不確定攝動下的葉片振動系統(tǒng)辨識模型，設計自適應內(nèi)?？刂破?，自適應內(nèi)模 控制器中的自適應低通濾波器可以適用于高階系統(tǒng)的內(nèi)?？刂?，并且可以根據(jù)系統(tǒng)的動態(tài) 誤差，系統(tǒng)不確定攝動以及系統(tǒng)時變特性的影響，在線自適應調(diào)節(jié)濾波器的多個參數(shù)，提高 復雜運行環(huán)境下智能葉片的自適應振動控制性能； (4) 針對(3)中自適應濾波器的多參數(shù)自適應調(diào)節(jié)問題，采用灰色規(guī)劃思想在線求解最 優(yōu)濾波器不確定多參數(shù)，即滿足系統(tǒng)魯棒性和動態(tài)響應速度之間的最佳折衷方案;灰色非 線性規(guī)劃的引入使得這種最佳控制方案可根據(jù)風機葉片復雜運行環(huán)境的改變在線進行自 適應調(diào)整，并在當前不確定環(huán)境影響下獲得最優(yōu)控制效果，同時也使得自適應控制器參數(shù) 整定的計算量減小、控制實時性增強； (5) 最后利用雙口雙回路結(jié)構(gòu)設計葉片自適應內(nèi)模控制系統(tǒng)，利用雙回路自適應內(nèi)模 控制結(jié)構(gòu)，使控制器能夠隨著葉片系統(tǒng)不確定參數(shù)的辨識更新，及時補充新信息調(diào)整不確 定濾波器參數(shù)，使得復雜不確定葉片系統(tǒng)的內(nèi)模振動控制具有較強的自適應性和魯棒性； 同時利用雙口內(nèi)?？刂平Y(jié)構(gòu)，解決控制量飽和問題，增強葉片振動系統(tǒng)的穩(wěn)定性和魯棒性。2. 根據(jù)權(quán)利要求1所述的一種復雜運行環(huán)境下智能風機葉片不確定系統(tǒng)的最優(yōu)自適應 振動控制方法，其特征是，所述步驟（1)中的智能風機葉片可采用尾緣襟翼、微型小插片等 智能驅(qū)動器進行振動控制，通過相應的系統(tǒng)輸出信號，完成自適應內(nèi)模振動控制系統(tǒng)的設 計。3. 根據(jù)權(quán)利要求1所述的一種復雜運行環(huán)境下智能風機葉片不確定系統(tǒng)的最優(yōu)自適應 振動控制方法，其特征縣· PfR術(shù)擊3娶（η由所;術(shù)的毎!能^蒸缽的云?ι本等效模型可表示 為如下形式：其中，Gm為智能風機葉片系統(tǒng)等效模型的傳遞函數(shù)，η為傳遞函數(shù)分母階數(shù)，m為傳遞函 數(shù)分子階數(shù)，為遲延部分，τ為遲延時間，ao(k)，…，an(k)，bo(k)，…，bm(k)為系統(tǒng)參數(shù)受 復雜運行環(huán)境下的不確定攝動和系統(tǒng)時變特性影響而變化，動態(tài)等效模型對應的系統(tǒng)輸出 信號為葉片振動位移信號，系統(tǒng)輸入信號為智能驅(qū)動器控制信號。4. 根據(jù)權(quán)利要求1所述的一種復雜運行環(huán)境下智能風機葉片不確定系統(tǒng)的最優(yōu)自適應 振動控制方法，其特征是，所述步驟（2)中的最優(yōu)變異、交叉因子F ciptU)， 4/ 辦即k時刻下，最優(yōu)變異因子Fcipt (k)和最優(yōu)交叉因子 CR〇pt(k)根據(jù)辨識目標指標下的最優(yōu)灰色絕對關聯(lián)度ε (k)決定，i表示變異因子個數(shù)，j表示 交叉因子個數(shù)。5. 根據(jù)權(quán)利要求1所述的一種復雜運行環(huán)境下智能風機葉片不確定系統(tǒng)的最優(yōu)自適應 振動控制方法，其特征是，所述步驟(3)中的自適應內(nèi)模振動控制器為仏.&) = ,其 中，為最佳辨識模型沒：??最小相位的逆，fBW( ω。，11，Θ)為改進型Butterworth(BW)低 通濾波器，ω。為濾波器截止頻率，η為濾波器階次，Θ為濾波器夾角。6. 根據(jù)權(quán)利要求1所述的一種復雜運行環(huán)境下智能風機葉片不確定系統(tǒng)的最優(yōu)自適應 振動控制方法，其特征是，所述步驟(4)中自適應濾波器的多參數(shù)自適應調(diào)節(jié)律為:首先在k 時刻下根據(jù)誤差積分（ISE)準則，利用跟蹤誤差和模型誤差來自適應調(diào)節(jié)ω。，保證系統(tǒng)的 閉環(huán)穩(wěn)定性；不確定參數(shù)X= (η，θ)的整定通過求解自適應灰色非線性規(guī)劃問題 徽在灰色約束條件#(發(fā)^路-￥)喀|^_下下的最優(yōu)解，其中 3為灰色規(guī)戈|] 指標函數(shù)，戮^.(_為自適應變化的截止頻率灰參數(shù)，轉(zhuǎn)嫩為性能目標灰向量，f，g為控制性 能指標函數(shù)，在下一個時刻，更新灰色差分進化辨識模型，自適應調(diào)節(jié)得到新的截止頻率參 數(shù)cojk+)，重新計算性能指標下的灰色規(guī)劃最優(yōu)解11仏+1)，0仏+1)，實現(xiàn)改進型81濾波器 不確定多參數(shù)的自適應調(diào)節(jié)，得到灰色信息優(yōu)化的自適應內(nèi)模控制器。
【文檔編號】F03D7/00GK105888970SQ201610324398
【公開日】2016年8月24日
【申請日】2016年5月16日
【發(fā)明人】李迺璐, 許逸, 沈海燕, 陸宣妤, 陳東雷
【申請人】揚州大學