[发明专利]一种基于广义滑模估计器的机组变桨容错控制方法

说明书

技术领域

本发明涉及一种基于估计器的容错控制方法，尤其涉及一种基于广义滑模估计器的机组变桨容错控制方法。

背景技术

对于风力发电这类实际工程系统，长期运行时通常不可避免地出现执行器故障或是传感器故障。对于一个发生故障的动态系统，如何维持系统稳定成为控制系统设计的一个重要课题。

目前，大多数容错控制方法都建立在传统的故障检测与诊断(FDD)基础上。但是，现存故障检测与诊断(FDD)技术并不能直接反映故障对系统状态的影响程度。于是在FDD基础上，提出了故障重构的思想：根据已被故障影响的过程变量的测量值来估计出故障的大小和位置，几乎可以将故障信号完整地重现出来，不但能够直观地反映出故障的发生、发展过程，还可通过对信号的分析方便地获得关于故障的类型、性质、严重程度以及可能对系统造成的影响、危害等一系列信息。

目前，针对风力变桨系统，还没有完整地在模型里考虑其非线性、不确定性以及多重故障(包括执行器故障和传感器故障)同时存在的情况。针对变桨系统这样复杂的故障情况，对执行器故障或是传感器故障的重构和还原造成了极大的难度。目前，对于故障重构方法的研究成果主要体现在基于观测器或估计器的故障重构技术上。目前主要有三大类：一是基于广义观测器的估计方法；二是基于滑模观测器的故障重构技术；三是基于鲁棒自适应观测器的方法。这三类方法在不同的应用场合体现着自身的优缺点。但在现有的研究成果中，还没有将故障重构的方法有效地应用到机组变桨的故障系统中去，进而同时实现对执行器故障和传感器故障的重构并有效地获取故障信息，采取更有效的容错控制措施。

发明内容

针对现有技术中风电变桨系统存在的上述不足，本发明充分考虑了系统的非线性、不确定性以及同时存在执行器故障和传感器故障的情况，提供了一种基于广义滑模估计器的机组变桨容错控制方法，不仅能实现执行器故障和传感器故障的重构，还能实现故障系统的状态稳定。

为了解决上述技术问题，本发明采用了如下技术方案：

一种基于广义滑模估计器的机组变桨容错控制方法，其特征在于，该方法包括如下步骤：

1)建立同时存在执行器故障和传感器故障下的变桨系统模型；

首先，考虑存在执行器故障下的叶轮动态方程:

再次，考虑存在传感器故障下的桨距角测量方程为：

y(t)＝x(t)+f_s(t)(2)

其中,分别代表实际的桨距角、相应的角速度以及相应的角加速度，是桨距角的实际测量值，是推进器、叶片升力、叶片弯曲、振动及不平衡载荷引起的总力矩，是控制输入，是执行器故障函数，是传感器故障函数，J_LB为空气加速引起的等效惯量力矩，J_BI是转子叶片沿其纵轴的全部惯性力矩，k_DB是阻尼系数，k_RL是摩擦系数；

进一步，方程(1)可以写成：

其中，

而测量方程(2)可以写成：

Y(t)＝CX(t)+D_sf_s(t)(4)

其中为已知的2乘1阶的常值矩阵；

2)引入增广状态向量X，将原来故障下变桨系统模型变换成一种新型的广义系统模型；

定义如下的增广矩阵：

其中，I_p代表维数为p单位矩阵，0_k×l代表k行l列的零矩阵，参数δ＞0要使得下面条件(6)成立；

其中rank表示矩阵的秩；

最终，可以得到一个增广的广义系统模型(7)；

其中，是式(5)中所定义的维数为5的广义系统向量，是维数为2的广义系统测量输出向量，是式(5)中所定义的维数为5的广义非线性向量，是式(5)中所定义的5乘5阶的矩阵，是式(5)中所定义的5乘5阶的参数矩阵，是式(5)中所定义的5乘1阶的参数矩阵，是式(5)中所定义的5乘3阶的矩阵，是式(5)中所定义的2乘5阶的参数矩阵，是式(5)中所定义的维数为3的广义故障向量；

3)基于广义系统模型(7)设计出以下结构的广义滑模估计器(8)，实现对桨叶位置状态估计和系统故障重构；