[发明专利]基于差分进化逆辨识的尾缘襟翼内模PID控制参数的优化方法

说明书

基于差分进化逆辨识的尾缘襟翼内模PID控制参数的优化方法，属于风力机叶片高效安全运行控制技术领域。首先在基于尾缘襟翼的智能叶片系统的输入端和输出端分别收集用于辨识的采样数据；然后利用采样数据和差分进化算法对智能叶片系统的等效模型进行优化辨识；再通过差分进化算法对智能叶片系统的等效逆模型进行优化辨识；最后利用辨识得到的最优模型参数和最优逆模型参数获取内模PID控制器的最优控制参数。本发明能够快速、准确地获得尾缘襟翼内模PID控制的优化参数，从而达到提高尾缘襟翼控制效果的目的。

技术领域

本发明属于风力机叶片高效安全运行控制技术领域，尤其涉及一种基于尾缘襟翼驱动器和智能优化算法的风力机叶片内模PID优化控制方法。

背景技术

基于尾缘襟翼驱动器的智能叶片控制技术是解决大型柔性风力机叶片振动问题的重要途径，PID控制策略，由于其算法简单，可靠性高，工程应用性好和鲁棒性强等优点，长期应用于智能叶片的尾缘襟翼驱动控制。然而，在实际应用过程中，风力机叶片面临复杂的运行环境影响，同时智能叶片系统本身具有较强的非线性，针对这些问题的PID控制参数整定存在较大困难。

传统的尾缘襟翼PID控制技术方法较为简单，针对复杂环境下的时变且不确定因素，难以整定尾缘襟翼PID控制的最优参数，将极大影响实际工作环境下尾缘襟翼PID控制的自适应和鲁棒性，不利于智能叶片的安全稳定运行及叶片捕获风能的效率。

传统的尾缘襟翼PID控制器多采用固定的经验参数，只能针对某些特定的运行环境拥有良好的控制效果，当风力机叶片的运行点发生较大变化或是来流发生较大变化时，固定的经验参数往往性能欠佳，难以实现预期效果。即时有些尾缘襟翼PID控制参数可以适应风速的变化，但是风力机叶片系统受到风速、叶片变桨、风机偏航和叶片旋转等多种不确定运行因素影响，尾缘襟翼PID控制参数需要针对这些复杂因素进行优化整定，以满足复杂运行环境下智能叶片的振动控制需要。

因此如何设计尾缘襟翼内模PID控制器的优化参数，使智能叶片PID控制技术在实际环境下拥有较强的鲁棒性和自适应性是具有挑战性和研究意义的控制问题。

发明内容

本发明的目的在于针对实际运行环境下智能叶片的优化控制问题，提供一种基于差分进化逆辨识的尾缘襟翼内模PID控制参数的优化方法，本发明首先通过对智能叶片系统模型进行差分进化优化辨识，获得系统等效模型的最优辨识参数；同时对智能叶片系统逆模型直接进行差分进化优化辨识，获取等效逆模型的最优辨识参数；最后通过内模控制结构计算得到尾缘襟翼内模PID控制参数的全局最优值。

实现本发明的目的是通过以下方案实现的，一种实际运行环境下智能叶片的尾缘襟翼PID控制优化方法。所述方法是采用尾缘襟翼驱动器，基于差分进化逆辨识的内模PID控制参数的优化方法。

所述基于差分进化逆辨识的尾缘襟翼内模PID控制参数的优化方法步骤如下：

步骤1，对所述基于尾缘襟翼的智能叶片系统的输入端和输出端进行采样：

步骤1.1，在所述智能叶片系统的输入端，即尾缘襟翼角端口输入激励信号，使得所述智能叶片系统的输出端产生相应的扭转角输出信号；

步骤1.2，对所述智能叶片系统的输入信号和输出信号进行等时间间距采样，共采样N个时间点,间隔采样时间为t_s；所述基于尾缘襟翼的智能叶片系统的输入信号和输出信号经过采样后所形成的序列分别记为{x}和{y}；

步骤2，通过差分进化算法利用输入序列{x}和输出序列{y}对智能叶片系统等效模型参数进行优化辨识：

步骤2.1，设定差分进化算法参数，如变异因子、交叉概率、种群规模、最大迭代次数、待辨识参数个数，以及待辨识参数的上界和下界等；