[发明专利]基于综合关联改进型DE算法的风力机翼型最优LQR控制方法

说明书

本发明涉及一种基于综合关联改进型DE算法的风力机翼型最优LQR控制方法。首先将水平风力机翼型非线性系统的微分方程转换成状态空间方程的表达形式，便于应用LQR控制方法，然后利用最优LQR控制方法，将风力机翼型多自由度振动控制最大化和驱动量最小化问题等价成二次型性能指标加权项的优化整定问题，最后基于相似性和相关性概念创新性地设计出综合关联改进型DE算法，用于自适应整定LQR控制器最佳加权项，实现多种风况下风力机翼型最优LQR控制的快速性、有效性和鲁棒性。

技术领域

本发明涉及风能控制技术领域，具体涉及一种基于综合关联改进型DE算法的风力机翼型最优LQR控制方法。

背景技术

线性二次型控制技术(Linear quadratic regulator,LQR)是目前风力机翼型振动控制中最常应用的方法之一。LQR控制技术的有效实施在于二次型性能指标的加权项整定问题。针对风力机翼型振动系统，传统LQR控制器均采取经验值法或试凑法来确定加权项。然而，这些方法难以获取最佳加权项，从而无法以最小驱动量获取最优振动控制效果。因此，需要对风力机翼型的LQR控制器进行优化设计。

基于生物进化思想的进化算法(Evolutionary algorithm,EA)是一种成熟的全局优化方法，能够根据系统性能指标采用优化迭代的方式不断搜寻最优结果。基于EA算法的最优LQR控制方法已经在地震、航天飞行、电力系统、楼宇等多个工程领域取得了良好的应用效果。已有最优LQR控制方法主要利用了以下几种进化算法：遗传算法(Geneticalgorithm,GA)、粒子群算法(Particle Swarm Optimization,PSO)和蜜蜂算法(Beesalgorithm,BA)。虽然这些算法都在不同程度上优化了LQR控制效果，但是仍存在如下问题：1)在降低驱动量的同时往往容易牺牲系统动态特性，导致闭环振动控制效果不理想；2)针对系统状态或环境变化，最优LQR控制的鲁棒性不够理想；3)这些基于EA的最优LQR控制方法还未应用于风力机翼型系统，其效果还有待检验。

发明内容

本发明提出一种基于综合关联改进型DE算法(combined correlated baseddifferential evolution,CC-DE)的风力机翼型最优LQR控制方法。本发明方法能够针对风力机翼型振动系统，在多种风况下有效调节LQR控制器的最佳加权项，实现风力机翼型多自由度振动量的快速抑制，同时有效降低驱动量损耗。

为了解决上述技术问题，本发明提供一种基于综合关联改进型DE算法的风力机翼型最优LQR控制方法，首先将水平风力机翼型非线性系统的微分方程转换成状态空间方程的表达形式，便于应用LQR控制方法，然后利用最优LQR控制方法，将风力机翼型多自由度振动控制最大化和驱动量最小化问题等价成二次型性能指标加权项的优化整定问题，最后基于“相似性”和“相关性”概念创新性地设计出综合关联改进型DE算法，用于自适应整定LQR控制器最佳加权项，实现多种风况下风力机翼型最优LQR控制的快速性、有效性和鲁棒性。具体包括以下步骤：

第一步：利用风力机翼型气动弹性模型和风力机变桨驱动模型，联合建立风力机翼型的非线性气动伺服弹性模型；

第二步：将第一步得到的风力机翼型非线性系统进行线性化处理，并转换成状态空间方程的表达形式；

第三步：根据第二步得到的状态空间方程，基于二次型性能指标J_lqr设计LQR控制器；

第四步：利用综合关联改进型DE算法优化第三步中二次型性能指标J_lqr的权参数，从而给出最优LQR控制器。其中，综合关联改进型DE算法(CC-DE算法)是本发明基于“相似性”和“相关性”提出的一种新型自适应DE算法，具体在于，更新变异因子和交叉因子的方法。

所述第三步中，LQR控制器的形式如下：

β_ref＝-K_lqrX