[发明专利]基于模型参考的机舱悬浮系统RBF神经网络自适应解耦控制方法

说明书

本发明公开了一种基于模型参考的机舱悬浮系统RBF神经网络自适应解耦控制方法，构建含轴向、俯仰两自由度运动的机舱两端悬浮模型，将模型参考自适应控制与RBF神经网络相结合，借助参考模型严格线性无耦合特点及RBF神经网络无限逼近能力，基于模型偏差设计RBF神经网络自适应控制器，使悬浮系统模型完全逼近参考模型，从而实现完全解耦，线性跟踪控制器以解耦后的悬浮系统为参考，完成机舱悬浮跟踪控制。本发明将极大提升机舱悬浮跟踪、干扰抑制以及两端悬浮同步性能，有利于风力机舱悬浮下偏航对风，同时对较重悬浮物的多点悬浮控制具有较强指导意义。

技术领域

本发明涉及一种基于模型参考的机舱悬浮系统RBF神经网络自适应解耦控制方法，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。

背景技术

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不完全相同，导致机舱极易俯仰，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，这使得多数解耦控制方法应用在风力机舱两端悬浮系统时很难达到预期的悬浮控制效果，严重制约风力机舱的悬浮稳定性以及偏航对风精确度。

发明内容

本发明目的是为克服上述现有技术的不足，提供了一种基于模型参考的机舱悬浮系统RBF神经网络自适应解耦控制方法，将机舱两端耦合悬浮系统转化为单端悬浮独立控制，构建了单端悬浮线性解耦模型，借助RBF神经网络的无限逼近能力，将机舱单端悬浮系统无限逼近单端悬浮线性解耦模型，实现机舱两端悬浮系统解耦和干扰抑制，同时为悬浮变流器提供悬浮电流参考；所述单端悬浮线性解耦模型采用三阶线性无耦合稳定系统模型；所述单端悬浮独立控制是在模型参考自适应控制基础上引入了RBF神经网络，设计基于模型参考的RBF神经网络自适应控制器和线性跟踪控制器；所述基于模型参考的RBF神经网络自适应控制器采用5个隐含层神经元结构，基于机舱两端悬浮系统和线性解耦模型的模型偏差、模型偏差一阶导数和模型偏差二阶导数，设计RBF神经网络权值的自适应律，并在线进行网络权值的优化调整；所述线性跟踪控制器的有效参考输入由悬浮气隙参考和和RBF神经网络自适应控制器输出共同组成，并易于悬浮气隙反馈，生成悬浮气隙跟踪误差、误差一阶导数、以及跟踪误差二阶导数作为状态反馈控制输入，完成机舱悬浮跟踪控制，实现两端悬浮解耦和两端悬浮同步控制。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,F_A、F_B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，f_d为机舱轴向干扰，T_s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，δ_A、i_A为桨叶侧悬浮气隙、悬浮电流，δ_B、i_B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