[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

摘要

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。

主权项

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，其特征是，包括以下步骤：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ts；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，包括变异因子、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；步骤2.2，生成S行L列初始种群矩阵X0，在L维空间随机生成待辨识参数可行范围内的S个个体，每个个体对应一组可行的智能叶片系统等效模型参数；步骤2.3，计算群体中每个个体的适应度，即辨识误差函数：其中y为智能叶片系统的采集输出量，为智能叶片系统辨识模型的输出量，为智能叶片系统模型的辨识误差；步骤2.4，变异操作，随机从种群中挑选3个个体，通过将其中任意两个个体的差异化向量差加权变异因子后与第三个个体求和产生新个体Vi,G；步骤2.5，交叉操作，对上一步变异操作得到的新个体进行交叉操作得到实验向量ui,G，以此增强群体的多样性；步骤2.6，选择操作，计算比较实验向量Ui,G和目标向量Xi,G的适应度函数值，适应性较好的个体成为下一代成员Xi,G+1；步骤2.7，反复执行步骤2.3至步骤2.6，直至达到最大迭代次数Gmax，输出最优辨识参数；步骤3，将序列{y}作为输入序列，序列{x}作为输出序列，同理，按照步骤2所述的差分进化算法对智能叶片系统的等效逆模型参数进行优化辨识，所述差分进化辨识逆模型的过程中，适应度函数为逆模型辨识误差函数：其中x为智能叶片系统的采集输入量，即智能叶片逆系统的采集输出量，为智能叶片系统辨识逆模型的输出量，为智能叶片系统逆模型的辨识误差；步骤4，利用智能叶片系统等效模型的优化辨识参数和系统等效逆模型的优化辨识参数，通过内模控制结构计算出所述尾缘襟翼内模PID控制的优化参数kp,ki,kd。