法律状态公告日
法律状态信息
法律状态
2016-08-24
未缴年费专利权终止 IPC(主分类):F03D7/00 授权公告日:20140521 终止日期:20150709 申请日:20120709
专利权的终止
2014-05-21
授权
授权
2012-11-28
实质审查的生效 IPC(主分类):F03D7/00 申请日:20120709
实质审查的生效
2012-10-10
公开
公开
技术领域
本发明涉及电动变桨控制方法技术领域,具体地,涉及一种优化参数的变论域模糊电动变桨控制方法。
背景技术
对于风电机组电动变桨系统这样的高阶强耦合严重滞后大惯性的非线性系统来说,虽然常规的控制器技术已经很成熟,在工业过程控制中得到了广泛使用,但要满足风电机组快速响应风速的要求,这些控制器的控制效果反而不理想。基于模糊控制的电动变桨系统,模糊控制器可以通过公式简单标度变换进行一些整定,对控制环的结模型无需深入研究,可以获得一定的控制效果,通过对论域区间的划分也可进一步提高控制品质,这正是将模糊控制应用在风电电动变桨系统的优势所在。但控制器在参数整定过程中还是有一定的盲目性,并且变论域模糊控制的关键是确定伸缩因子,使得论域在合理范围内变化,而当前是主要依靠经验值或反复调试来实现的,使得控制器参数可能并非最优,控制品质并非最佳。
发明内容
针对现有技术中存在的问题,本发明提出一种在电动变桨控制系统中利用遗传算法优化伸缩因子的变论域模糊控制方法。将优化的变论域模糊控制算法应用于电动变桨系统的速度和位置控制中,根据速度环和位置环的控制目标建立合适目标函数,实现变论域模糊控制器的最优控制性能。有效地抑制了转矩脉动,提高了系统的动态性能和稳态性能,并最终实现了桨距角位置快速、准确跟踪。为风电变桨系统提供了一种有效、实用的控制方法。
为此,采用如下技术方案:一种优化参数的变论域模糊电动变桨控制方法,其涉及到电动变桨系统所建立的三闭环控制,即电流环、速度环和位置环,通过分析变论域伸缩因子的结构,利用遗传算法优化其参数,实现参数的智能寻优,建立确定伸缩因子的合理机制;具体如下:
A、将遗传算法优化的变论域模糊控制算法应用于所述电动变桨系统的速度和位置控制中,所述位置和速度控制器的输入皆为误差 和误差的变化量,输出皆为,分别确定所述速度和位置控制器输入、输出语言变量的基本论域,输入语言变量基本论域分别为,而输出语言变量基本论域为,可建立伸缩因子的结构为:
(1)
B、建立所述电动变桨速度和位置控制的模糊控制规则表,在双输入单输出模糊控制器中,基于变论域思想,设计变论域模糊控制系统;
C、将所述伸缩因子的参数表示成遗传空间的染色体或者个体,进行编码,得到初始种群,将所述伸缩因子的参数赋给所设计的模糊推理系统,使用所述变论域模糊控制进行控制,根据所述速度环和位置环的控制目标建立合适目标函数,根据该目标函数编写计算个体适应度值的适应度函数,通过该适应度函数计算每个个体的适应度值,提供给遗传算子进行选择操作、交叉操作和变异操作,获得新的群体,经过设定迭代次数的进化之后,算法收敛于最好的染色体,它即是所述伸缩因子的最佳参数,从而实现电动变桨系统变论域模糊控制器的最优控制性能。
更进一步的:
所述伸缩因子参数采用实数编码,染色体长度为6。
所述速度环目标函数里加入误差绝对值时间积分来提高其过渡动态性能。
所述位置环目标函数里采取惩罚因子来避免超调现象。
本发明通过分析变论域伸缩因子的结构,利用遗传算法优化其参数,实现了参数的智能寻优,建立了确定伸缩因子的合理机制,有效解决了变论域模糊控制方法伸缩因子靠经验和反复调试来确定的问题,提高了控制精度。将优化的变论域模糊控制算法应用于电动变桨系统的速度和位置控制中,根据速度和位置的控制目标建立合适目标函数,实现变论域模糊控制器的最优控制性能。有效地抑制了转矩脉动,提高了系统的动态性能和稳态性能,并最终实现了桨距角位置快速、准确跟踪。为风电变桨系统提供了一种有效、实用的控制方法。
附图说明
图1为电动变桨系统控制原理结构图;
图2为本发明遗传算法优化的速度环和位置环的控制框图;
图3为本发明遗传算法优化的变论域模糊控制流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
当风速在额定风速以上切出风速以下时,变桨系统开始变桨,给定驱动电机转速和桨距角,根据实际测量值计算转速误差、桨距角误差及转速误差变化量、桨距角误差变化量,将其作为电动变桨系统位置和速度变论域模糊控制器的输入,见附图1和2,按照式1,建立伸缩因子的结构,共有 6个待优参数。
建立所述电动变桨速度和位置控制的模糊控制规则表,在双输入单输出模糊控制器中,基于变论域思想,设计所述变论域模糊控制系统。其中,和分别为所述模糊控制器的两个输入变量,和分别为所述输入变量所对应的伸缩因子,则为所述输出变量的伸缩因子,为所述模糊控制器所逼近的控制器函数。模糊控制系统其基础变量的运算依赖于时间步长,分别记为,因此可用时间函数来表示变论域,记作。随着优化的进行,输入输出模糊子集论域也相应发生变化,隶属度函数发生相应的变化,记之为,这使得模糊控制规则成为一组动态规则:
(2)
当k=0时,式2为模糊控制初始控制规则。随着k的变化,控制函数则随着论域变化而发生相应地变形,可以记为:
(3)
其中,为输入语言变量(误差)的隶属度函数个数,;为输入语言变量(误差变化率)的隶属度函数个数,;、的具体值按实际系统运行情况来确定。
由变论域理论可知,单调性保证了 的单调性,从而保证了控制函数的有效性。变论域模糊控制器的设计减弱了对控制领域专家知识的依赖,根据模糊控制规则的变化趋势,随着控制器输入语言变量的变化而相应地对基本论域进行伸缩,通过对基本论域自适应调整,实现电动变桨系统动态性能的改善,提高控制的稳态精度。
将所述伸缩因子的6个参数表示成遗传空间的染色体或者个体,利用遗传算法对伸缩因子的6个参数进行优化,进行实数编码,则染色体长度。实数编码不必进行数值转换,可以直接在解得表现型上进行遗传算法操作。得到初始种群,将所述伸缩因子的6个参数赋给所设计的变论域模糊推理系统,使用所述变论域模糊控制进行控制,根据所述速度环和位置环的控制目标建立合适目标函数,所述速度环目标函数里加入误差绝对值时间积分来提高其过渡动态性能,所述位置环目标函数里采取惩罚因子来避免超调现象。采用如下目标函数来确保有较好动态性且输出控制量在一定范围之内:
(4)
其中为控制量,为上升时间,为速度目标函数的权值。
位置环的输入为桨距角的给定角度和实际输出角度的差值及误差变化,通过模糊推理可得到较优角度。其结构见附图2,采用遗传算法优化所述伸缩因子 6个参数值,采用惩罚因子来避免位置环输出超调,目标函数如下:
(5)
其中为控制量,为上升时间,为位置目标函数的权值。
根据所述目标函数编写计算个体适应度值的适应度函数,适应度函数取为:
(6)
通过式6适应度函数计算每个个体的适应度值,提供给遗传算子(即顺序提供给选择算子、交叉算子和变异算子)进行选择操作、交叉操作和变异操作,获得新的群体,经过设定迭代次数的进化之后,算法收敛于最好的染色体,它即是所述伸缩因子的最佳参数,从而实现电动变桨系统变论域模糊控制器的最优控制性能。
对伸缩因子采用遗传算法优化后,可直接确定其最优值,有效解决了变论域模糊控制方法伸缩因子靠经验和反复调试来确定的问题,使得变论域模糊控制在电动变桨系统上的应用方便而实效。
机译: 一种用于控制变桨电动机的转矩性能的方法,一种变桨控制系统及其使用
机译: 一种用于控制变桨电动机的转矩性能的方法,一种变桨控制系统及其使用
机译: 一种具有变桨控制的风轮机运行方法