[发明专利]基于圆周割线改进型粒子群算法的叶片临界颤振系统参数辨识方法

权利要求书

1.一种基于圆周割线改进型粒子群算法的风力机叶片临界颤振系统参数辨识方法，其特征在于，包括如下步骤：

步骤1：获取风力机叶片翼型的颤振系统模型，系统模型对应的等效传递函数为：

式中，a₁,a₂,a₃,b₁,b₂,b₃,b₄为7个待辨识的系统参数，s为传递函数变量；

步骤2：利用系统仿真，获取系统的颤振风速，在颤振风速下获得叶片临界颤振系统的真实系统参数；

步骤3：将系统待辨识参数设置为粒子，将辨识误差函数作为适应度函数；

粒子为X＝[a₁ a₂ a₃ b₁ b₂ b₃ b₄]，

辨识误差函数J为：

式中，n为输出信号的采样个数，j对应第j个采样值，y(j)为实际输出信号，为辨识输出信号，系统输入信号为8级线性反馈移位寄存器产生的M序列，当所述步骤1中的系统参数为所述步骤2中的真实系统参数时，记输出系统信号为实际输出信号；当所述步骤1中的系统参数为所述步骤9中的最优辨识参数时，记输出系统信号为辨识输出信号。

步骤4：设置圆周割线参数a,b，设置粒子群参数，种群规模S、最大迭代次数G_max，粒子的维度L，学习因子的上界c_max和下界c_min，初始化种群P₀；

步骤5：利用步骤3中的辨识误差函数，计算种群P₀中每个粒子X_i,0的适应度J，根据适应度初始化个体最优Pbest和全局最优Gbest；

步骤6：利用圆心角变化决定学习因子的圆周动态调节速率θ；

步骤7：利用圆周割线理论和所述步骤6中的θ，更新圆周割线改进型学习因子c₁,c₂；

步骤8：利用所述步骤7的学习因子更新粒子的位置和速度，计算粒子适应度并更新Pbest和Gbest，产生新的种群P_k；

步骤9：判断是否达到最大迭代次数G，若不满足转到所述步骤6；若满足，则结束优化过程，输出最优辨识参数的结果；

其中，所述步骤2中的真实系统参数，为颤振风速下系统达到等幅振荡的临界稳定状态对应的系统参数值；所述步骤3中有7个待辨识参数，系统输入信号为8级线性反馈移位寄存器产生的M序列，当所述步骤1中的系统参数为所述步骤2中的真实系统参数时，记实际输出信号为y(j)，j＝1,……，n，当所述步骤1中的系统参数为所述步骤9中的最优辨识参数时，记辨识输出信号为

2.根据权利要求1所述的一种基于圆周割线改进型粒子群算法的风力机叶片临界颤振系统参数辨识方法，其特征在于，所述步骤6中，圆周动态调节速率θ公式为：

θ＝a×t+b×t²，

式中，a,b为系数，t＝k/G为当前迭代次数k与最大迭代次数G的比值，a,b的取值需要同时满足三个条件：1)t＝0时，θ＝0°；2)t＝t*时，θ＝90°；3)t＝1时，θ＝180°，其中，t*代表全局寻优和局部寻优的分水岭。

3.根据权利要求2所述的一种基于圆周割线改进型粒子群算法的风力机叶片临界颤振系统参数辨识方法，其特征在于，所述步骤7中，圆周割线改进型学习因子c₁,c₂的公式为：

式中，c_max和c_min分别为学习因子的上界和下界，cos(θ)为圆周动态调节速率θ的余弦函数，其中θ来自所权利要求2；

根据公式，圆周割线改进型学习因子c₁,c₂存在如下定理：

1)θ＝0°时，c₁＝c_max，c₂＝c_min；

2)θ＝90°时，c₁＝c₂；

3)θ＝180°时，c₁＝c_min，c₂＝c_max。

4)c₁和c₂的均方和保持不变，且数值为(c_max²+c_min²)/2。