[发明专利]一种基于椭圆焦半径改进型海鸥算法的风力机叶片振动控制器设计方法

说明书

本发明涉及一种基于椭圆焦半径改进型海鸥算法的风力机叶片振动控制器设计方法。针对叶片振动系统存在的多自由度振动、系统非线性和和驱动饱和问题，结合传统PID和分数阶理论设计叶片分数阶PID振动控制器。同时，设计了基于椭圆焦半径原理的改进型海鸥(EFR‑SOA)算法，用来搜索最优的分数阶振动控制参数。EFR‑SOA算法是在传统海鸥算法的基础上，引入几何学的椭圆焦半径原理，用来动态调节海鸥螺旋移动的路径和速度，从而提高全局寻优精度、加快收敛速度并降低计算成本。与传统最优PID控制相比，本发明方法能够显著改善叶片多自由振动抑制的动态特性、提升抗驱动饱和性能并缩短控制参数的优化计算时间。

技术领域

本发明属于风力机叶片振动控制技术，具体为一种基于椭圆焦半径改进型海鸥算法的风力机叶片振动控制器设计方法。

背景技术

PID控制器是工业应用最为广泛的控制器，具有结构简单、鲁棒性强等优点。PID控制器也是风力机叶片振动系统的传统控制器之一，然而在实际应用中还存在如下问题有待改善：1)叶片多自由度振动抑制的动态特性不够理想；2)驱动饱和问题会恶化叶片振动控制效果；3)PID振动控制参数难以整定，多采用经验法和试凑法。近年，有研究采用智能优化算法对叶片振动控制参数进行整定，虽然控制效果有所改善，但是这些算法并非针对叶片振动控制问题而设计，难以获取全局最优值。

随着分数阶理论的发展，人们认识到很多实际工业系统都存在分数阶特性，相比传统整数阶PID控制器，分数阶PID控制器增加了两个分数阶控制参数，即分数阶次λ和μ，具有更好的灵活度、可进一步提高系统稳定性、动态性能和抗饱和性能。分数阶PID控制器的参数整定包括多种方法：基于给定幅值裕量和相位裕量的方法、基于Z-N的控制参数整定方法、基于内模原理的整定方法和基于智能优化算法的整定方法等。其中，基于智能优化算法的方法，具有效率高、效果好、智能化程度高和非基于模型等优点，但是由于分数阶PID的待整定参数较多，在面对复杂系统对象时，控制参数的计算整定难度也较大，需要具有高性能、高适用性的先进智能优化算法来寻找全局最优、提高整定效果。

海鸥算法是一种新兴的智能优化算法，由Gaurav Dhiman和Vijay Kumar于2019年提出，主要通过模拟海鸥的迁徙运动和攻击运动来进行全局搜索和局部搜索，利用群体经验和个体经验来逼近全局最优。目前，海鸥算法已应用于工业设计、特征提取与分类等领域。

发明内容

发明目的：为了解决现有技术缺陷，针对风力机叶片的多自由度振动，实现振动抑制、抗驱动饱和控制并获取优良的动态特性，本发明提供一种基于椭圆焦半径改进型海鸥算法的风力机叶片振动控制器设计方法。

技术方案：

一种基于椭圆焦半径改进型海鸥算法的风力机叶片振动控制器设计方法，包括如下步骤：

S1：根据风力机叶片振动量和驱动控制量，设计叶片分数阶PID振动控制器；

S2：设计一种基于椭圆焦半径的改进型海鸥算法；

S3：S1的叶片分数阶PID振动控制器，其待整定参数为K_P、K_I、K_D、λ、μ，其中，K_P为比例增益，K_I为积分增益，K_D为微分增益，λ为积分分数阶参数，μ为微分分数阶参数，设置目标函数，利用S2的改进型海鸥算法对这些参数进行整定。

进一步的，S1中根据以下公式设计风力机叶片振动控制器：

β(t)＝K_Py(t)+K_ID^-λy(t)+K_DD^μy(t)