[发明专利]基于模型参考的机舱悬浮系统RBF神经网络自适应同步解耦控制方法

说明书

本发明公开了一种机舱悬浮系统的RBF神经网络及自适应同步解耦控制方法，构建含轴向、俯仰两自由度运动的机舱两端悬浮模型，深入分析风力机舱两端悬浮系统间存在的机械耦合、电磁力耦合以及结构参数不匹配等对机舱悬浮稳定影响，将机舱两端悬浮控制转化为单端悬浮独立控制，构建单端悬浮线性解耦模型，将单端悬浮系统中未知不确定部分合理分割为轴向干扰和同步干扰，分别设计两个RBF神经网络控制器逼近补偿，与悬浮跟踪控制器共同实现两端悬浮系统解耦、稳定悬浮以及干扰抑制，协同为两端悬浮变流器提供悬浮电流跟踪参考。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，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神经网络自适应同步解耦控制方法，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，且机舱桨叶侧和尾翼侧的体积、质量存在差异，极易发生俯仰，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202010708203进行了基于自适应神经网络的控制，专利202010552436进行了同步悬浮控制研究，但仅采用单一控制器对悬浮系统所有不确定扰动进行逼近补偿，存在一定的逼近误差，且没有完全解决机舱桨叶侧和尾翼侧耦合的问题，为此国内外众多科学家进行了悬浮系统的解耦控制研究，虽然传统分散式PID加交叉耦合控制和线性化解耦方法可以提高悬浮系统稳定性能，但要求被控系统必须采用精确的数学模型来描述，这使其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、同步性能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神经网络自适应同步解耦控制方法，将机舱两端悬浮控制转化为单端悬浮独立控制，构建单端悬浮线性解耦模型，将单端悬浮系统中未知不确定部分合理分割为轴向干扰和同步干扰，分别设计两RBF神经网络控制器逼近补偿，与悬浮跟踪控制器共同实现两端悬浮系统解耦、稳定悬浮以及干扰抑制，协同为两端悬浮变流器提供悬浮电流跟踪参考；所述单端悬浮线性解耦模型采用线性无耦合的三阶稳定系统；所述单端独立悬浮控制包括基于状态反馈的悬浮跟踪控制器、RBF神经网络自适应轴向干扰补偿器和RBF神经网络自适应同步控制器；所述悬浮跟踪控制器采用基于悬浮气隙跟踪误差、跟踪误差一阶导数和跟踪误差二阶导数构建的虚拟变量X_e作为状态反馈控制输入；所述RBF神经网络采用5个隐含层神经元结构，基于机舱两端悬浮系统和单端悬浮线性解耦模型生成模型偏差、模型偏差一阶导数和模型偏差二阶导数，构成RBF神经网络自适应轴向干扰补偿器网络权值自适应律，并在线进行权值优化调整；取机舱两端悬浮气隙差值作为同步误差，引入基于同步误差和其导数的同步性能指标y_ss，基于y_ss、模型偏差、模型偏差一阶导数和模型偏差二阶导数，设计RBF神经网络自适应同步控制器的网络权值自适应律，并在线进行权值优化调整，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，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。