[發明專利]基于滑模神經網絡的磁懸浮垂直軸風電機組懸浮控制方法

有效

• 申請號: 202010023378.9
• 申請日: 2020-01-09
• 公開（公告）號: CN111173681B
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 蔡彬;崔國棟;蘇佰麗;褚曉廣;諶義喜
• 申請（專利權）人: 曲阜師范大學
• 主分類號: F03D9/25
• 分類號: F03D9/25;F03D3/00;F03D3/06;F03D7/06;H02P23/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于滑模神經網絡的磁懸浮垂直軸風電機組懸浮控制方法，所述磁懸浮垂直軸風電機組，包括磁懸浮垂直軸風力發電機、懸浮控制系統、氣隙傳感器、風輪、外殼和塔架；所述磁懸浮垂直軸風力發電機包括永磁直驅型風力發電機和磁懸浮盤式電機；所述永磁直驅型風力發電機包括定子和轉子；所述磁懸浮盤式電機包括盤式定子和盤式轉子；所述盤式定子由盤式定子鐵芯和懸浮繞組組成，所述懸浮繞組為直流勵磁繞組；所述懸浮控制系統由懸浮變流器及其懸浮控制器組成，所述懸浮變流器與所述懸浮繞組連接，所述懸浮控制器包括外環氣隙跟蹤控制器和內環懸浮電流跟蹤控制器，所述外環氣隙跟蹤控制器為徑向基神經網絡滑模控制器；所述永磁直驅型風力發電機的轉子、所述磁懸浮盤式電機的盤式轉子、所述風輪和所述外殼統稱為旋轉體；其特征在于，包括以下步驟：

步驟1，設計滑模面為：

式中，e(t)為懸浮氣隙跟蹤誤差，有：e(t)＝δ_ref(t)-δ(t)，δ_ref(t)為懸浮平衡點處的懸浮氣隙參考值，δ(t)為所述盤式定子和所述盤式轉子之間的懸浮氣隙測量值，c₁、c₂為常數；

對式(1)求導，則有：

將所述旋轉體在垂直方向上的力學方程：

代入式(2)，則有

其中，d＝g+(F_d(t)/m)，u_NNSMC(t)＝i²(t)，三者分別為未知有界項、已知項和所述徑向基神經網絡滑模控制器的輸出；m為所述旋轉體的質量，g為重力加速度；F_d(t)為外界隨機擾動力；為δ(t)對時間t的二階導數；i(t)為所述盤式定子的電流；k＝μ₀N²S/4，其中，μ₀為真空磁導率，N為所述懸浮繞組的匝數，S為所述盤式定子鐵芯的磁極表面有效面積；

步驟2，采用徑向基神經網絡來估計式(3)中的未知有界項d，具體方法是：

21)確定所述徑向基神經網絡的層數：

所述徑向基神經網絡包括1個輸入層、1個隱含層、1個輸出層，其中，所述輸入層的輸入向量定義為：所述隱含層有n個神經元；所述輸出層有1個神經元；

22)選擇高斯函數作為所述隱含層的激勵函數，則所述隱含層的輸出為：

其中，h_j是隱含層第j個節點的輸出，z_j＝[z_j1,z_j2]^T是第j個隱節點高斯函數的中心向量，||x-z_j||是衡量輸入向量x和第j個隱節點中心向量的歐式范數，b_j是第j個隱節點的標準化常數；

23)以所述隱含層輸出值的加權值總和計算所述輸出層的輸出，則所述輸出層的輸出y為式(3)中的未知有界項d的估計值

式中，表示所述輸出層的權值向量，h＝[h₁,h₂,…,h_n]^T表示所述隱含層的輸出向量，其中，h_j(j＝1,2,…n)由式(4)求得；

則未知有界項d可表示為：

其中，為估計誤差，是神經網絡實現完美逼近的理想輸出值，ε^*是理想逼近誤差，滿足|ε^*|≤ε_ω，ε_ω是ε^*的最小上確界，是一個有界正實數；是神經網絡實現完美逼近的理想輸出權值，即滿足：

式中，Rⁿ為n維實數；

步驟3，求所述徑向基神經網絡滑模控制器的輸出：

基于雙曲正切函數的指數趨近律，將滑模面s(t)的導數取為：

其中，K、W為正實數，雙曲正切函數

利用式(3)和式(7)，求得所述徑向基神經網絡滑模控制器的輸出為：

u_NNSMC(t)＝u_ISMC(t)+u_R(t) (8)

式中，u_ISMC(t)為所述徑向基神經網絡滑模控制器的智能滑模控制項，令：

而u_R(t)是魯棒補償器，用于保證控制系統的穩定性，令：

將式(9)、式(18)代入式(8)，可得所述徑向基神經網絡滑模控制器的輸出為：

步驟4，將步驟3得到的u_NNSMC(t)進行開方，得到所述盤式定子的電流參考值i_ref(t)：

然后將此i_ref(t)與所述盤式定子的電流測量值作差，經PID控制器送入PWM模塊，產生所述懸浮變流器的驅動信號，從而控制所述盤式定子的電流i(t)，使所述旋轉體在懸浮平衡點處保持穩定懸浮。

2.根據權利要求1所述的基于滑模神經網絡的磁懸浮垂直軸風電機組懸浮控制方法，其特征在于，所述步驟3中的魯棒補償器u_R(t)按如下方法求得：

構造Lyapunov函數為：

其中，γ、η是正常數；

對式(10)求導，得到：

將式(3)、式(8)和式(9)代入式(11)，可得：

令

則式(12)可表達為：

把式(5)、式(6)代入式(13)，可得：

取所述徑向基神經網絡的權值自適應律為：

則式(15)可表達為：

所述魯棒補償器u_R(t)按下式選取：

則式(17)可改為：

取

則式(19)可表達為：

V₁(t)＝-s(t)tanh(s(t))≤0 (21)

因為式(14)恒成立，所以

這表明系統是穩定的，也即說明按式(18)選取的魯棒補償器u_R(t)是合理的。