基于神经网络的变桨距风力机系统辨识与控制

发布时间：2021-11-29 05:21

　　随着风力发电技术的不断更新和发展,变桨距风力机以其系统稳定,安全高效,停机方便等优势在风机领域得到了广泛的应用。但值得注意的是,变桨距风力机系统涉及空气动力学、机械、电子、能源等方面的知识,且受外部干扰和自身参数变化等原因的影响,导致运行过程中难以建立精确的数学模型,而许多先进的控制技术都是基于受控对象模型基础上的,这使得变桨距风力机非线性系统模型的辨识成为了风电技术研究的重点和难点。对此,本文基于MATLAB和BLADE平台,围绕变桨距风力机系统输出功率控制和系统辨识的问题展开,主要研究内容包括:1.变桨距风力机系统模型辨识研究（1）在对变桨距风力机系统非线性特性分析的基础上,结合神经网络自学习能力强,可以逼近任意精度的非线性动态系统的特点,将神经网络辨识的方法运用到对复杂的变桨距风力机系统模型的识别中。针对BP神经网络采用log-sigmoid函数易陷入局部最小值,且训练迭代时间长的不足,采用局部逼近的RBF神经网络算法对变桨距风力机非线性系统进行拟合训练以解决上述问题。（2）针对神经网络权值训练过程中涉及的学习步长参数选取不当易对网络输出造成偏差的问题,采用梯度下降法和误差动态反... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 风力机系统研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 风力机国内外研究现状和趋势
        1.2.1 国内外发展现状
        1.2.2 变桨距风力机的研究现状
    1.3 当前存在的主要问题及解决办法
    1.4 论文的主要内容和结构
    1.5 本章小结
第2章 变桨距风力机系统数学模型
    2.1 变桨距风力机系统
        2.1.1 空气动力学理论
        2.1.2 变桨距风力机系统工作原理
    2.2 变桨距风力机组非线性系统模型
        2.2.1 风力机风轮系统模型
        2.2.2 风力机变桨机构模型
        2.2.3 风力机传动系统模型
        2.2.4 发电机系统模型
    2.3 本章小结
第3章 变桨距风力机系统辨识研究
    3.1 问题引入
    3.2 变桨距风力机系统辨识结构
        3.2.1 系统辨识基本原理
        3.2.2 系统辨识结构
    3.3 风力机系统参数设置与数据采集
    3.4 基于BP神经网络的系统辨识
        3.4.1 BP神经网络结构
        3.4.2 BP神经网络的训练与测试
        3.4.3 仿真分析
    3.5 基于RBF神经网络的系统辨识
        3.5.1 RBF神经网络结构
        3.5.2 基于动态优化算法的辨识网络结构与参数优化
        3.5.3 仿真分析
    3.6 本章小结
第4章 基于系统辨识模型的FNNRBF-PID控制研究
    4.1 问题引入
    4.2 变桨距风力机控制策略及原理
        4.2.1 模糊神经网络控制理论
        4.2.2 控制器设计
        4.2.3 仿真分析
    4.3 本章小结
第5章 工作总结与展望
    5.1 全文工作总结
    5.2 工作展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3525920