发明名称 基于模糊性能估计器的风能转换系统反馈控制
摘要 本发明公开了一种基于模糊性能估计器的风能转换系统反馈控制方法,本发明针对风能转换系统强非线性、参数不确定性的特点,设计了包含模糊性能估计器的T-S模糊状态反馈控制系统,属于反馈控制领域。首先给出了风能转换系统的非线性模型和T-S模糊模型,其次基于风能转换系统T-S模糊模型设计了系统的模糊性能估计器,然后在每个线性的局部模型中分别设计线性控制器,并利用隶属度函数构成整个全局模型的模糊状态反馈控制器。其优点是:基于模糊性能估计器来设计控制器,保证闭环控制系统具有良好的跟踪性能,同时,可获得较好的动态性能及稳态性能。
申请公布号 CN102705158A 申请公布日期 2012.10.03
申请号 CN201210164955.1 申请日期 2012.05.25
申请人 江南大学 发明人 吴定会;王莉;李意扬;沈艳霞;赵芝璞;潘庭龙;纪志成
分类号 F03D7/00(2006.01)I 主分类号 F03D7/00(2006.01)I
代理机构 代理人
主权项 1.基于模糊性能估计器的风能转换系统反馈控制,其特征是:第一步:基于模糊性能估计器的风能转换系统的T-S模糊模型考虑到上述风能转换系统的建模过程,并假设风速采用Van der Hoven风速模型,则风能转换系统的状态方程可以表示为<img file="FSA00000723086700011.GIF" wi="1561" he="425" />其中,J<sub>t</sub>为高速轴端的转动惯量,值为<img file="FSA00000723086700012.GIF" wi="147" he="52" />u(t)为电磁转矩的参考值,ω<sub>o</sub>(t)为高斯白噪声,C=[1 0]。由状态方程中的风力转矩Γ<sub>wt</sub>(Ω<sub>h</sub>/i<sub>o</sub>,v)和[0 1/T<sub>G</sub>]<sup>T</sup>可知该模型具有非线性的特点。令x(t)=[Ω<sub>h</sub>(t)Γ<sub>G</sub>(t)]<sup>T</sup>,y=Ω<sub>h</sub>(t)则式(1)可简记为<img file="FSA00000723086700013.GIF" wi="1374" he="128" />其中,输入矩阵为B(x(t))=[0 1/T<sub>G</sub>]<sup>T</sup>,系统矩阵为<img file="FSA00000723086700014.GIF" wi="634" he="255" />根据式(1),定义前提变量:z<sub>1</sub>(t)=Ω<sub>h</sub>(t),z<sub>2</sub>(t)=Γ<sub>G</sub>(t),则式(2)中的系统矩阵A(x(t))可写成新形式A(z<sub>1</sub>(t),z<sub>2</sub>(t))。取Ω<sub>h1</sub>≤min(Ω<sub>h</sub>(t)),Ω<sub>hm</sub>≥max(Ω<sub>h</sub>(t));Γ<sub>G1</sub>≤min(Γ<sub>G</sub>(t)),Γ<sub>Gn</sub>≥max(Γ<sub>G</sub>(t))。其中,Ω<sub>h1</sub>和Ω<sub>hm</sub>分别是转速的最小值和最大值,Γ<sub>G1</sub>和Γ<sub>Gn</sub>为发电机电磁转矩的最小值和最大值。分别在区间[Ω<sub>h1</sub>,Ω<sub>hm</sub>],[Γ<sub>G1</sub>,Γ<sub>Gn</sub>]上再取m-2个点和n-2个点,则形成两个序列Z<sub>1</sub>=(Ω<sub>h1</sub>,Ω<sub>h2</sub>,...,Ω<sub>hp</sub>,...Ω<sub>hm</sub>),Z<sub>2</sub>=(Γ<sub>G1</sub>,Γ<sub>G2</sub>,...,Γ<sub>Gq</sub>,...Γ<sub>Gn</sub>),其中,p=1,2,...,m,q=1,2,...,n。将序列Z<sub>1</sub>,Z<sub>2</sub>中的元素彼此匹配,并代替式(2)中A(z<sub>1</sub>(t),z<sub>2</sub>(t))中的z<sub>1</sub>(t),z<sub>2</sub>(t),即可得到一系列常数矩阵A<sub>pq</sub>,p=1,2,...,m,q=1,2,...,n。定义模糊规则如下 <img file="FSA00000723086700021.GIF" wi="638" he="51" /><img file="FSA00000723086700022.GIF" wi="1318" he="126" />其中,R<sup>i</sup>为第i条模糊规则,规则数L=m×n,i=1,2,...,L,i=m×(p-1)+q,i为p,q的函数,故定义i=i(p,q)。所以A<sub>i</sub>=A<sub>i(p,q)</sub>=A<sub>pq</sub>。给定输入对(z(t),u(t)),采用单点模糊化、乘积推理和平均加权反模糊化,可得模糊系统的整个状态方程如下<img file="FSA00000723086700023.GIF" wi="1382" he="255" />其中,<img file="FSA00000723086700024.GIF" wi="554" he="120" />B<sub>1</sub>=B<sub>L</sub>=[0 50]<sup>T</sup>,C<sub>1</sub>=C<sub>L</sub>=[1 0]<sup>T</sup>,<img file="FSA00000723086700025.GIF" wi="627" he="70" /><img file="FSA00000723086700026.GIF" wi="475" he="66" />μ<sub>i</sub>(z<sub>t</sub>(t))为在第i条模糊规则下前提变量z<sub>t</sub>(t),t=1,2在其所对应的模糊论域上的隶属度函数。根据(3),(4)可将(2)表达为<img file="FSA00000723086700027.GIF" wi="1441" he="254" />其中,ω=ω<sub>o</sub>+ΔA为外部干扰和建模误差,<img file="FSA00000723086700028.GIF" wi="431" he="106" />为系统的建模误差。第二步风能转换系统模糊性能估计器的设计根据系统的模糊模型(3),并令系统的输出为y=Cx(t),采用L模糊规则构建模糊性能估计器,定义模糊性能估计器的模糊规则如下<img file="FSA00000723086700029.GIF" wi="651" he="52" /><img file="FSA000007230867000210.GIF" wi="1381" he="134" />其中,<img file="FSA000007230867000211.GIF" wi="428" he="79" />为模糊性能估计器的状态变量,<img file="FSA000007230867000212.GIF" wi="361" he="60" />用于消除外部扰动和建模误差,M<sub>i</sub>(i=1,2...,L)和<img file="FSA000007230867000213.GIF" wi="167" he="60" />分别表示模糊性能估计器的增益和输出。模糊性能的估计器的整体模型为<img file="FSA00000723086700031.GIF" wi="1526" he="249" />定义状态跟踪误差<img file="FSA00000723086700032.GIF" wi="1403" he="143" />将(6)和(7)式分别带入(8)式两边同时微分可得<img file="FSA00000723086700033.GIF" wi="1602" he="111" />下面讨论如何设计M<sub>i</sub>及v,使系统的状态跟踪误差满足H<sub>∞</sub>性能指标函数<img file="FSA00000723086700034.GIF" wi="1405" he="71" />对于任意的线性模型,通过配置A<sub>ij</sub>=A<sub>i</sub>-M<sub>i</sub>C<sub>j</sub>的特征值到期望值,确定M<sub>i</sub>;根据定理1计算v。定理1对于FPE的误差方程(9),对于给定的γ>0,如果存在矩阵Y及正定矩阵P=P<sup>T</sup>=Q<sup>-1</sup>,使得如下矩阵不等式成立<img file="FSA00000723086700035.GIF" wi="1448" he="181" />那么对于i,j=1,2,...,L,式(10)能够满足,并且K<sub>v</sub>=YQ<sup>-1</sup>。第三步:风能转换系统模糊控制器的设计考虑以下参考模型<img file="FSA00000723086700036.GIF" wi="1206" he="54" />其中,x<sub>r</sub>(t)=[Ω<sub>hr</sub>(t)Γ<sub>Gr</sub>(t)]<sup>T</sup>为参考模型的状态变量,<img file="FSA00000723086700037.GIF" wi="402" he="121" />B<sub>r</sub>=[0 50]<sup>T</sup>,r为电磁转矩的参考值<img file="FSA00000723086700038.GIF" wi="74" he="52" />控制目的为跟踪参考模型的轨迹。定义FPE和参考模型之间的状态误差为<img file="FSA00000723086700041.GIF" wi="1353" he="141" />由(7),(12),(13)联立可得<img file="FSA00000723086700042.GIF" wi="257" he="56" /><img file="FSA00000723086700043.GIF" wi="1908" he="125" />控制律u(t)可描述为u(t)=u<sub>f</sub>-v+u<sub>r</sub>    (15)其中,u<sub>f</sub>表示模糊控制输入量,v用于消除外部扰动和建模误差,u<sub>r</sub>为跟踪误差补偿量。v可以通过定理1求得,下面讨论u<sub>f</sub>和u<sub>r</sub>的设计方法:针对系统(13),控制器输入的第i条规则为<img file="FSA00000723086700044.GIF" wi="644" he="49" />THEN u<sub>if</sub>=-K<sub>ic</sub>ε i=1,2,3...L整体的模糊状态反馈控制律可表示为<img file="FSA00000723086700046.GIF" wi="1382" he="106" />其中,增益K<sub>ic</sub>未知。将式(17)带入(14)可得<img file="FSA00000723086700047.GIF" wi="1315" he="115" />(18)<img file="FSA00000723086700048.GIF" wi="737" he="112" />故u<sub>r</sub>的最小二乘解为:<img file="FSA00000723086700049.GIF" wi="1489" he="125" />定义误差<img file="FSA000007230867000410.GIF" wi="1831" he="118" />因此,(18)可以写成<img file="FSA000007230867000411.GIF" wi="1573" he="105" />定理2对于式(21),对于给定的ρ>0,如果存在矩阵Y<sub>i</sub>及正定矩阵<img file="FSA00000723086700051.GIF" wi="278" he="70" />,使得如下矩阵不等式成立<img file="FSA00000723086700052.GIF" wi="1341" he="185" />那么对于i,j=1,2,...,L,以下H<sub>∞</sub>性能指标函数能够满足,并且K<sub>ic</sub>=YQ<sub>δ</sub><sup>-1</sup><img file="FSA00000723086700053.GIF" wi="1281" he="76" />。
地址 214122 江苏省无锡市蠡湖大道1800号江南大学