[发明专利]一种风力发电机偏航系统的智能控制方法

权利要求书

1.一种风力发电机偏航系统的智能控制方法，其特征在于利用神经网络的自学习功能，将理论旋转角度与实际旋转角度的偏差和偏差变化率作为神经网络的输入层，通过对神经网络的训练，实现模糊规则的自动提取和隶属函数的优化，不需要建立精确的数学模型就可以得到合理的控制策略，对控制系统进行优化，具体包括以下步骤：

(1)根据已知的风力发电机偏航控制的知识和经验，初步确定出传统意义上的模糊控制系统；

(2)根据上述传统意义上的模糊控制系统的隶属函数与模糊控制规则，确定出神经网络的连接方式和连接权值；

(3)对操作人员的实际经验进行总结和归纳，得出风力发电机偏航模糊控制规则表，将此表转化为适应于被控制对象的输入量与输出量之间的对应关系的模糊查询表，得到基于神经网络的模糊控制的模糊神经网络的学习样本，利用误差反向传播BP算法对基于神经网络的模糊控制的模糊神经网络进行离线训练，学习结果便确定了以下的各参数：

采用正态分布的隶属函数的中心值：a_ij；

采用正态分布的隶属函数的宽度值：b_ij；和

对应模糊控制中的模糊查询表中相应的控制规则，模糊词集的最大隶属度：w_pq，并且调整各语言值隶属度函数并记住模糊控制规则；

(4)根据被控制对象的实际工作情况，选择适当的比例因子，将基于神经网络的模糊控制的模糊神经网络接入到控制系统中对风力发电机的偏航系统进行控制。

2.如权利要求1所述的智能控制方法，其特征在于风力发电机偏航系统智能控制方法的计算步骤如下：

(1)输入一个训练周期样本，并设定初始误差，对输入量进行模糊化，即：

I_ij⁽²⁾＝O_i⁽¹⁾＝x_i

其中，A_ij(x_i)表示当输入为x_i时相应的隶属度，a_ij，b_ij表示采用正态分布的隶属函数的中心值和其宽度，调节中心值a_ij可以改变隶属度函数在论域上的分布，调节宽度b_ij可以改变 其形状，i＝1，2，为输入变量标号，j＝1，2...为语言值标号；

(2)采用复合推理法进行模糊推理，其中：

I_pq⁽³⁾＝A_1p(x₁)A_2q(x₂)

O_pq⁽³⁾＝I_pq⁽³⁾

(3)利用重心法进行去模糊化，其中：

式中，N为每个输入语言变量所含的语言值数目，w_pq是模糊词集的最大隶属度 ；

(4)选择目标函数 计算总的平均误差，当总平均误差大于要求值时，如果总的平均误差增大，则减小学习速率，如果总的平均误差减小，则增大学习速率，利用定向型多层反向传播的BP算法进行离线训练来得到新的隶属函数参数，然后将该训练周期样本以新的隶属函数为基础从新进行以上步骤，直到总平均误差小于等于要求值，

当总平均误差小于等于要求值时，看是否还有新的训练周期样本，如果没有则过程结束；如果还有，则输入下一个训练周期样本重复上面步骤，直到所有训练周期样本的总平均误差小于等于要求值后结束。