[发明专利]基于全分布式光纤传感差压反馈的液压气弹变桨系统及控制方法和控制参数的计算方法有效
申请号: | 201810683350.0 | 申请日: | 2018-06-28 |
公开(公告)号: | CN109026526B | 公开(公告)日: | 2019-09-24 |
发明(设计)人: | 刘廷瑞;常林;易成宏 | 申请(专利权)人: | 山东科技大学 |
主分类号: | F03D7/02 | 分类号: | F03D7/02;F03D7/04 |
代理公司: | 青岛智地领创专利代理有限公司 37252 | 代理人: | 陈海滨 |
地址: | 266590 山东省青岛*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 液压执行系统 风力机叶片 变桨控制系统 变桨系统 气弹 全分布式光纤 信号获取系统 位移差 传感 光纤差压传感器 变桨控制器 气弹稳定性 编码处理 变桨控制 控制参数 控制结果 判断结果 失效现象 反馈 风力机 颤振 轮毂 机舱 断裂 发送 指令 | ||
1.一种基于全分布式光纤传感差压反馈的液压气弹变桨系统,其特征在于:包括:风力机、信号获取系统、变桨控制系统和液压执行系统;风力机包括塔架(4)、设置在塔架(4)上方的机舱(3)、设置在机舱(3)前端的轮毂(2)及设置在轮毂(2)外侧且沿轮毂(2)对称分布的两个风力机叶片(1);风力机叶片(1)内部设有光纤差压传感器(16)用于测定风力机叶片(1)位移差压;信号获取系统设在轮毂(2)内用于接收位移差压信号并进行编码处理;变桨控制系统和液压执行系统设在机舱(3)内,变桨控制系统包括PAC变桨控制器,用于对处理后的信号进行判断,并根据判断结果进行RBF神经网络控制,向液压执行系统发送相应的控制结果指令,液压执行系统对风力机叶片(1)进行变桨控制。
2.根据权利权利要求1所述基于全分布式光纤传感差压反馈的液压气弹变桨系统,其特征在于:风力机叶片(1)为空腔蒙皮结构,风力机叶片(1)内部距离风力机叶片(1)根部1/4~1/3展长位置分别铺设有分布式光纤传感器通道,分布式光纤传感器通道的径向厚度占风力机叶片(1)厚度的1/3。
3.根据权利权利要求1所述基于全分布式光纤传感差压反馈的液压气弹变桨系统,其特征在于:信号获取系统包括光纤差分电路、信号滤波放大模块和ISOVUTM传感接收器;差分电路设置在风力机叶片(1)的空腔,用于运算处理后计算出压差,ISOVUTM传感器设置在风力机叶片(1)的叶根部,将差分电路传输过来的差分信号进行编码和稳态传输至A/D模块。
4.根据权利要求1所述基于全分布式光纤传感差压反馈的液压气弹变桨系统,其特征在于:液压执行系统包括液压泵(26)、高速开关数字阀(25)、液压同步回路和两个活塞缸(21),液压同步回路包括基本分回路和匹配分回路,基本分回路包括一个常规调速阀(19)和四个单向阀I,匹配分回路包括一个比例调速阀(20)和四个单向阀II,活塞缸的活塞伸出端均设有位置传感器(22)。
5.一种基于全分布式光纤传感差压反馈的液压气弹变桨系统进行叶片变桨控制的方法,其特征在于,包括以下步骤:风力机的风力机叶片(1)在气动力作用下产生叶片危险截面的挥舞位移时,设置在风力机叶片(1)内部的光纤差压传感器(16)产生差压,信号获取系统接收来差压信号并进行编码处理,处理后的差压信号被稳态传输至液压变桨控制系统,变桨控制系统对处理后的电压信号进行判断,PAC变桨控制器存储有用于比对判断所述处理后的电压信号是否正常的设定值,该设定值相对应于危险截面发生最大位移时的情形,若所述处理后的电压信号大于所述设定值,则变桨控制系统判定风力机叶片(1)挥舞位移发生颤振,并向液压执行系统发送变桨信号;液压执行系统的高速开关数字阀(25)接受变桨控制系统发出的数字命令,为常规调速阀(19)和比例调速阀(20)提供压力,基本分回路接受来自高速开关数字阀(25)的流量,位置传感器(22)检测流量下的活塞缸(21)的速度,位置传感器(22)将检测信号反馈输送到变桨控制系统,变桨控制系统将其控制后的变桨规律再传送给高速开关数字阀(25),进行流量的连续调节;比例调速阀(20)的驱动是由两个位置传感器(22)信号的差值所驱动,使得常规调速阀(19)开口和比例调速阀(20)开口所自动匹配,活塞缸(21)与叶片连接,把活塞的线位移转化为叶片变桨运动的角位移。
6.一种基于全分布式光纤传感差压反馈的液压气弹变桨系统控制参数计算方法,步骤如下:
1)PID采用转速控制,三个PID参数Kp、KI、KD与转速误差相联系,参考变桨角βref可以描述为:其中Kp为比例系数、KI为积分系数、KD为微分系数,三个PID参数可由下列的RBFNN算法来整定而获得,d(·)/dt为求导操作;
2)RBFNN采用局部接受域进行函数映射,是由隐含层和线性输出层构成的前向网络结构,它能以任意精度逼近任意连续函数,网络的输入为状态变量[xi]T,隐含层输出为h=[hi]T,其中,hj为包含有神经元高斯基函数中心点坐标向量的第j个神经元输出。网络权值为w=[wi]T,网络输出为y=wTh。包含有误差信号e的PID三项输入为:
xc(1)=e(k)-e(k-1),
xc(2)=e(k),xc(3)=e(k)-2e(k-1)+e(k-2)
控制误差为:
u(k)=u(k-1)+Δu(k),
Δu(k)=KP[e(k)-e(k-1)]+KIe(k)+KD[(e(k)-2e(k-1)+e(k-2)]
PID参数调整采用梯度下降法:
其中,是被控对象的雅可比信息,η为学习速率,其中e(k)为误差信号e的离散值,大小等于转速误差的离散值、xc(i)为离散误差的不同的差分项目、u(k)为控制信号u的离散值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东科技大学,未经山东科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810683350.0/1.html,转载请声明来源钻瓜专利网。