隨著風(fēng)力發(fā)電技術(shù)的不斷更新和發(fā)展,變槳距風(fēng)力機以其系統(tǒng)穩(wěn)定,安全高效,停機方便等優(yōu)勢在風(fēng)機領(lǐng)域得到了廣泛的應(yīng)用。但值得注意的是,變槳距風(fēng)力機系統(tǒng)涉及空氣動力學(xué)、機械、電子、能源等方面的知識,且受外部干擾和自身參數(shù)變化等原因的影響,導(dǎo)致運行過程中難以建立精確的數(shù)學(xué)模型,而許多先進的控制技術(shù)都是基于受控對象模型基礎(chǔ)上的,這使得變槳距風(fēng)力機非線性系統(tǒng)模型的辨識成為了風(fēng)電技術(shù)研究的重點和難點。對此,本文基于MATLAB和BLADE平臺,圍繞變槳距風(fēng)力機系統(tǒng)輸出功率控制和系統(tǒng)辨識的問題展開,主要研究內(nèi)容包括:1.變槳距風(fēng)力機系統(tǒng)模型辨識研究（1）在對變槳距風(fēng)力機系統(tǒng)非線性特性分析的基礎(chǔ)上,結(jié)合神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)能力強,可以逼近任意精度的非線性動態(tài)系統(tǒng)的特點,將神經(jīng)網(wǎng)絡(luò)辨識的方法運用到對復(fù)雜的變槳距風(fēng)力機系統(tǒng)模型的識別中。針對BP神經(jīng)網(wǎng)絡(luò)采用log-sigmoid函數(shù)易陷入局部最小值,且訓(xùn)練迭代時間長的不足,采用局部逼近的RBF神經(jīng)網(wǎng)絡(luò)算法對變槳距風(fēng)力機非線性系統(tǒng)進行擬合訓(xùn)練以解決上述問題。（2）針對神經(jīng)網(wǎng)絡(luò)權(quán)值訓(xùn)練過程中涉及的學(xué)習(xí)步長參數(shù)選取不當(dāng)易對網(wǎng)絡(luò)輸出造成偏差的問題,采用梯度下降法和誤差動態(tài)反... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 風(fēng)力機系統(tǒng)研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 風(fēng)力機國內(nèi)外研究現(xiàn)狀和趨勢
        1.2.1 國內(nèi)外發(fā)展現(xiàn)狀
        1.2.2 變槳距風(fēng)力機的研究現(xiàn)狀
    1.3 當(dāng)前存在的主要問題及解決辦法
    1.4 論文的主要內(nèi)容和結(jié)構(gòu)
    1.5 本章小結(jié)
第2章 變槳距風(fēng)力機系統(tǒng)數(shù)學(xué)模型
    2.1 變槳距風(fēng)力機系統(tǒng)
        2.1.1 空氣動力學(xué)理論
        2.1.2 變槳距風(fēng)力機系統(tǒng)工作原理
    2.2 變槳距風(fēng)力機組非線性系統(tǒng)模型
        2.2.1 風(fēng)力機風(fēng)輪系統(tǒng)模型
        2.2.2 風(fēng)力機變槳機構(gòu)模型
        2.2.3 風(fēng)力機傳動系統(tǒng)模型
        2.2.4 發(fā)電機系統(tǒng)模型
    2.3 本章小結(jié)
第3章 變槳距風(fēng)力機系統(tǒng)辨識研究
    3.1 問題引入
    3.2 變槳距風(fēng)力機系統(tǒng)辨識結(jié)構(gòu)
        3.2.1 系統(tǒng)辨識基本原理
        3.2.2 系統(tǒng)辨識結(jié)構(gòu)
    3.3 風(fēng)力機系統(tǒng)參數(shù)設(shè)置與數(shù)據(jù)采集
    3.4 基于BP神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識
        3.4.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.4.2 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與測試
        3.4.3 仿真分析
    3.5 基于RBF神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識
        3.5.1 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.5.2 基于動態(tài)優(yōu)化算法的辨識網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù)優(yōu)化
        3.5.3 仿真分析
    3.6 本章小結(jié)
第4章 基于系統(tǒng)辨識模型的FNNRBF-PID控制研究
    4.1 問題引入
    4.2 變槳距風(fēng)力機控制策略及原理
        4.2.1 模糊神經(jīng)網(wǎng)絡(luò)控制理論
        4.2.2 控制器設(shè)計
        4.2.3 仿真分析
    4.3 本章小結(jié)
第5章 工作總結(jié)與展望
    5.1 全文工作總結(jié)
    5.2 工作展望
參考文獻
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果



本文編號：3525920