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(jī)以其系統(tǒng)穩(wěn)定,安全高效,停機(jī)方便等優(yōu)勢(shì)在風(fēng)機(jī)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(jī)系統(tǒng)涉及空氣動(dòng)力學(xué)、機(jī)械、電子、能源等方面的知識(shí),且受外部干擾和自身參數(shù)變化等原因的影響,導(dǎo)致運(yùn)行過(guò)程中難以建立精確的數(shù)學(xué)模型,而許多先進(jìn)的控制技術(shù)都是基于受控對(duì)象模型基礎(chǔ)上的,這使得變槳距風(fēng)力機(jī)非線性系統(tǒng)模型的辨識(shí)成為了風(fēng)電技術(shù)研究的重點(diǎn)和難點(diǎn)。對(duì)此,本文基于MATLAB和BLADE平臺(tái),圍繞變槳距風(fēng)力機(jī)系統(tǒng)輸出功率控制和系統(tǒng)辨識(shí)的問(wèn)題展開,主要研究?jī)?nèi)容包括:1.變槳距風(fēng)力機(jī)系統(tǒng)模型辨識(shí)研究（1）在對(duì)變槳距風(fēng)力機(jī)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(qiáng),可以逼近任意精度的非線性動(dòng)態(tài)系統(tǒng)的特點(diǎn),將神經(jīng)網(wǎng)絡(luò)辨識(shí)的方法運(yùn)用到對(duì)復(fù)雜的變槳距風(fēng)力機(jī)系統(tǒng)模型的識(shí)別中。針對(duì)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(shí)間長(zhǎng)的不足,采用局部逼近的RBF神經(jīng)網(wǎng)絡(luò)算法對(duì)變槳距風(fēng)力機(jī)非線性系統(tǒng)進(jìn)行擬合訓(xùn)練以解決上述問(wèn)題。（2）針對(duì)神經(jīng)網(wǎng)絡(luò)權(quán)值訓(xùn)練過(guò)程中涉及的學(xué)習(xí)步長(zhǎng)參數(shù)選取不當(dāng)易對(duì)網(wǎng)絡(luò)輸出造成偏差的問(wèn)題,采用梯度下降法和誤差動(dòng)態(tài)反... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 風(fēng)力機(jī)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(jī)國(guó)內(nèi)外研究現(xiàn)狀和趨勢(shì)
        1.2.1 國(guó)內(nèi)外發(fā)展現(xiàn)狀
        1.2.2 變槳距風(fēng)力機(jī)的研究現(xiàn)狀
    1.3 當(dāng)前存在的主要問(wèn)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(jī)系統(tǒng)數(shù)學(xué)模型
    2.1 變槳距風(fēng)力機(jī)系統(tǒng)
        2.1.1 空氣動(dòng)力學(xué)理論
        2.1.2 變槳距風(fēng)力機(jī)系統(tǒng)工作原理
    2.2 變槳距風(fēng)力機(jī)組非線性系統(tǒng)模型
        2.2.1 風(fēng)力機(jī)風(fēng)輪系統(tǒng)模型
        2.2.2 風(fēng)力機(jī)變槳機(jī)構(gòu)模型
        2.2.3 風(fēng)力機(jī)傳動(dòng)系統(tǒng)模型
        2.2.4 發(fā)電機(jī)系統(tǒng)模型
    2.3 本章小結(jié)
第3章 變槳距風(fēng)力機(jī)系統(tǒng)辨識(shí)研究
    3.1 問(wèn)題引入
    3.2 變槳距風(fēng)力機(jī)系統(tǒng)辨識(shí)結(jié)構(gòu)
        3.2.1 系統(tǒng)辨識(shí)基本原理
        3.2.2 系統(tǒng)辨識(shí)結(jié)構(gòu)
    3.3 風(fēng)力機(jī)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(shí)
        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(cè)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(shí)
        3.5.1 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.5.2 基于動(dòng)態(tài)優(yōu)化算法的辨識(shí)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(shí)模型的FNNRBF-PID控制研究
    4.1 問(wèn)題引入
    4.2 變槳距風(fēng)力機(jī)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(jì)
        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(xiàn)
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(hào)：3525920