基于CPSO的PID神经网络及偏航电机控制策略  

Control strategy of CPSO-based PID neural network and a yaw motor

作　　者：朴海国[1] 王志新[1] 

机构地区：[1]上海交通大学电气工程系,上海200240

出　　处：《电机与控制学报》2010年第9期55-62,共8页Electric Machines and Control

基　　金：国家自然科学基金重点项目(360934005);上海市科技发展基金资助项目(09195802900);上海市博士后基金资助项目(08R214134);中国博士后基金资助项目(20080440088)

摘　　要：风电机组偏航系统具有高度的非线性与不确定性,采用传统的基于精确数学模型控制方法用于风电机组偏航系统,难以获得期望的稳定性、鲁棒性等控制性能。针对以上问题,借鉴传统静态神经网络的逆系统控制方法,并根据非线性自回归平均模型(NARMA-L2),给出了基于合作粒子群算法(CPSO)的PID神经网络控制策略(PIDNNC),并基于该策略设计了PIDNNC积分合成控制系统,提出了基于该策略的PIDNN神经网络控制系统设计方法。通过建立偏航系统的仿真模型进行仿真实验,并与PID控制器的控制效果进行比较,表明该控制策略能提高偏航系统的稳定性、鲁棒性和控制精度。通过偏航实验系统进行实验验证,结果表明该控制策略是可行和有效的。Because a yaw system for wind turbine has high nonlinear and uncertainty,the traditional methods based on accurate mathematical model are difficult to get the expected control performances,such as stability,robustness etc.So according to the inverse control of traditional static neural network and approximated version of nonlinear auto regressive moving average （NARMA） model,NARMA-L2,a cooperated-PSO-based PID neural network control strategy （PIDNNC） is given out.A PIDNNC integral synthesis control system is designed based on the strategy.Compared with conventional PID control strategy,simulation results show the efficiency of PIDNNC for enhancing the stability,robustness and control accuracy of yaw system.The test results also indicates the feasibility of PIDNNC.

关 键 词：PID神经网络 粒子群算法 稳定性 鲁棒性 偏航控制 风电机组 

分 类 号：TM301[电气工程—电机]