基于RBF补偿滑模变桨控制的风力机叶片颤振抑制

针对风力机叶片经典颤振问题,采用RBF神经网络补偿滑模控制来控制风力机叶片的变桨运动。依据弹簧-质量-阻尼器的典型叶型截面模型以及变桨激励器的二阶模型,给出了系统的非线性气动弹性方程。滑模变桨控制通过控制叶片的变桨运动,达到抑制叶片颤振、保护叶片的目的,但是在系统到达滑模面后,滑模控制器会迫使系统沿滑模面做小幅度、高频率的运动,即出现抖振现象。RBF神经网络的自适应、自学习能力可以逼近非线性函数,采用神经网络对滑模控制器进行补偿。实验选取5组不同的基本结构参数进行模拟仿真,仿真结果表明:滑模控制器能够抑制颤振,但是在滑模控制器的输出端会出现剧烈抖振,RBF神经网络滑模控制能够保证系统的鲁棒性,不仅能够抑制颤振,而且能够降低抖振频率以及幅度。