本發(fā)明涉及定位裝置領(lǐng)域，具體地說，特別涉及到一種基于隨機(jī)概率分布控制的水輪機(jī)調(diào)節(jié)系統(tǒng)。

背景技術(shù)：

水輪機(jī)調(diào)節(jié)控制系統(tǒng)是水力發(fā)電廠廣泛使用的一種用于保證發(fā)電的安全運行的發(fā)電設(shè)備，其對水輪機(jī)系統(tǒng)的控制在保持電力系統(tǒng)的穩(wěn)定性中起著非常關(guān)鍵的作用。大部分早期水輪機(jī)控制系統(tǒng)研究都是基于線性模型的假設(shè)之上，而實際的水輪機(jī)控制系統(tǒng)是一個非線性系統(tǒng)。隨著近幾十年非線性控制理論的發(fā)展，基于非線性模型的水輪機(jī)控制系統(tǒng)的研究得到了廣泛關(guān)注。

目前，大部分非線性模型依賴于現(xiàn)代控制理論。其主要思想是通過狀態(tài)反饋將無系統(tǒng)擾動的非線性模型精確地線性化，從而能夠使用傳統(tǒng)的線性理論來設(shè)計控制法以達(dá)到期望性能指標(biāo)。雖然這些模型已經(jīng)考慮了水輪機(jī)系統(tǒng)中存在的非線性特性，但是這些控制模型有著復(fù)雜的結(jié)構(gòu)和參數(shù)估計過程。更為重要的是，很少有水輪機(jī)系統(tǒng)可以處理在控制過程中的隨機(jī)不確定性。

水輪機(jī)調(diào)節(jié)系統(tǒng)在實際的工作環(huán)境中總會遭受復(fù)雜的隨機(jī)不確定性激勵的干擾，從而使系統(tǒng)的穩(wěn)定性受到嚴(yán)重的影響，因此水輪機(jī)系統(tǒng)建模的過程中應(yīng)該考慮動力和機(jī)電系統(tǒng)的瞬變等隨機(jī)擾動。尤其是針對更符合實際水輪機(jī)運行過程的彈性水擊使水輪機(jī)調(diào)速的隨機(jī)控制方法還沒有。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于針對現(xiàn)有技術(shù)中的不足，提供一種新的基于概率分布控制設(shè)計過程。該設(shè)計利用獲得耗散不可積哈密頓系統(tǒng)的精確平穩(wěn)解的技術(shù)使得隨機(jī)非線性系統(tǒng)的控制目標(biāo)達(dá)到預(yù)先設(shè)定的靜態(tài)概率分布函數(shù)(SPDF)值。該方法首先通過基于仿射非線性系統(tǒng)的微分方程對水輪機(jī)調(diào)速系統(tǒng)進(jìn)行直接建模，從而建立一個簡化的水輪機(jī)系統(tǒng)的耗散哈密頓模型。然后，利用獲得耗散不可積哈密頓系統(tǒng)精確平穩(wěn)解的技術(shù)，設(shè)計了一個基于概率分布的控制方法，從而可以得到水輪機(jī)系統(tǒng)輸出的一個預(yù)先設(shè)定的穩(wěn)態(tài)概率密度函數(shù)值。此外，系統(tǒng)的穩(wěn)定性分析是通過李雅普諾夫函數(shù)方法來證明受控系統(tǒng)的轉(zhuǎn)移概率密度收斂于預(yù)先設(shè)定的穩(wěn)態(tài)概率密度函數(shù)值。

本發(fā)明所解決的技術(shù)問題可以采用以下技術(shù)方案來實現(xiàn)：

一種基于隨機(jī)概率分布控制的水輪機(jī)調(diào)節(jié)系統(tǒng)，包括如下步驟：

1)將速度控制器的輸出與水輪機(jī)輸出之間的動態(tài)系統(tǒng)看作一個非線性水輪機(jī)系統(tǒng)，并融合初始速度和流速之間的浪涌傳遞函數(shù)；

2)通過基于仿射非線性系統(tǒng)的微分方程對廣義哈密頓系統(tǒng)進(jìn)行直接建模，簡化的水輪機(jī)哈密爾頓模型如下：

3)為了處理水輪機(jī)的各種隨機(jī)干擾，在在彈性水擊下的非線性水輪機(jī)模型中引入了一個隨機(jī)變量w，并建立了基于隨機(jī)激勵和彈性水擊下的水輪機(jī)哈密頓模型：

其中，W＝[w₁,…w_k]^T是斯特拉托諾維奇意義上的高斯白噪聲向量，其相關(guān)函數(shù)為E[W_k(t)W_l(t+τ)]＝2D_klδ(τ)，f(x)是噪聲強(qiáng)度系數(shù)函數(shù)；

4)通過追蹤預(yù)先給定穩(wěn)態(tài)概率密度，得到受控的非線性隨機(jī)水輪機(jī)系統(tǒng)模型：

其中，u′＝[u′₁,…,u′₄]^T＝g(X)u_p；

控制設(shè)計的目的是使受控系統(tǒng)達(dá)到目標(biāo)SPDF：

ρ(H)＝c exp[-φ(H)]

此時u′_i可結(jié)合由此得到u′_i為：

因此，u_p＝g(x)^Tu′；

5)通過李雅普諾夫函數(shù)證明了受控系統(tǒng)概率密度的收斂性，即受控系統(tǒng)的轉(zhuǎn)移概率密度會隨著時間逐漸逼近到目標(biāo)穩(wěn)態(tài)概率密度，其過程如下：

受控系統(tǒng)的隨機(jī)微分方程組如下：

i，j＝1，2，…，n；k＝1，2，…，m

x是一個具有如下橢圓微分算子的過程向量：

7)其中

設(shè)李雅普諾夫函數(shù)為

其導(dǎo)數(shù)為

顯然有V(X)≥0,V(X)→∞當(dāng)|X|→∞且有L^*V＜0在區(qū)間R⁴-Ω內(nèi)，

其中

由此可見，受控系統(tǒng)的轉(zhuǎn)移概率密度會隨著時間逐漸逼近到目標(biāo)穩(wěn)態(tài)概率密度。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果如下：

1.將主機(jī)和接收器封裝于小體積的殼體內(nèi)，方便攜帶、安裝和維修。

2.采用模塊化結(jié)構(gòu)設(shè)計，可安裝于各類生產(chǎn)場所，泛用性強(qiáng)。

3.在主機(jī)上和接收器上都設(shè)有用于報警提示的功能單元，當(dāng)接收器離開的距離超出預(yù)設(shè)范圍，或主機(jī)監(jiān)測到周圍有人或物體靠近時，能通過聲光或振動發(fā)出警報。

附圖說明

圖1為本發(fā)明所述的隨機(jī)激勵下的彈性水擊水輪機(jī)模型圖。

圖2為本發(fā)明所述的受控系統(tǒng)的轉(zhuǎn)移概率密度的演變示意圖。

圖3為本發(fā)明所述的水輪機(jī)的輸出功率響應(yīng)曲線的示意圖。

具體實施方式

為使本發(fā)明實現(xiàn)的技術(shù)手段、創(chuàng)作特征、達(dá)成目的與功效易于明白了解，下面結(jié)合具體實施方式，進(jìn)一步闡述本發(fā)明。

本發(fā)明首先通過基于仿射非線性系統(tǒng)的微分方程對水輪機(jī)調(diào)速系統(tǒng)進(jìn)行直接建模，從而建立一個簡化的水輪機(jī)系統(tǒng)的耗散哈密頓模型。然后，利用獲得耗散不可積哈密頓系統(tǒng)精確平穩(wěn)解的技術(shù)，設(shè)計了一個基于概率分布的控制方法，并通過李雅普諾夫函數(shù)方法來證明受控系統(tǒng)的轉(zhuǎn)移概率密度收斂于預(yù)先設(shè)定的穩(wěn)態(tài)概率密度函數(shù)值。具體的實施步驟結(jié)合附圖說明如下：

步驟1：該模型將速度控制器的輸出與水輪機(jī)輸出之間的動態(tài)系統(tǒng)看作一個非線性水輪機(jī)系統(tǒng)，并融合了初始速度和流速之間的浪涌傳遞函數(shù)。

步驟2：通過基于仿射非線性系統(tǒng)的微分方程對廣義哈密頓系統(tǒng)進(jìn)行直接建模。該水輪機(jī)模型的簡化方法同時也適用高階復(fù)雜的系統(tǒng)。所簡化的水輪機(jī)哈密爾頓模型如下：

步驟3：如圖1在隨機(jī)激勵下的彈性水擊水輪機(jī)模型圖所示，在彈性水擊下的非線性水輪機(jī)系統(tǒng)不可避免的受到各種各樣的干擾，其中包括隨機(jī)和外部的干擾，如電路故障、負(fù)荷擾動、浪涌流等。這些隨機(jī)擾動會嚴(yán)重干擾系統(tǒng)的穩(wěn)定性和輸出功率質(zhì)量。然而大多數(shù)的非線性水輪機(jī)模型忽略了隨機(jī)擾動的影響。為了能夠處理彈性水擊的非線性和在系統(tǒng)中存在的干擾，本發(fā)明提出一種用來提高隨機(jī)水輪機(jī)系統(tǒng)的實際性能的概率密度控制方法。在彈性水擊下的水輪機(jī)模型中引入了一個隨機(jī)變量w。一個受控的非線性隨機(jī)水輪機(jī)系統(tǒng)模型如下：

其中W＝[w₁,…w_k]^T是斯特拉托諾維奇意義上的高斯白噪聲向量，其相關(guān)函數(shù)為E[W_k(t)W_l(t+τ)]＝2D_klδ(τ)，f(x)是噪聲強(qiáng)度系數(shù)函數(shù)。此隨機(jī)受控哈密頓系統(tǒng)將用來追蹤預(yù)先設(shè)定的SPDF值。

步驟4：追蹤預(yù)先給定穩(wěn)態(tài)概率密度控制的設(shè)計過程

一個受控的非線性隨機(jī)水輪機(jī)系統(tǒng)模型由上式可以得到：

其中u′＝[u′₁,…,u′₄]^T＝g(X)u_p。

控制設(shè)計的目的是使受控系統(tǒng)達(dá)到目標(biāo)SPDF：

ρ(H)＝c exp[-φ(H)]。

此時u′_i可結(jié)合由此得到u′_i為：

因此u_p＝g(x)^Tu′。

步驟5：受控系統(tǒng)概率密度的收斂性

受控系統(tǒng)的隨機(jī)微分方程組如下：

i,j＝1,2,···,n；k＝1,2,···,m。

x是一個具有如下橢圓微分算子的過程向量：

其中

設(shè)李雅普諾夫函數(shù)為

其導(dǎo)數(shù)為

顯然有V(X)≥0,V(X)→∞當(dāng)|X|→∞且有L^*V＜0在區(qū)間R⁴-Ω內(nèi),其中 由此可見,受控系統(tǒng)的轉(zhuǎn)移概率密度會隨著時間逐漸逼近到目標(biāo)穩(wěn)態(tài)概率密度。

如圖2所示，受控系統(tǒng)的轉(zhuǎn)移概率密度的演變可以由受控系統(tǒng)的ρ(H,t)隨時間t的變化來表示。當(dāng)t>3的時候，ρ(H,t)達(dá)到目標(biāo)SPDFρ(H)。因此，本發(fā)明的控制設(shè)計真正可以使受控系統(tǒng)追蹤到給出的期望SPDF值。圖3展示了水輪機(jī)的輸出功率響應(yīng)曲線?？梢詮闹锌闯觯芸叵到y(tǒng)的輸出p_m可以滿足在短時間內(nèi)，大約2-3秒后，經(jīng)過小幅震蕩后穩(wěn)定在一個特定區(qū)間。

以上顯示和描述了本發(fā)明的基本原理和主要特征和本發(fā)明的優(yōu)點。本行業(yè)的技術(shù)人員應(yīng)該了解，本發(fā)明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會有各種變化和改進(jìn)，這些變化和改進(jìn)都落入要求保護(hù)的本發(fā)明范圍內(nèi)。本發(fā)明要求保護(hù)范圍由所附的權(quán)利要求書及其等效物界定。