| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题背景和研究意义 | 第9-10页 |
| ·风力发电系统变桨距控制技术的研究现状 | 第10-14页 |
| ·变桨距控制技术的发展 | 第10-11页 |
| ·变桨距控制系统 | 第11页 |
| ·风力发电机组系统建模研究现状 | 第11-12页 |
| ·变桨距控制研究现状 | 第12-14页 |
| ·本课题的主要研究内容 | 第14-16页 |
| 第二章 风力发电系统动态建模及PID控制策略 | 第16-30页 |
| ·风力机的工作原理 | 第16-17页 |
| ·风力机的理论基础 | 第17-20页 |
| ·风力机的能量转换过程 | 第17-19页 |
| ·风力机的特性系数 | 第19-20页 |
| ·风力机变桨距控制 | 第20-22页 |
| ·桨距角调节的原理 | 第20-21页 |
| ·变桨距控制过程 | 第21-22页 |
| ·风力发电系统动态建模 | 第22-27页 |
| ·风速模型 | 第22-23页 |
| ·风力机模型 | 第23-24页 |
| ·传动系统模型 | 第24-25页 |
| ·变桨距执行机构模型 | 第25-26页 |
| ·电机模型 | 第26-27页 |
| ·基于PSO的PID变桨距控制器设计 | 第27-29页 |
| ·基于PSO的PID控制策略 | 第27-28页 |
| ·基于PSO的PID变桨距控制仿真 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于RBF网络的风电机组变桨距滑模控制 | 第30-45页 |
| ·滑模变结构控制基本理论 | 第30-35页 |
| ·滑模变结构控制基本概念 | 第30-31页 |
| ·滑动模态的数学描述 | 第31-32页 |
| ·滑模的存在条件 | 第32页 |
| ·滑动模态的鲁棒性 | 第32-34页 |
| ·滑模控制优点与缺陷 | 第34-35页 |
| ·径向基函数神经网络 | 第35-39页 |
| ·RBF神经网络的结构及特点 | 第35-36页 |
| ·RBF神经网络基本原理 | 第36-38页 |
| ·RBF网络的学习过程 | 第38-39页 |
| ·基于RBF神经网络的变桨距滑模控制器 | 第39-41页 |
| ·引言 | 第39页 |
| ·基于RBF神经网络的变桨距滑模控制器的设计 | 第39-40页 |
| ·控制器的离线学习 | 第40-41页 |
| ·控制器的在线学习 | 第41页 |
| ·仿真结果及分析 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于SVM的永磁直驱风电系统滑模变桨距控制 | 第45-59页 |
| ·支持向量机回归原理 | 第45页 |
| ·支持向量机回归 | 第45-49页 |
| ·线性SVM回归 | 第45-47页 |
| ·非线性SVM回归 | 第47-48页 |
| ·核函数 | 第48-49页 |
| ·在线支持向量机及算法实现 | 第49-50页 |
| ·基于SVM的永磁直驱风电系统滑模变桨距控制 | 第50-53页 |
| ·基于SVM的在线滑模变桨距控制策略 | 第51页 |
| ·在线SVM的滑模控制器学习算法 | 第51-52页 |
| ·在线学习算法训练数据的获取 | 第52-53页 |
| ·仿真结果及分析 | 第53-57页 |
| ·本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·研究工作总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间主要研究成果 | 第65-66页 |
| 致谢 | 第66页 |