| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外风电技术发展现状 | 第14-22页 |
| 1.2.1 变速恒频风电技术发展现状 | 第18-20页 |
| 1.2.2 变桨距控制技术发展现状 | 第20-22页 |
| 1.3 本文的主要工作 | 第22-24页 |
| 1.3.1 主要内容安排 | 第22-23页 |
| 1.3.2 主要创新点 | 第23-24页 |
| 第2章 风电机组变桨距控制与模型建立 | 第24-38页 |
| 2.1 引言 | 第24页 |
| 2.2 风电机组变桨距控制 | 第24-31页 |
| 2.2.1 风力发电机组组成 | 第24-25页 |
| 2.2.2 风力发电机组控制系统组成 | 第25-27页 |
| 2.2.3 变桨距调节型风力发电机组 | 第27-29页 |
| 2.2.4 变速恒频风电机组运行区域分析 | 第29-31页 |
| 2.3 风电机组模型建立 | 第31-37页 |
| 2.3.1 风能利用率 | 第31-33页 |
| 2.3.2 风轮机捕获风功率模型 | 第33-34页 |
| 2.3.3 建立传动系统模型 | 第34-35页 |
| 2.3.4 电动机动态模型 | 第35-36页 |
| 2.3.5 仿真模型搭建 | 第36-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第3章 基于RBF-PID的变桨距控制方法 | 第38-54页 |
| 3.1 前言 | 第38页 |
| 3.2 神经网络 | 第38-40页 |
| 3.2.1 神经网络的基本功能与应用 | 第38-39页 |
| 3.2.2 RBF神经网络控制基本原理 | 第39-40页 |
| 3.3 RBF-PID变桨距控制系统设计 | 第40-47页 |
| 3.3.1 RBF神经网络学习算法 | 第41-42页 |
| 3.3.2 PID控制算法 | 第42-43页 |
| 3.3.3 RBF-PID控制器设计 | 第43-45页 |
| 3.3.4 含RBF-PID变桨距控制器的风电机组运行机制分析 | 第45-47页 |
| 3.4 仿真验证及分析 | 第47-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第4章 变桨距执行机构死区补偿方法 | 第54-72页 |
| 4.1 前言 | 第54页 |
| 4.2 变桨距执行机构死区补偿器设计 | 第54-64页 |
| 4.2.1 前馈神经网络 | 第54-56页 |
| 4.2.2 建立死区模型 | 第56-58页 |
| 4.2.3 局部非线性动态估计 | 第58-60页 |
| 4.2.4 权值的调整规律及稳定性分析 | 第60-64页 |
| 4.3 含有死区补偿器的风电机组运行 | 第64-66页 |
| 4.3.1 系统框图 | 第64-66页 |
| 4.3.2 运行机制 | 第66页 |
| 4.4 仿真验证及分析 | 第66-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第5章 总结与展望 | 第72-76页 |
| 5.1 论文工作总结 | 第72-73页 |
| 5.2 今后的研究方向展望 | 第73-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-84页 |
| 硕士期间所做的工作和科研成果 | 第84-85页 |