CN115456054A - 基于磁流变调谐质量阻尼器的海上风机振动控制系统 - Google Patents

基于磁流变调谐质量阻尼器的海上风机振动控制系统 Download PDF

Info

Publication number
CN115456054A
CN115456054A CN202211036258.8A CN202211036258A CN115456054A CN 115456054 A CN115456054 A CN 115456054A CN 202211036258 A CN202211036258 A CN 202211036258A CN 115456054 A CN115456054 A CN 115456054A
Authority
CN
China
Prior art keywords
vector
load
feature
input vector
magnetic field
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211036258.8A
Other languages
English (en)
Inventor
冯笑丹
赵建勇
王建国
史祥
包紫晨
于洋
王宏伟
延卫忠
王俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huaneng Renewables Corp Ltd
Beijing Huaneng Xinrui Control Technology Co Ltd
Original Assignee
Huaneng Renewables Corp Ltd
Beijing Huaneng Xinrui Control Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huaneng Renewables Corp Ltd, Beijing Huaneng Xinrui Control Technology Co Ltd filed Critical Huaneng Renewables Corp Ltd
Priority to CN202211036258.8A priority Critical patent/CN115456054A/zh
Publication of CN115456054A publication Critical patent/CN115456054A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F03D7/02—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor
    • F03D7/04—Automatic control; Regulation
    • F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
    • F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/70—Type of control algorithm
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Sustainable Energy (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Sustainable Development (AREA)
  • Biomedical Technology (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Buildings Adapted To Withstand Abnormal External Influences (AREA)

Abstract

公开了一种基于磁流变调谐质量阻尼器的海上风机振动控制系统，其将预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷通过时序编码器提取其在时间维度上的动态变化隐含特征以得到全局载荷特征向量，将多个预定时间点的MRE‑TMD装置的磁场控制强度值和海上风机的风机结构的位移响应值通过时序编码器提取其在时序维度上的动态隐含关联特征以得到磁场控制特征向量和位移响应特征向量，然后，分别对前述三个特征向量进行融合和校正以得到校正后后验概率特征向量，最后将所述校正后后验概率特征向量通过分类器以得到分类结果。这样，可以准确地对风电机组的动力响应进行振动控制，以保证海上风电机组的安全运行。

Description

基于磁流变调谐质量阻尼器的海上风机振动控制系统
技术领域
本申请涉及智能控制领域，且更为具体地，涉及一种基于磁流变调谐质量阻尼器的海上风机振动控制系统。
背景技术
风能作为一种可再生的清洁能源是绿色能源的代表。海上风力发电是一种对风能进行有效开发利用的新技术，已成为风力发电的主流发展趋势，在全球范围受到越来越多的关注。海上风力机采用新型复合材料后比以前更大更轻，这些大型柔性结构容易受到海洋环境外部振动源影响。为了保证海上风电机组的安全运行，需要对风电机组的动力响应进行振动控制。目前，国内外学者对海上风机塔架/叶片的振动控制主要采用在海上风机塔架顶部(即机舱内)安装被动调谐质量阻尼器(TMD)，通过抑制塔顶位移最大的塔架基本振型，达到对风机塔架的减振效果，该方法适用于海上风机在风、波浪低频载荷下的振动控制，此时风机塔架的主要激发模态为塔顶位移的第一阶主振型。
世界上很多已建或在建海上风电机组位于地震多发地带，在风、波浪、地震多种载荷作用下，海上风机的高阶模态振型被激发，系统呈现多个不同阶次固有频率的振动特征，若仍采用针对常规工况(风/浪载荷)设计的被动TMD对风机减振，效果会大大降低甚至造成抑振失效。
因此，期待一种更为优化的用于海上风机的振动控制方案。
发明内容
为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于磁流变调谐质量阻尼器的海上风机振动控制系统，其将预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷通过时序编码器提取其在时间维度上的动态变化隐含特征以得到全局载荷特征向量，将多个预定时间点的MRE-TMD装置的磁场控制强度值和海上风机的风机结构的位移响应值通过时序编码器提取其在时序维度上的动态隐含关联特征以得到磁场控制特征向量和位移响应特征向量，然后，分别对前述三个特征向量进行融合和校正以得到校正后后验概率特征向量，最后将所述校正后后验概率特征向量通过分类器以得到分类结果。这样，可以准确地对风电机组的动力响应进行振动控制，以保证海上风电机组的安全运行。
根据本申请的一个方面，提供了一种基于磁流变调谐质量阻尼器的海上风机振动控制系统，其包括：
数据采集模块，用于获取预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷，所述多个预定时间点的MRE-TMD装置的磁场控制强度值，以及，所述多个预定时间点的海上风机的风机结构的位移响应值；
载荷数据时序特征提取模块，用于将所述预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷分别排列为输入向量后通过包含一维卷积层的时序编码器以得到第一至第三载荷特征向量；
载荷特征融合模块，用于融合第一至第三载荷特征向量以得到全局载荷特征向量；
磁场数据和位移数据编码模块，用于将所述多个预定时间点的MRE-TMD装置的磁场控制强度值和所述多个预定时间点的海上风机的风机结构的位移响应值分别排列为输入向量后通过所述包含一维卷积层的时序编码器以得到磁场控制特征向量和位移响应特征向量；
贝叶斯推断模块，用于使用贝叶斯概率模型来融合所述磁场控制特征向量、所述位移响应特征向量和所述全局载荷特征向量以得到后验概率特征向量；
后验分布校正模块，用于基于所述后验概率向量中所有位置的特征值集合的均值和方差，对所述后验概率特征向量中各个位置的特征值进行校正以得到校正后后验概率特征向量；以及
振动控制结果生成模块，用于将所述校正后后验概率特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的MRE-TMD装置的磁场控制强度值应增大或应减小。
根据本申请的另一方面，提供了一种基于磁流变调谐质量阻尼器的海上风机振动控制方法，其包括：
获取预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷，所述多个预定时间点的MRE-TMD装置的磁场控制强度值，以及，所述多个预定时间点的海上风机的风机结构的位移响应值；
将所述预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷分别排列为输入向量后通过包含一维卷积层的时序编码器以得到第一至第三载荷特征向量；
融合第一至第三载荷特征向量以得到全局载荷特征向量；
将所述多个预定时间点的MRE-TMD装置的磁场控制强度值和所述多个预定时间点的海上风机的风机结构的位移响应值分别排列为输入向量后通过所述包含一维卷积层的时序编码器以得到磁场控制特征向量和位移响应特征向量；
使用贝叶斯概率模型来融合所述磁场控制特征向量、所述位移响应特征向量和所述全局载荷特征向量以得到后验概率特征向量；
基于所述后验概率向量中所有位置的特征值集合的均值和方差，对所述后验概率特征向量中各个位置的特征值进行校正以得到校正后后验概率特征向量；以及
将所述校正后后验概率特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的MRE-TMD装置的磁场控制强度值应增大或应减小。
与现有技术相比，本申请提供的一种基于磁流变调谐质量阻尼器的海上风机振动控制系统，其将预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷通过时序编码器提取其在时间维度上的动态变化隐含特征以得到全局载荷特征向量，将多个预定时间点的MRE-TMD装置的磁场控制强度值和海上风机的风机结构的位移响应值通过时序编码器提取其在时序维度上的动态隐含关联特征以得到磁场控制特征向量和位移响应特征向量，然后，分别对前述三个特征向量进行融合和校正以得到校正后后验概率特征向量，最后将所述校正后后验概率特征向量通过分类器以得到分类结果。这样，可以准确地对风电机组的动力响应进行振动控制，以保证海上风电机组的安全运行。
附图说明
通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1A和图1B图示了Kobe地震加速度时程和Kobe地震加速度谱。
图2图示了根据本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制系统的应用场景图。
图3图示了根据本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制系统的框图。
图4图示了根据本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制系统中所述载荷数据时序特征提取模块的框图。
图5图示了根据本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制系统中所述载荷特征融合模块的框图。
图6图示了根据本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制系统中所述磁场数据和位移数据编码模块的框图。
图7图示了根据本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制方法的流程图。
图8图示了根据本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制方法的架构示意图。
具体实施方式
下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
场景概述
目前，由于磁流变弹性体(MRE)的弹性模量可以随着磁场的改变而改变，当磁场撤去后可立即恢复到初始状态。基于这种磁控特性，磁流变弹性体已广泛应用于变刚度智能吸振器。TMD装置由质量、阻尼器和附在结构上的弹簧组成，MRE-TMD是基于MRE材料的TMD装置，其刚度和阻尼由MRE提供。该装置的主要特点是通过改变外加磁场来改变MRE的刚度进而调节MRE-TMD装置的频率，使其频率跟随风机结构的主频，从而在外部激励作用时通过质量块的振动耗能，达到降低结构振动的目的。
基于此，本申请发明人考虑通过调控MRE-TMD装置的磁场控制强度来改变MRE的刚度进而调节MRE-TMD装置的频率，使其频率跟随风机结构的主频，以进行降振。并且，本申请发明人还考虑到在此过程中，还需要对于外部的风、波浪、地震多种载荷作用在时间维度上的隐含关联特征进行挖掘，以融合这三者的载荷作用在时序上的动态变化特征信息来提高降振的效果。同时，还应在此过程中加入海上风机结构的振动变化特征信息，以对于降振的结果进行参照，进而能够准确地对风电机组的动力响应进行振动控制，保证海上风电机组的安全运行。
具体地，在本申请的技术方案中，首先，获取预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷，所述多个预定时间点的MRE-TMD装置的磁场控制强度值，以及，所述多个预定时间点的海上风机的风机结构的位移响应值。
其中，对于所述风载荷来说，由于将风机模型简化为多自由度集中质量模型，只考虑作用在风机塔筒上的风载荷，不考虑风机叶片上的作用力。作用在风机塔筒上的风载荷为：
Figure BDA0003819192220000051
式中：Cd为空气阻力系数；ρa为空气密度；A为塔筒的迎风面积；
Figure BDA0003819192220000052
为平均风速；θ′(t)为脉动风速，采用Davenport脉动风速谱通过谐波叠加法模拟求得；仿真的风载荷工况为机舱位置平均风速25m/s。
进一步的，对于所述波浪载荷来说，波浪是一个随机过程，组成波浪的能量分布可以用波谱来描述。利用JONSWAP谱模拟波浪高程，JONSWAP谱为：
Figure BDA0003819192220000053
式中：Hs为波高；γ为峰值系数(取γ＝3.3)；g为重力加速度；σ为峰形因子和α*计算如下：
Figure BDA0003819192220000054
Figure BDA0003819192220000061
根据莫里森方程，单位高度dz上的波浪力为：
Figure BDA0003819192220000062
式中，CD和CM分别为拖曳力系数和惯性力系数，取CD＝0.65，CM＝2，ρw为海水密度，取1030kg/m3。波浪工况为，Hs＝9.4m/s，Tp＝10.47s。
更进一步的，对于所述地震载荷来说，处于地震带的海上风机，地震载荷是极端工况载荷。以Kobe(1995)为地震波输入，其地震加速度时程和加速度谱如图1A和图1B所示。
然后，考虑到所述风载荷、所述波浪载荷和所述地震载荷在时间维度上都具有着关联性的特征规律，因此，为了能够充分地提取出各个所述载荷的动态变化隐含特征，在将所述预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷分别排列为输入向量后，使用包含一维卷积层的时序编码器分别对这三个载荷的第一至第三输入向量进行编码，以分别提取出所述风载荷在时间维度上的动态变化隐含特征和所述波浪载荷在时间维度上的动态变化隐含特征以及所述地震载荷在时间维度上的动态变化隐含特征，从而得到第一至第三载荷特征向量。
这样，进一步再融合这三个载荷在时间上的动态关联特征以得到全局载荷特征向量。应可以理解，由于所述风载荷、所述波浪载荷和所述地震载荷对于所述海上风机的振动影响程度不同，为了在特征融合时关注到各个所述载荷特征的振动影响程度，进一步将所述第一至第三载荷特征向量分别通过预分类器中进行预分类处理以得到第一至第三概率值，这样就可以将得到的所述第一至第三概率值作为权重来对于所述第一至第三载荷特征向量进行加权，进而再计算加权后的载荷特征向量间的加权和以得到所述全局载荷特征向量。
对于所述多个预定时间点的MRE-TMD装置的磁场控制强度值和所述多个预定时间点的海上风机的风机结构的位移响应值，同样地，由于其在时序上也具有着动态性的关联隐含特征信息，因此，将所述多个预定时间点的MRE-TMD装置的磁场控制强度值和所述多个预定时间点的海上风机的风机结构的位移响应值分别排列为输入向量后通过所述包含一维卷积层的时序编码器中进行编码，以分别提取出所述MRE-TMD装置的磁场控制强度值和所述海上风机的风机结构的位移响应值在时序维度上的动态隐含关联特征，从而得到磁场控制特征向量和位移响应特征向量。
应可以理解，在本申请的技术方案中，考虑到当所述风载荷、波浪载荷和地震载荷发生变化时，通过调控MRE-TMD装置的磁场控制强度来进行降振，并在此过程中引入所述海上风机结构的位移响应值表示的振动变化特征信息以表示振动的变化特征来对于降振的结果进行参照。因此使用所述磁场控制特征向量作为先验概率，在本申请的技术方案中的目的是在新的证据，即在有新的所述风载荷、波浪载荷和地震载荷变化时，更新先验概率得到后验概率。那么根据贝叶斯公式，后验概率为先验概率乘以事件概率除以证据概率，因此，在本申请的技术方案中，使用贝叶斯概率模型来融合所述磁场控制特征向量、所述位移响应特征向量和所述全局载荷特征向量以得到后验概率特征向量，其中所述磁场控制特征向量作为先验，所述位移响应特征向量作为事件，且所述全局载荷特征向量作为证据。这样，就可以将所述后验概率特征向量通过分类器以获得用于表示当前时间点的MRE-TMD装置的磁场控制强度值应增大或应减小。
特别地，在本申请的技术方案中，在使用所述贝叶斯概率模型来融合所述磁场控制特征向量、所述位移响应特征向量和所述全局载荷特征向量时，由于所述全局载荷特征向量为时序方向上的载荷关联特征经过作为过滤器的卷积神经网络得到的，其可能在时序方向上未与所述磁场控制特征向量和所述位移响应特征向量完全对齐，而又由于贝叶斯概率模型的逐位置计算特性，使得所获得的所述后验概率特征向量可能包含由于未对齐特征导致的特殊特征值点，从而影响所述后验概率特征向量的特征分布的分类性能。
因此，对所述后验概率特征向量进行自适应实例的信息统计归一化，具体为：
Figure BDA0003819192220000071
fi为所述后验概率特征向量，例如记为V的特征值，且μ和σ是特征集合fi∈V的均值和方差，L是所述后验概率特征向量的长度，且α为超参数。
这里，所述自适应实例的信息统计归一化将所述后验概率特征向量的特征值集合作为自适应实例，利用其统计特征的本质内在先验信息来对单个特征值进行动态生成式的信息归一化，同时以特征集合的归一化模长信息作为偏置，来作为集合分布域内的不变性描述，这样，就实现了尽可能屏蔽特殊实例的扰动分布的特征分布的优化，进而提高了分类的准确性。这样，能够准确地对风电机组的动力响应进行振动控制，以保证海上风电机组的安全运行。
基于此，本申请提出了一种基于磁流变调谐质量阻尼器的海上风机振动控制系统，其包括：数据采集模块，用于获取预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷，所述多个预定时间点的MRE-TMD装置的磁场控制强度值，以及，所述多个预定时间点的海上风机的风机结构的位移响应值；载荷数据时序特征提取模块，用于将所述预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷分别排列为输入向量后通过包含一维卷积层的时序编码器以得到第一至第三载荷特征向量；载荷特征融合模块，用于融合第一至第三载荷特征向量以得到全局载荷特征向量；磁场数据和位移数据编码模块，用于将所述多个预定时间点的MRE-TMD装置的磁场控制强度值和所述多个预定时间点的海上风机的风机结构的位移响应值分别排列为输入向量后通过所述包含一维卷积层的时序编码器以得到磁场控制特征向量和位移响应特征向量；贝叶斯推断模块，用于使用贝叶斯概率模型来融合所述磁场控制特征向量、所述位移响应特征向量和所述全局载荷特征向量以得到后验概率特征向量；后验分布校正模块，用于基于所述后验概率向量中所有位置的特征值集合的均值和方差，对所述后验概率特征向量中各个位置的特征值进行校正以得到校正后后验概率特征向量；以及，振动控制结果生成模块，用于将所述校正后后验概率特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的MRE-TMD装置的磁场控制强度值应增大或应减小。
图2图示了根据本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制系统的应用场景图。如图2所示，在该应用场景中，首先用多个传感器(例如，如图2中所示意的C)获取预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷，所述多个预定时间点的MRE-TMD装置(例如，如图1中所示意的M)的磁场控制强度值，以及，所述多个预定时间点的海上风机(例如，如图2中所示意的U)的风机结构的位移响应值；然后，将获取的风载荷、波浪载荷、地震载荷、MRE-TMD装置的磁场控制强度值和海上风机的风机结构的位移响应值输入至部署有基于磁流变调谐质量阻尼器的海上风机振动控制算法的服务器(例如，如图2所示意的S)中，其中，所述服务器以基于磁流变调谐质量阻尼器的海上风机振动控制算法对所述风载荷、波浪载荷、地震载荷、MRE-TMD装置的磁场控制强度值和海上风机的风机结构的位移响应值进行处理，以生成用于表示当前时间点的MRE-TMD装置的磁场控制强度值应增大或应减小的分类结果。
在介绍了本申请的基本原理之后，下面将参考附图来具体介绍本申请的各种非限制性实施例。
示例性系统
图3图示了根据本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制系统的框图。如图3所示，根据本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制系统100，包括：数据采集模块110，用于获取预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷，所述多个预定时间点的MRE-TMD装置的磁场控制强度值，以及，所述多个预定时间点的海上风机的风机结构的位移响应值；载荷数据时序特征提取模块120，用于将所述预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷分别排列为输入向量后通过包含一维卷积层的时序编码器以得到第一至第三载荷特征向量；载荷特征融合模块130，用于融合第一至第三载荷特征向量以得到全局载荷特征向量；磁场数据和位移数据编码模块140，用于将所述多个预定时间点的MRE-TMD装置的磁场控制强度值和所述多个预定时间点的海上风机的风机结构的位移响应值分别排列为输入向量后通过所述包含一维卷积层的时序编码器以得到磁场控制特征向量和位移响应特征向量；贝叶斯推断模块150，用于使用贝叶斯概率模型来融合所述磁场控制特征向量、所述位移响应特征向量和所述全局载荷特征向量以得到后验概率特征向量；后验分布校正模块160，用于基于所述后验概率向量中所有位置的特征值集合的均值和方差，对所述后验概率特征向量中各个位置的特征值进行校正以得到校正后后验概率特征向量；以及，振动控制结果生成模块170，用于将所述校正后后验概率特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的MRE-TMD装置的磁场控制强度值应增大或应减小。
具体地，在本申请实施例中，所述数据采集模块110，用于获取预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷，所述多个预定时间点的MRE-TMD装置的磁场控制强度值，以及，所述多个预定时间点的海上风机的风机结构的位移响应值。由前所述，由于磁流变弹性体(MRE)的弹性模量可以随着磁场的改变而改变，当磁场撤去后可立即恢复到初始状态。基于这种磁控特性，磁流变弹性体已广泛应用于变刚度智能吸振器。TMD装置由质量、阻尼器和附在结构上的弹簧组成，MRE-TMD是基于MRE材料的TMD装置，其刚度和阻尼由MRE提供。该装置的主要特点是通过改变外加磁场来改变MRE的刚度进而调节MRE-TMD装置的频率，使其频率跟随风机结构的主频，从而在外部激励作用时通过质量块的振动耗能，达到降低结构振动的目的。
基于此，本申请发明人考虑通过调控MRE-TMD装置的磁场控制强度来改变MRE的刚度进而调节MRE-TMD装置的频率，使其频率跟随风机结构的主频，以进行降振。并且，本申请发明人还考虑到在此过程中，还需要对于外部的风、波浪、地震多种载荷作用在时间维度上的隐含关联特征进行挖掘，以融合这三者的载荷作用在时序上的动态变化特征信息来提高降振的效果。同时，还应在此过程中加入海上风机结构的振动变化特征信息，以对于降振的结果进行参照，进而能够准确地对风电机组的动力响应进行振动控制，保证海上风电机组的安全运行。
因此，在本申请的技术方案中，首先，获取预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷，所述多个预定时间点的MRE-TMD装置的磁场控制强度值，以及，所述多个预定时间点的海上风机的风机结构的位移响应值。
具体地，在本申请实施例中，所述载荷数据时序特征提取模块120，用于将所述预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷分别排列为输入向量后通过包含一维卷积层的时序编码器以得到第一至第三载荷特征向量。可以理解的是，所述风载荷、所述波浪载荷和所述地震载荷在时间维度上都具有着关联性。在本申请的一个具体示例中，所述时序编码器由交替设置的全连接层和一维卷积层组成，其通过一维卷积编码提取出所述风载荷、所述波浪载荷和所述地震载荷在时序维度上的关联和通过全连接编码提取所述风载荷、所述波浪载荷和所述地震载荷的高维隐含特征。
为了能够充分地提取出各个所述载荷的动态变化隐含特征，在将所述预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷分别排列为输入向量后，使用包含一维卷积层的时序编码器分别对这三个载荷的第一至第三输入向量进行编码，以分别提取出所述风载荷在时间维度上的动态变化隐含特征和所述波浪载荷在时间维度上的动态变化隐含特征以及所述地震载荷在时间维度上的动态变化隐含特征，从而得到第一至第三载荷特征向量。
更具体地，在本申请实施例中，图4图示了根据本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制系统中所述载荷数据时序特征提取模块的框图，如图4所示，所述载荷数据时序特征提取模块120，包括：输入向量构造单元210，用于将所述预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷按照时间维度分别排列为输入向量以得到第一输入向量、第二输入向量和第三输入向量；全连接编码单元220，用于使用所述时序编码器的全连接层以如下公式分别对所述第一输入向量、所述第二输入向量和所述第三输入向量进行全连接编码以分别提取出所述第一输入向量、所述第二输入向量和所述第三输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：
Figure BDA0003819192220000111
其中X是所述第一输入向量、所述第二输入向量和所述第三输入向量，Y是输出向量，W是权重矩阵，B是偏置向量，
Figure BDA0003819192220000112
表示矩阵乘；以及，一维卷积编码单元230，用于使用所述时序编码器的一维卷积层以如下公式分别对所述第一输入向量、所述第二输入向量和所述第三输入向量进行一维卷积编码以分别提取出所述第一输入向量、所述第二输入向量和所述第三输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：
Figure BDA0003819192220000113
其中，a为卷积核在x方向上的宽度、F(a)为卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为卷积核的尺寸，X表示所述第一输入向量、所述第二输入向量和所述第三输入向量。
具体地，在本申请实施例中，所述载荷特征融合模块130，用于融合第一至第三载荷特征向量以得到全局载荷特征向量。也就是，在得到第一至第三载荷特征向量后，进一步再融合这三个载荷在时间上的动态关联特征以得到全局载荷特征向量。
应可以理解，由于所述风载荷、所述波浪载荷和所述地震载荷对于所述海上风机的振动影响程度不同，为了在特征融合时关注到各个所述载荷特征的振动影响程度，进一步将所述第一至第三载荷特征向量分别通过预分类器中进行预分类处理以得到第一至第三概率值，这样就可以将得到的所述第一至第三概率值作为权重来对于所述第一至第三载荷特征向量进行加权，进而再计算加权后的载荷特征向量间的加权和以得到所述全局载荷特征向量。
更具体地，在本申请实施例中，图5图示了根据本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制系统中所述载荷特征融合模块的框图，如图5所示，所述载荷特征融合模块130，包括：预分类单元310，用于将所述第一至第三载荷特征向量分别通过预分类器以得到第一至第三概率值；以及，融合单元320，以所述第一至第三概率值作为权重计算所述第一至第三加权后载荷特征向量的按位置加权和以得到所述全局载荷特征向量。
具体地，在本申请实施例中，所述磁场数据和位移数据编码模块140，用于将所述多个预定时间点的MRE-TMD装置的磁场控制强度值和所述多个预定时间点的海上风机的风机结构的位移响应值分别排列为输入向量后通过所述包含一维卷积层的时序编码器以得到磁场控制特征向量和位移响应特征向量。对于所述多个预定时间点的MRE-TMD装置的磁场控制强度值和所述多个预定时间点的海上风机的风机结构的位移响应值，同样地，其在时序上也具有着动态性的关联隐含特征信息。
在本申请的一个具体示例中，所述时序编码器由交替设置的全连接层和一维卷积层组成，其通过一维卷积编码提取出所述多个预定时间点的MRE-TMD装置的磁场控制强度值和所述多个预定时间点的海上风机的风机结构的位移响应值在时序维度上的关联和通过全连接编码提取所述多个预定时间点的MRE-TMD装置的磁场控制强度值和所述多个预定时间点的海上风机的风机结构的位移响应值的高维隐含特征。
进一步地，将所述多个预定时间点的MRE-TMD装置的磁场控制强度值和所述多个预定时间点的海上风机的风机结构的位移响应值分别排列为输入向量后通过所述包含一维卷积层的时序编码器中进行编码，以分别提取出所述MRE-TMD装置的磁场控制强度值和所述海上风机的风机结构的位移响应值在时序维度上的动态隐含关联特征，从而得到磁场控制特征向量和位移响应特征向量。
更具体地，在本申请实施例中，图6图示了根据本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制系统中所述磁场数据和位移数据编码模块的框图，如图6所示，所述磁场数据和位移数据编码模块140，包括：排列单元410，用于将所述多个预定时间点的MRE-TMD装置的磁场控制强度值和所述多个预定时间点的海上风机的风机结构的位移响应值按照时间维度分别排列为输入向量以得到控制强度输入向量和位移响应输入向量；隐含特征提取单元420，用于使用所述时序编码器的全连接层以如下公式分别对所述控制强度输入向量和位移响应输入向量进行全连接编码以分别提取出所述控制强度输入向量和位移响应输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：
Figure BDA0003819192220000131
其中X是所述控制强度输入向量和位移响应输入向量，Y是输出向量，W是权重矩阵，B是偏置向量，
Figure BDA0003819192220000132
表示矩阵乘；以及，关联特征提取单元430，用于使用所述时序编码器的一维卷积层以如下公式分别对所述控制强度输入向量和位移响应输入向量进行一维卷积编码以分别提取出所述控制强度输入向量和位移响应输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：
Figure BDA0003819192220000133
其中，a为卷积核在x方向上的宽度、F(a)为卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为卷积核的尺寸，X表示所述控制强度输入向量和位移响应输入向量。
具体地，在本申请实施例中，所述贝叶斯推断模块150，用于使用贝叶斯概率模型来融合所述磁场控制特征向量、所述位移响应特征向量和所述全局载荷特征向量以得到后验概率特征向量。应可以理解，在本申请的技术方案中，考虑到当所述风载荷、波浪载荷和地震载荷发生变化时，通过调控MRE-TMD装置的磁场控制强度来进行降振，并在此过程中引入所述海上风机结构的位移响应值表示的振动变化特征信息以表示振动的变化特征来对于降振的结果进行参照。
因此使用所述磁场控制特征向量作为先验概率，本申请的技术方案中，在有新的所述风载荷、波浪载荷和地震载荷变化时，更新先验概率得到后验概率。其中，所述磁场控制特征向量是先验信息、所述位移响应特征向量是事件概率、所述全局载荷特征向量是证据概率。
根据贝叶斯公式，后验概率为先验概率乘以事件概率除以证据概率，在本申请的技术方案中的目的是在新的证据，即在有新的所述风载荷、波浪载荷和地震载荷变化时，使用贝叶斯概率模型来融合所述磁场控制特征向量、所述位移响应特征向量和所述全局载荷特征向量以得到后验概率特征向量，其中所述磁场控制特征向量作为先验，所述位移响应特征向量作为事件，且所述全局载荷特征向量作为证据。这样，就可以将所述后验概率特征向量通过分类器以获得用于表示当前时间点的MRE-TMD装置的磁场控制强度值应增大或应减小。
更具体地，使用贝叶斯概率模型以如下公式来融合所述磁场控制特征向量、所述位移响应特征向量和所述全局载荷特征向量以得到所述后验概率特征向量；其中，所述公式为：
qi＝pi*ai/bi
其中，pi是所述磁场控制特征向量中的各个位置的特征值，ai和bi分别是所述位移响应特征向量和所述全局载荷特征向量中的各个位置的特征值，而qi是所述后验概率特征向量中的各个位置的特征值。
具体地，在本申请实施例中，所述后验分布校正模块160，用于基于所述后验概率向量中所有位置的特征值集合的均值和方差，对所述后验概率特征向量中各个位置的特征值进行校正以得到校正后后验概率特征向量。
特别地，在本申请的技术方案中，在使用所述贝叶斯概率模型来融合所述磁场控制特征向量、所述位移响应特征向量和所述全局载荷特征向量时，由于所述全局载荷特征向量为时序方向上的载荷关联特征经过作为过滤器的卷积神经网络得到的，其可能在时序方向上未与所述磁场控制特征向量和所述位移响应特征向量完全对齐，而又由于贝叶斯概率模型的逐位置计算特性，使得所获得的所述后验概率特征向量可能包含由于未对齐特征导致的特殊特征值点，从而影响所述后验概率特征向量的特征分布的分类性能。
因此，对所述后验概率特征向量进行自适应实例的信息统计归一化，即基于所述后验概率向量中所有位置的特征值集合的均值和方差，以如下公式对所述后验概率特征向量中各个位置的特征值进行校正以得到所述校正后后验概率特征向量；其中，所述公式为：
Figure BDA0003819192220000151
其中fi表示所述后验概率特征向量中各个位置的特征值，且μ和σ分别表示所述后验概率向量中所有位置的特征值集合的均值和方差，L是所述后验概率特征向量的长度，且α为超参数。
这里，所述自适应实例的信息统计归一化将所述后验概率特征向量的特征值集合作为自适应实例，利用其统计特征的本质内在先验信息来对单个特征值进行动态生成式的信息归一化，同时以特征集合的归一化模长信息作为偏置，来作为集合分布域内的不变性描述，这样，就实现了尽可能屏蔽特殊实例的扰动分布的特征分布的优化，进而提高了分类的准确性。这样，能够准确地对风电机组的动力响应进行振动控制，以保证海上风电机组的安全运行。
具体地，在本申请实施例中，所述振动控制结果生成模块170，用于将所述校正后后验概率特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的MRE-TMD装置的磁场控制强度值应增大或应减小。也就是，将所述校正后后验概率特征向量输入分类函数以获得分类函数值，其中，所述分类函数值为所述分类结果，所述分类结果用于表示当前时间点的MRE-TMD装置的磁场控制强度值应增大或应减小。
进一步地，使用所述分类器以如下公式对所述校正后后验概率特征向量进行处理以获得所述分类结果，其中，所述公式为：
softmax{(Wn,Bn):…:(W1,B1)|X}，其中，W1到Wn为权重矩阵，B1到Bn为偏置向量，X为所述校正后后验概率特征向量。
综上，基于本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制系统100被阐明，其将预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷通过时序编码器提取其在时间维度上的动态变化隐含特征以得到全局载荷特征向量，将多个预定时间点的MRE-TMD装置的磁场控制强度值和海上风机的风机结构的位移响应值通过时序编码器提取其在时序维度上的动态隐含关联特征以得到磁场控制特征向量和位移响应特征向量，然后，分别对前述三个特征向量进行融合和校正以得到校正后后验概率特征向量，最后将所述校正后后验概率特征向量通过分类器以得到分类结果。这样，可以准确地对风电机组的动力响应进行振动控制，以保证海上风电机组的安全运行。
如上所述，根据本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制系统100可以实现在各种终端设备中，例如用于基于磁流变调谐质量阻尼器的海上风机振动控制的服务器等。在一个示例中，根据本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制系统100可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该基于磁流变调谐质量阻尼器的海上风机振动控制系统100可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该基于磁流变调谐质量阻尼器的海上风机振动控制系统100同样可以是该终端设备的众多硬件模块之一。
替换地，在另一示例中，该基于磁流变调谐质量阻尼器的海上风机振动控制系统100与该终端设备也可以是分立的设备，并且该基于磁流变调谐质量阻尼器的海上风机振动控制系统100可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。
示例性方法
图7图示了根据本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制方法的流程图。如图7所示，根据本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制方法，包括：S110，获取预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷，所述多个预定时间点的MRE-TMD装置的磁场控制强度值，以及，所述多个预定时间点的海上风机的风机结构的位移响应值；S120，将所述预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷分别排列为输入向量后通过包含一维卷积层的时序编码器以得到第一至第三载荷特征向量；S130，融合第一至第三载荷特征向量以得到全局载荷特征向量；S140，将所述多个预定时间点的MRE-TMD装置的磁场控制强度值和所述多个预定时间点的海上风机的风机结构的位移响应值分别排列为输入向量后通过所述包含一维卷积层的时序编码器以得到磁场控制特征向量和位移响应特征向量；S150，使用贝叶斯概率模型来融合所述磁场控制特征向量、所述位移响应特征向量和所述全局载荷特征向量以得到后验概率特征向量；S160，基于所述后验概率向量中所有位置的特征值集合的均值和方差，对所述后验概率特征向量中各个位置的特征值进行校正以得到校正后后验概率特征向量；以及，S170，将所述校正后后验概率特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的MRE-TMD装置的磁场控制强度值应增大或应减小。
图8图示了根据本申请实施例的基于磁流变调谐质量阻尼器的海上风机振动控制方法的架构示意图。如图8所示，在所述基于磁流变调谐质量阻尼器的海上风机振动控制方法的网络架构中，首先，获取预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷，所述多个预定时间点的MRE-TMD装置的磁场控制强度值，以及，所述多个预定时间点的海上风机的风机结构的位移响应值；然后，将所述预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷分别排列为输入向量后通过包含一维卷积层的时序编码器以得到第一至第三载荷特征向量；接着，融合第一至第三载荷特征向量以得到全局载荷特征向量；然后，将所述多个预定时间点的MRE-TMD装置的磁场控制强度值和所述多个预定时间点的海上风机的风机结构的位移响应值分别排列为输入向量后通过所述包含一维卷积层的时序编码器以得到磁场控制特征向量和位移响应特征向量；接着，使用贝叶斯概率模型来融合所述磁场控制特征向量、所述位移响应特征向量和所述全局载荷特征向量以得到后验概率特征向量；然后，基于所述后验概率向量中所有位置的特征值集合的均值和方差，对所述后验概率特征向量中各个位置的特征值进行校正以得到校正后后验概率特征向量；以及，最后，将所述校正后后验概率特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的MRE-TMD装置的磁场控制强度值应增大或应减小。
在本申请的一个实施例中，在上述基于磁流变调谐质量阻尼器的海上风机振动控制方法中，所述将所述预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷分别排列为输入向量后通过包含一维卷积层的时序编码器以得到第一至第三载荷特征向量，包括：将所述预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷按照时间维度分别排列为输入向量以得到第一输入向量、第二输入向量和第三输入向量；使用所述时序编码器的全连接层以如下公式分别对所述第一输入向量、所述第二输入向量和所述第三输入向量进行全连接编码以分别提取出所述第一输入向量、所述第二输入向量和所述第三输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：
Figure BDA0003819192220000171
其中X是所述第一输入向量、所述第二输入向量和所述第三输入向量，Y是输出向量，W是权重矩阵，B是偏置向量，
Figure BDA0003819192220000181
表示矩阵乘；以及，使用所述时序编码器的一维卷积层以如下公式分别对所述第一输入向量、所述第二输入向量和所述第三输入向量进行一维卷积编码以分别提取出所述第一输入向量、所述第二输入向量和所述第三输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：
Figure BDA0003819192220000182
其中，a为卷积核在x方向上的宽度、F(a)为卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为卷积核的尺寸，X表示所述第一输入向量、所述第二输入向量和所述第三输入向量。
在本申请的一个实施例中，在上述基于磁流变调谐质量阻尼器的海上风机振动控制方法中，所述融合第一至第三载荷特征向量以得到全局载荷特征向量，包括：将所述第一至第三载荷特征向量分别通过预分类器以得到第一至第三概率值；以及，所述第一至第三概率值作为权重计算所述第一至第三加权后载荷特征向量的按位置加权和以得到所述全局载荷特征向量。
在本申请的一个实施例中，在上述基于磁流变调谐质量阻尼器的海上风机振动控制方法中，所述将所述多个预定时间点的MRE-TMD装置的磁场控制强度值和所述多个预定时间点的海上风机的风机结构的位移响应值分别排列为输入向量后通过所述包含一维卷积层的时序编码器以得到磁场控制特征向量和位移响应特征向量，包括：将所述多个预定时间点的MRE-TMD装置的磁场控制强度值和所述多个预定时间点的海上风机的风机结构的位移响应值按照时间维度分别排列为输入向量以得到控制强度输入向量和位移响应输入向量；使用所述时序编码器的全连接层以如下公式分别对所述控制强度输入向量和位移响应输入向量进行全连接编码以分别提取出所述控制强度输入向量和位移响应输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：
Figure BDA0003819192220000183
其中X是所述控制强度输入向量和位移响应输入向量，Y是输出向量，W是权重矩阵，B是偏置向量，
Figure BDA0003819192220000184
表示矩阵乘；以及，使用所述时序编码器的一维卷积层以如下公式分别对所述控制强度输入向量和位移响应输入向量进行一维卷积编码以分别提取出所述控制强度输入向量和位移响应输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：
Figure BDA0003819192220000191
其中，a为卷积核在x方向上的宽度、F(a)为卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为卷积核的尺寸，X表示所述控制强度输入向量和位移响应输入向量。
在本申请的一个实施例中，在上述基于磁流变调谐质量阻尼器的海上风机振动控制方法中，所述使用贝叶斯概率模型来融合所述磁场控制特征向量、所述位移响应特征向量和所述全局载荷特征向量以得到后验概率特征向量，包括：使用贝叶斯概率模型以如下公式来融合所述磁场控制特征向量、所述位移响应特征向量和所述全局载荷特征向量以得到所述后验概率特征向量；其中，所述公式为：
qi＝pi*ai/bi
其中，pi是所述磁场控制特征向量中的各个位置的特征值，ai和bi分别是所述位移响应特征向量和所述全局载荷特征向量中的各个位置的特征值，而qi是所述后验概率特征向量中的各个位置的特征值。
在本申请的一个实施例中，在上述基于磁流变调谐质量阻尼器的海上风机振动控制方法中，所述基于所述后验概率向量中所有位置的特征值集合的均值和方差，对所述后验概率特征向量中各个位置的特征值进行校正以得到校正后后验概率特征向量，包括：基于所述后验概率向量中所有位置的特征值集合的均值和方差，以如下公式对所述后验概率特征向量中各个位置的特征值进行校正以得到所述校正后后验概率特征向量；其中，所述公式为：
Figure BDA0003819192220000192
其中fi表示所述后验概率特征向量中各个位置的特征值，且μ和σ分别表示所述后验概率向量中所有位置的特征值集合的均值和方差，L是所述后验概率特征向量的长度，且α为超参数。
在本申请的一个实施例中，在上述基于磁流变调谐质量阻尼器的海上风机振动控制方法中，所述将所述校正后后验概率特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的MRE-TMD装置的磁场控制强度值应增大或应减小，包括：使用所述分类器以如下公式对所述校正后后验概率特征向量进行处理以获得所述分类结果，其中，所述公式为：
softmax{(Wn,Bn):…:(W1,B1)|X}，其中，W1到Wn为权重矩阵，B1到Bn为偏置向量，X为所述校正后后验概率特征向量。
这里，本领域技术人员可以理解，上述基于磁流变调谐质量阻尼器的海上风机振动控制方法中的具体功能和操作已经在上面参考图2到图6的基于磁流变调谐质量阻尼器的海上风机振动控制系统描述中得到了详细介绍，并因此，将省略其重复描述。

Claims (7)

1.一种基于磁流变调谐质量阻尼器的海上风机振动控制系统，其特征在于，包括：
数据采集模块，用于获取预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷，所述多个预定时间点的MRE-TMD装置的磁场控制强度值，以及，所述多个预定时间点的海上风机的风机结构的位移响应值；
载荷数据时序特征提取模块，用于将所述预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷分别排列为输入向量后通过包含一维卷积层的时序编码器以得到第一至第三载荷特征向量；
载荷特征融合模块，用于融合第一至第三载荷特征向量以得到全局载荷特征向量；
磁场数据和位移数据编码模块，用于将所述多个预定时间点的MRE-TMD装置的磁场控制强度值和所述多个预定时间点的海上风机的风机结构的位移响应值分别排列为输入向量后通过所述包含一维卷积层的时序编码器以得到磁场控制特征向量和位移响应特征向量；
贝叶斯推断模块，用于使用贝叶斯概率模型来融合所述磁场控制特征向量、所述位移响应特征向量和所述全局载荷特征向量以得到后验概率特征向量；
后验分布校正模块，用于基于所述后验概率向量中所有位置的特征值集合的均值和方差，对所述后验概率特征向量中各个位置的特征值进行校正以得到校正后后验概率特征向量；以及
振动控制结果生成模块，用于将所述校正后后验概率特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的MRE-TMD装置的磁场控制强度值应增大或应减小。
2.根据权利要求1所述的基于磁流变调谐质量阻尼器的海上风机振动控制系统，其特征在于，所述载荷数据时序特征提取模块，包括：
输入向量构造单元，用于将所述预定时间段内多个预定时间点的风载荷、波浪载荷和地震载荷按照时间维度分别排列为输入向量以得到第一输入向量、第二输入向量和第三输入向量；
全连接编码单元，用于使用所述时序编码器的全连接层以如下公式分别对所述第一输入向量、所述第二输入向量和所述第三输入向量进行全连接编码以分别提取出所述第一输入向量、所述第二输入向量和所述第三输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：
Figure FDA0003819192210000021
其中X是所述第一输入向量、所述第二输入向量和所述第三输入向量，Y是输出向量，W是权重矩阵，B是偏置向量，
Figure FDA0003819192210000022
表示矩阵乘；以及
一维卷积编码单元，用于使用所述时序编码器的一维卷积层以如下公式分别对所述第一输入向量、所述第二输入向量和所述第三输入向量进行一维卷积编码以分别提取出所述第一输入向量、所述第二输入向量和所述第三输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：
Figure FDA0003819192210000023
其中，a为卷积核在x方向上的宽度、F(a)为卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为卷积核的尺寸，X表示所述第一输入向量、所述第二输入向量和所述第三输入向量。
3.根据权利要求2所述的基于磁流变调谐质量阻尼器的海上风机振动控制系统，其特征在于，所述载荷特征融合模块，包括：
预分类单元，用于将所述第一至第三载荷特征向量分别通过预分类器以得到第一至第三概率值；以及
融合单元，以所述第一至第三概率值作为权重计算所述第一至第三加权后载荷特征向量的按位置加权和以得到所述全局载荷特征向量。
4.根据权利要求3所述的基于磁流变调谐质量阻尼器的海上风机振动控制系统，其特征在于，所述磁场数据和位移数据编码模块，包括：
排列单元，用于将所述多个预定时间点的MRE-TMD装置的磁场控制强度值和所述多个预定时间点的海上风机的风机结构的位移响应值按照时间维度分别排列为输入向量以得到控制强度输入向量和位移响应输入向量；
隐含特征提取单元，用于使用所述时序编码器的全连接层以如下公式分别对所述控制强度输入向量和位移响应输入向量进行全连接编码以分别提取出所述控制强度输入向量和位移响应输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：
Figure FDA0003819192210000024
其中X是所述控制强度输入向量和位移响应输入向量，Y是输出向量，W是权重矩阵，B是偏置向量，
Figure FDA0003819192210000031
表示矩阵乘；以及
关联特征提取单元，用于使用所述时序编码器的一维卷积层以如下公式分别对所述控制强度输入向量和位移响应输入向量进行一维卷积编码以分别提取出所述控制强度输入向量和位移响应输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：
Figure FDA0003819192210000032
其中，a为卷积核在x方向上的宽度、F(a)为卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为卷积核的尺寸，X表示所述控制强度输入向量和位移响应输入向量。
5.根据权利要求4所述的基于磁流变调谐质量阻尼器的海上风机振动控制系统，其特征在于，所述贝叶斯推断模块，进一步用于：使用贝叶斯概率模型以如下公式来融合所述磁场控制特征向量、所述位移响应特征向量和所述全局载荷特征向量以得到所述后验概率特征向量；
其中，所述公式为：
qi＝pi*ai/bi
其中，pi是所述磁场控制特征向量中的各个位置的特征值，ai和bi分别是所述位移响应特征向量和所述全局载荷特征向量中的各个位置的特征值，而qi是所述后验概率特征向量中的各个位置的特征值。
6.根据权利要求5所述的基于磁流变调谐质量阻尼器的海上风机振动控制系统，其特征在于，所述后验分布校正模块，进一步用于：基于所述后验概率向量中所有位置的特征值集合的均值和方差，以如下公式对所述后验概率特征向量中各个位置的特征值进行校正以得到所述校正后后验概率特征向量；
其中，所述公式为：
Figure FDA0003819192210000033
其中fi表示所述后验概率特征向量中各个位置的特征值，且μ和σ分别表示所述后验概率向量中所有位置的特征值集合的均值和方差，L是所述后验概率特征向量的长度，且α为超参数。
7.根据权利要求6所述的基于磁流变调谐质量阻尼器的海上风机振动控制系统，其特征在于，所述振动控制结果生成模块，进一步用于：使用所述分类器以如下公式对所述校正后后验概率特征向量进行处理以获得所述分类结果，其中，所述公式为：softmax{(Wn,Bn):…:(W1,B1)|X}，其中，W1到Wn为权重矩阵，B1到Bn为偏置向量，X为所述校正后后验概率特征向量。
CN202211036258.8A 2022-08-28 2022-08-28 基于磁流变调谐质量阻尼器的海上风机振动控制系统 Pending CN115456054A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211036258.8A CN115456054A (zh) 2022-08-28 2022-08-28 基于磁流变调谐质量阻尼器的海上风机振动控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211036258.8A CN115456054A (zh) 2022-08-28 2022-08-28 基于磁流变调谐质量阻尼器的海上风机振动控制系统

Publications (1)

Publication Number Publication Date
CN115456054A true CN115456054A (zh) 2022-12-09

Family

ID=84300574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211036258.8A Pending CN115456054A (zh) 2022-08-28 2022-08-28 基于磁流变调谐质量阻尼器的海上风机振动控制系统

Country Status (1)

Country Link
CN (1) CN115456054A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115951584A (zh) * 2023-02-09 2023-04-11 浙江上洋机械股份有限公司 用于滚筒杀青机的温度控制系统及方法
CN116449204A (zh) * 2023-06-16 2023-07-18 德电北斗电动汽车有限公司 用于对置活塞磁力线性发电机的故障检测方法及相关装置
CN117037427A (zh) * 2023-08-23 2023-11-10 旺苍县地质环境监测站 一种地质灾害联网监测预警系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115951584A (zh) * 2023-02-09 2023-04-11 浙江上洋机械股份有限公司 用于滚筒杀青机的温度控制系统及方法
CN115951584B (zh) * 2023-02-09 2024-03-15 浙江上洋机械股份有限公司 用于滚筒杀青机的温度控制系统及方法
CN116449204A (zh) * 2023-06-16 2023-07-18 德电北斗电动汽车有限公司 用于对置活塞磁力线性发电机的故障检测方法及相关装置
CN116449204B (zh) * 2023-06-16 2023-08-11 德电北斗电动汽车有限公司 用于对置活塞磁力线性发电机的故障检测方法及相关装置
CN117037427A (zh) * 2023-08-23 2023-11-10 旺苍县地质环境监测站 一种地质灾害联网监测预警系统
CN117037427B (zh) * 2023-08-23 2024-02-20 旺苍县地质环境监测站 一种地质灾害联网监测预警系统

Similar Documents

Publication Publication Date Title
CN115456054A (zh) 基于磁流变调谐质量阻尼器的海上风机振动控制系统
Hu et al. Active structural control of a floating wind turbine with a stroke-limited hybrid mass damper
Sun et al. Finite frequency $ H_ {\infty} $ control for vehicle active suspension systems
García-Violini et al. An energy-maximising linear time invariant controller (LiTe-Con) for wave energy devices
Razmjooy et al. Robust control of power system stabilizer using world cup optimization algorithm
CN114781435B (zh) 一种基于改进哈里斯鹰优化算法优化变分模态分解的电力电子电路故障诊断方法
CN115357065B (zh) 海上风机的远程智能除湿控制系统及其方法
CN115456047A (zh) 基于人工智能的海上风机结构状态监测系统及其方法
Shivakumar et al. Implementation of an innovative bio inspired GA and PSO algorithm for controller design considering steam GT dynamics
Kamal K et al. Optimal scheduling of cascaded hydrothermal systems using a new improved particle swarm optimization technique
Zhou et al. A Hybrid Co-evolutionary Particle Swarm Optimization Algorithm for Solving Constrained Engineering Design Problems.
Zuo et al. Wind‐and sea wave‐induced response mitigations of offshore wind turbines using track nonlinear energy sinks
Chen et al. PSO_LSSVM prediction model and its MATLAB implementation
Liu et al. Designing neural networks using hybrid particle swarm optimization
Hu et al. Passive structural control with inerters for a floating offshore wind turbine
Babaei et al. A QPSO based parameters tuning of the conventional power system stabilizer
CN113988189B (zh) 一种跨风电机组的迁移故障诊断方法
Hsu et al. Analysis of torsional oscillations using an artificial neural network
Gorguluarslan et al. Reliability estimation of washing machine spider assembly via classification
CN115585103A (zh) 双馈风机变桨故障诊断方法及其系统
Kakita et al. PI controller gain tuning with FRIT in collective blade pitch control of floating offshore wind turbines
CN115409078A (zh) 一种基于集成重建机制的对抗样本攻击的防御方法
Bayat et al. Nested Control Co-design of a Spar Buoy Horizontal-axis Floating Offshore Wind Turbine
CN109782606A (zh) 基于改良型引力搜索方法的递回式小波艾尔曼神经网络
Linyun et al. Active structural control of floating wind turbine with Multi-TMD based on LQR optimal control

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination