本发明涉及控制工程，尤其涉及一种海上浮式风机动态载荷与结构运动状态的估计与预测方法。
背景技术：
1、随着全球能源危机的加剧和环境污染问题的日益严重，开发和利用清洁能源成为世界各国的共同选择。海上浮式风机作为一种新兴的可再生能源技术，因其具有不占用陆地资源风能资源丰富等优势而备受关注。由于全球超过80％的海上风能资源都集中于水深超过40m的海域，深海风电资源开发存在巨大潜力，海上风电的发展正呈现出由浅海到深海、由固定式到漂浮式的变化趋势。
2、在早期阶段，对于海上浮式风机的研究重点集中在浮式风机的基础结构设计上。驳船式(barge)、立柱式(spar)、半潜式(semi)和张力腿式(tlp)是四种主要的浮体基础结构类型。海上浮式风机所处的海洋环境复杂多变，风浪联合作用下的结构振动问题尤其突出。驳船式浮式风机的塔架、浮台等关键部件在运行过程中，由于受到不稳定的风速、海浪等载荷易引起塔架与平台的振动，产生疲劳损伤，影响整个机组的发电功率和安全运行。为了提高发电功率的品质，应对结构疲劳和复杂载荷问题，通过在机舱、塔架等位置安装调谐质量阻尼器(tuned mass dampe l，tmd)，开展被动减振、半主动减振或主动减振的控制研究，引起了人们的广泛关注。值得一提的是，在海上浮式风机的结构疲劳分析与减振控制中，如何精确获取海上浮式风机的动态载荷与运动状态与风浪等动态载荷显得尤为重要。然而通过传感器测量往往受到复杂环境的影响与限制。另一方面，现有减振控制往往将海上浮式风机的模型线性化，缺乏对未建模动态的精确估计，进而导致无法对海上浮式风机动态载荷的准确估计与结构运动状态的精确预测。
技术实现思路
1、本发明实施例的主要目的在于提出一种快速且准确的，海上浮式风机动态载荷与结构运动状态的估计与预测方法，能够准确估计海上浮式风机在风浪联合作用下的动态载荷与结构运动状态，助力结构疲劳分析、结构振动抑制与发电功率控制，进而提高海上浮式风机发电功率的品质，保障风机安全运行，延长风机的使用寿命。
2、为实现上述目的，本发明实施例将tmd安装于驳船式海上浮式风机的塔架底部平台之上，提出了一种海上浮式风机动态载荷与结构运动状态的估计与预测方法，包括以下步骤：
3、计算tmd-浮台-塔架系统的动能和势能，根据拉格朗日方程，建立基于tmd的海上浮式风机的多体耦合动力学模型；
4、通过构建多层神经网络来逼近系统模型的非线性部分，以处理海上浮式风机的未建模动态；
5、将海上浮式风机的风浪载荷视为有界的干扰，设计固定时间干扰观测器，在预定时间内对动态载荷进行精确估计；
6、根据所述基于tmd的海上浮式风机的多体耦合动力学模型，结合所述多层神经网络和所述固定时间干扰观测器，设计海上浮式风机的结构运动状态观测器，以对结构运动状态进行精确预测。
7、在一些实施例中，所述计算tmd-浮台-塔架系统的动能和势能，根据拉格朗日方程，建立基于tmd的海上浮式风机的多体耦合动力学模型，包括以下步骤：
8、考虑风浪载荷联合下，推导tmd-浮台-塔架系统的动能和势能，根据拉格朗日方程，构建基于tmd的海上浮式风机的多体耦合动力学模型，该模型的表达式为：
9、
10、其中，arad是与水动力辐射相关的附加螺距惯性；ibp为平台螺距惯性；代表平台俯仰角加速度；chs为静力螺距恢复系数；cml为系泊线线性化的螺距恢复系数；ktp为塔和rna的等效螺距恢复系数；θp为平台俯仰角；brad是关于水动力辐射的螺距阻尼系数；bvis是关于水动力粘性阻力的线性化螺距阻尼系数；dtp表示塔和rna的等效螺距阻尼系数；代表平台俯仰角速度；代表摆塔的弯曲角速度；θt为摆塔的弯曲角；ma为tmd的质量；g为重力加速度；xa为tmd的纵向位移；lp是平台的质心到参考点o的距离；mp是平台的质量；mw表示在参考点o处施加的衍射产生的总波激发变矩；itp为塔的惯性矩；代表摆塔的弯曲角加速度；ca为tmd的阻尼系数；hc是tmd的质心到参考点o的距离；代表tmd的纵向移动速度；代表tmd的纵向移动加速度；ka表示tmd的刚度；lt是塔和rna到参考点o的距离；mt为塔和rna的总质量；fa是作用于轮毂上的空气动力转子推力；lhh为轮毂高度；factive为主动控制系统传递的力。
11、在一些实施例中，所述基于tmd的海上浮式风机的多体耦合动力学模型包括塔架子系统模型、浮台系统模型和tmd子系统模型；
12、其中，塔架子系统模型的表达式为：
13、
14、其中，dw为有界干扰；
15、浮台系统模型的表达式为：
16、
17、其中，dz为有界干扰，u为控制输入；
18、tmd子系统模型的表达式为：
19、
20、其中，u为控制输入。
21、在一些实施例中，所述通过构建多层神经网络来逼近系统模型的非线性部分，包括以下步骤：
22、采用多层神经网络，分别针对塔架子系统的未建模动态、浮台子系统的未建模动态、tmd子系统的未建模动态进行逼近，得到多层神经网络的表达式。
23、在一些实施例中，所述针对塔架子系统的未建模动态进行逼近，得到的多层神经网络的过程表达式为：
24、
25、所述针对浮台子系统的未建模动态进行逼近，得到的多层神经网络的过程表达式为：
26、
27、所述针对tmd子系统的未建模动态进行逼近，得到的多层神经网络的过程表达式为：
28、
29、其中，代表针对塔架子系统的未建模动态；代表塔架子系统中多层神经网络的第二层权值；σ1代表塔架子系统中多层神经网络的激活函数；代表塔架子系统中多层神经网络的第一层权值；s1代表塔架子系统中多层神经网络输入的状态变量；代表针对浮台子系统的未建模动态；代表浮台子系统中多层神经网络的第二层权值；σ2代表浮台子系统中多层神经网络的激活函数；代表浮台子系统中多层神经网络的第一层权值；s2代表浮台子系统中多层神经网络输入的状态变量；代表针对tmd子系统的未建模动态；代表tmd子系统中多层神经网络的第二层权值；σ3代表tmd子系统中多层神经网络的激活函数；代表tmd子系统中多层神经网络的第一层权值；s3代表tmd子系统中多层神经网络输入的状态变量。
30、在一些实施例中，所述将海上浮式风机的风浪载荷视为有界的干扰，设计固定时间干扰观测器，在预定时间内对动态载荷进行精确估计，包括以下步骤：
31、针对塔架子系统中由风载荷引起的干扰以及浮台子系统中由风载荷引起的干扰，分别设计固定时间干扰观测器对进行估计。
32、在一些实施例中，所述根据所述基于tmd的海上浮式风机的多体耦合动力学模型，结合所述多层神经网络和所述固定时间干扰观测器，设计海上浮式风机的结构运动状态观测器，以对结构运动状态进行精确预测，包括以下步骤：
33、根据塔架子系统、不确定项估计值以及风载荷引起的干扰估计，设计海上浮式风机塔架子系统的状态观测器；
34、根据浮台子系统、不确定项估计值以及浪载荷引起的干扰估计，设计海上浮式风机浮台子系统的状态观测器；
35、根据tmd子系统以及不确定项估计值，设计海上浮式风机的tmd子系统的状态观测器。
36、本发明实施例的另一方面还提供了一种海上浮式风机动态载荷与结构运动状态的估计与预测系统，包括：
37、第一模块，用于计算tmd-浮台-塔架系统的动能和势能，根据拉格朗日方程，建立基于tmd的海上浮式风机的多体耦合动力学模型；
38、第二模块，用于通过构建多层神经网络来逼近系统模型的非线性部分，以处理海上浮式风机的未建模动态；
39、第三模块，用于将海上浮式风机的风浪载荷视为有界的干扰，设计固定时间干扰观测器，在预定时间内对动态载荷进行精确估计；
40、第四模块，用于根据所述基于tmd的海上浮式风机的多体耦合动力学模型，结合所述多层神经网络和所述固定时间干扰观测器，设计海上浮式风机的结构运动状态观测器，以对结构运动状态进行精确预测。
41、本发明实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；
42、所述存储器用于存储程序；
43、所述处理器执行所述程序实现如前面所述的方法。
44、本发明实施例的另一方面还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
45、本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
46、本发明实施例至少包括以下有益效果：本发明提供一种海上浮式风机动态载荷与结构运动状态的估计与预测方法,本发明计算tmd-浮台-塔架系统的动能和势能，根据拉格朗日方程，建立基于tmd的海上浮式风机的多体耦合动力学模型；通过构建多层神经网络来逼近系统模型的非线性部分，以处理海上浮式风机的未建模动态；将海上浮式风机的风浪载荷视为有界的干扰，设计固定时间干扰观测器，在预定时间内对动态载荷进行精确估计；根据所述基于tmd的海上浮式风机的多体耦合动力学模型，结合所述多层神经网络和所述固定时间干扰观测器，设计海上浮式风机的结构运动状态观测器，以对结构运动状态进行精确预测。本发明可以准确估计与预测海上浮式风机在风浪联合作用下的动态载荷与结构运动状态，助力结构疲劳分析、结构振动抑制与发电功率控制，进而提高海上浮式风机发电功率的品质，保障风机安全运行，延长风机的使用寿命。
1.一种海上浮式风机动态载荷与结构运动状态的估计与预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种海上浮式风机动态载荷与结构运动状态的估计与预测方法，其特征在于，所述计算tmd-浮台-塔架系统的动能和势能，根据拉格朗日方程，建立基于tmd的海上浮式风机的多体耦合动力学模型，包括以下步骤：
3.根据权利要求2所述的一种海上浮式风机动态载荷与结构运动状态的估计与预测方法，其特征在于，所述基于tmd的海上浮式风机的多体耦合动力学模型包括塔架子系统模型、浮台系统模型和tmd子系统模型；
4.根据权利要求3所述的一种海上浮式风机动态载荷与结构运动状态的估计与预测方法，其特征在于，所述通过构建多层神经网络来逼近系统模型的非线性部分，包括以下步骤：
5.根据权利要求4所述的一种海上浮式风机动态载荷与结构运动状态的估计与预测方法，其特征在于，
6.根据权利要求5所述的一种海上浮式风机动态载荷与结构运动状态的估计与预测方法，其特征在于，所述将海上浮式风机的风浪载荷视为有界的干扰，设计固定时间干扰观测器，在预定时间内对动态载荷进行精确估计，包括以下步骤：
7.根据权利要求1所述的一种海上浮式风机动态载荷与结构运动状态的估计与预测方法，其特征在于，所述根据所述基于tmd的海上浮式风机的多体耦合动力学模型，结合所述多层神经网络和所述固定时间干扰观测器，设计海上浮式风机的结构运动状态观测器，以对结构运动状态进行精确预测，包括以下步骤：
8.一种海上浮式风机动态载荷与结构运动状态的估计与预测系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器以及存储器；
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1-7中任一项所述的方法。
