论文部分内容阅读
针对变桨距风力机模型非线性很强的特点，采用支持向量回归（SVR）算法进行辨识，数据由BLADED仿真软件提供，经训练检测的结果表明，SVR算法在变桨距风力机非线性模型辨识上具有很高的准确性。考虑到风力机现场工作过程中会出现模型变化，利用增量学习算法实现在线辨识。由于在线SVR辨识计算时间太长，通过改进的序列最小优化（SMO）算法代替原来的凸二次规划（QP）算法。同时提出满足度系数，排除系统无效的突变点，使在线辨识具有鲁棒性，并通过双支持向量机（SVM）算法实现在线辨识的记忆功能，最终辨识结果不仅有很强的精