数据驱动的重复控制：湍流条件下的风洞实验
Data-driven repetitive control: Wind tunnel experiments under turbulent conditions
AI总结：
本文提出数据驱动的子空间预测重复控制方法，用于降低风力涡轮机叶片的周期性负载，通过风洞实验验证其在湍流条件下的有效性与适应性。
摘要：
减轻风能成本的一种常用方法是通过个体桨叶控制（IPC）来减轻涡轮机叶片的周期性负载。本文采用了一种名为子空间预测重复控制（SPRC）的数据驱动IPC方法。该方法在缩放的双叶片风力涡轮机上进行验证。使用带有创新主动网格的开放喷嘴风洞生成可重复的湍流风条件。即使在这些高湍流条件下，也能实现显著的负载减少，同时限制执行器的 duty。此外，还将证明SPRC能够适应变化的运行条件。
英文摘要：
A commonly applied method to reduce the cost of wind energy, is alleviating the periodic loads on turbine blades using Individual Pitch Control (IPC). In this paper, a data-driven IPC methodology called Subspace Predictive Repetitive Control (SPRC) is employed. The effectiveness of SPRC will be demonstrated on a scaled 2-bladed wind turbine. An open-jet wind tunnel with an innovative active grid is employed to generate reproducible turbulent wind conditions. A significant load reduction with limited actuator duty is achieved even under these high turbulent conditions. Furthermore, it will be demonstrated that SPRC is able to adapt to changing operating conditions.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
