论文部分内容阅读
汽门控制对于提高电力系统暂态稳定具有重要作用。为了提高汽门系统的控制性能，提出了基于在线学习RBF神经网络的汽门开度自适应补偿控制方法。首先，根据逆系统方法分析了被控汽门系统的可逆性、推导了被控汽门系统输出的仅阶导数和伪控制量之间的误差，并设计了用于补偿此误差的在线学习RBF神经网络。然后，基于Lyapunov稳定性理论设计了RBF神经网络的在线学习算法，证明了闭环系统跟踪误差和RBF神经网络权值估计误差的一致最终有界性。所提出的控制方法仅需被控汽门系统很少的先验知识，而无需其精确数学模型，并且用于自适应