文献

J-GLOBAL ID：201102291081646923   整理番号：11A1096034

調速機システムのためのオンライン学習RBFニューラルネットワークベースの適応可能な補償の制御方式

Online learning RBF neural network-based adaptive compensative control scheme for governor system

著者 (2件)： XU Qing-hong (School of Automation,Southeast Univ., Jiangsu, Nanjing) ,  DAI Xian-zhong (School of Automation,Southeast Univ., Jiangsu, Nanjing)
資料名： Dianji yu Kongzhi Xuebao  (Dianji yu Kongzhi Xuebao)
巻： 14  号： 2  ページ： 13-19  発行年： 2010年 
JST資料番号： C2500A  ISSN： 1007-449X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 調速機システムの制御は,電力系統の過渡安定度に及ぼす大きい影響を有した。調速機システムの制御性能を向上することに照準を定めて,オンライン学習RBFニューラルネットワークベースの適応可能な補償の制御方式を本論文において提案した。最初に,制御された調速機システムの可逆性を,逆システム方法に基づいて解析して,システム出力と擬似制御のα-th誘導体の間のエラーを導き出して,オンライン学習RBFニューラルネットワークを設計して,エラーを補償した。次に,RBFニューラルネットワークのためのオンライン学習アルゴリズムを,Lyapunov原理に基づいて設計して,閉鎖ループシステムの追跡エラーの一様な究極的boundnessとRBFニューラルネットワークの重量推定誤差について厳密に証明した。提案制御方式は,制御された調速機システムの正確に数学的モデルを必要としなかったが,しかし,すこしの前の知識だけは必要とした。さらに,適応可能な補償の制御のためのRBFニューラルネットワークは,オフライン学習相を必要としなかった。最後に,いくつかのシミュレーションを,典型的単一-装置-無限-バス調速機システムのために実行して,シミュレーション結果は,提案した制御方式が従来の非線形最適制御方式より電力システムの過渡制御性能を大いに改良することができることを示した。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *ニューラルネットワーク ,  *学習 ,  システム ,  制御方式 ,  ベース【半導体】 ,  調速機 ,  学習アルゴリズム ,  シミュレーション ,  最適制御
準シソーラス用語： *オンライン学習 ,  非線形最適制御

分類 (1件)： 電動機  (NB07030U)

タイトルに関連する用語 (6件)： 調速機 ,  オンライン学習 ,  RBFニューラルネットワーク ,  適応 ,  補償 ,  制御方式