摘要
汽门控制对于发电机的稳定运行与控制具有重要意义.为提高不确定性下汽门系统的控制性能,针对单机无穷大汽门控制系统,设计了基于滑动窗的在线学习神经网络逆汽门控制器.神经网络逆汽门控制器在离线训练的基础上进行在线学习,保证了汽门系统的初始稳定控制且有利于神经网络的收敛;基于滑动窗思想,选取固定窗口长度的训练样本进行在线学习,在对新样本进行在线学习的同时兼顾了对历史样本的学习,从而改善了仅使用新样本进行在线学习导致的神经网络对历史样本"遗忘"的不足.仿真结果表明,与离线训练的神经网络逆汽门控制器和基于即时误差的在线学习神经网络逆汽门控制器相比,所提出的基于滑动窗的在线学习神经网络逆汽门控制器具有更好的控制性能.
基金项目
江苏省高校自然科学基金重大项目(20KJA510007)
NETL
NSTL
维普
万方数据