基于RBF神经网络的智能负载控制策略研究

基于RBF神经网络的智能负载控制策略研究
传统用于电力弹簧(ES)控制的PI控制器调节性能较差，且控制方法中未考虑非关键负载突然变化的问题，为解决该问题，根据ES的数学模型和控制电路提出了一种基于径向基函数(RBF)神经网络的智能负载控制方法。利用RBF神经网络算法弥补传统PI控制器参数固定即无法更改的缺点，通过对控制器参数的实时在线调整来减少智能负载失稳情况，确保系统母线电压稳定。在Matlab/Simulink仿真环境中进行仿真验证，结果表明，与传统PI控制相比，文中所提控制策略下的智能负载对关键负载两端电压的调节性能更优。因此，在基于RBF神经网络的PI新型控制策略下的智能负载具有更好的鲁棒性和系统控制能力。

标题：
基于RBF神经网络的智能负载控制策略研究
Intelligent load control strategy based on RBF neural network

作者：
叶泰然，王婷，吕捷，吴薛红，周杨，马刚
YE Tairan, WANG Ting, LYU Jie, WU Xuehong, ZHOU Yang, MA Gang

关键词：
智能负载;径向基函数(RBF)神经网络算法;电压控制;PI控制器;电力弹簧
intelligent load;radial basis function(RBF) neural network algorithm;voltage control;PI controller;electric springs

2025-1-23 19:41 上传 基于RBF神经网络的智能负载控制策略研究.pdf

文件大小:

5.97 MB

下载次数:

60

高速下载