基于即时学习算法的迭代学习控制在励磁控制中的应用
迭代学习控制是一种新型控制算法，它不依赖于动态系统的精确数学模型，是一种以迭代产生优化输入信号，通过重复执行同一任务来减少误差，使系统输出尽可能逼近理想值的方法。在众多的迭代学习控制方法中，如何选择适当的系统控制输入初值(第一次迭代时的控制输入)是一类能够使系统以较少的迭代次数达到对期望轨迹高精度跟踪的有效方法。运用即时学习算法可以解决一类非线性系统的迭代学习控制初值问题。电力系统中，优良的励磁控制系统不仅可以保证发电机运行的可靠性和稳定性，而且可以有效地提高发电机及其相联的电力系统的技术经济指标，是提高电力系统稳定性的有效方法。由于电力系统具有高度非线性、强耦合等特点，因此，本文从迭代学习控制的机理出发，将迭代学习控制理论应用到同步发电机励磁控制中，以期改善控制系统的动态品质，如抑制超调，加快控制律的收敛速度，获得较短的过渡时间等。
本文将基于即时学习算法的迭代学习控制引入到同步发电机的励磁控制。运用即时学习算法来解决系统的迭代学习控制初值问题，有效地估计初始控制量，加快了算法的收敛速度。采用Matlab中的Simulink工具箱对单机-无穷大系统及两机系统进行了仿真研究，结果表明了该控制方法的有效性和通用性。所设计的励磁控制器与常规PID控制器和单一方法设计的控制器相比其收敛速度明显加快，具有更强的维持机端电压的能力，有利于提高电力系统的稳定性。
发电机励磁;非线性耦合;励磁控制;机器学习
兰州理工大学
硕士
系统分析与集成
郝晓弘
2010
中文
TM311.4;TP181
68
2010-12-31（万方平台首次上网日期，不代表论文的发表时间）