文摘
英文文摘
第1章 绪论
1.1 非线性系统控制方法综述
1.1.1 反馈线性化方法
1.1.2 反推控制方法
1.1.3 智能控制方法
1.2 同步发电机非线性控制方法综述
1.2.1 反馈线性化方法
1.2.2 鲁棒控制方法
1.2.3 自适应控制方法
1.2.4 自抗扰控制方法
1.2.5 智能控制方法
1.3 本文的研究背景、目的及意义
1.4 本文的主要工作及内容安排
第2章 神经网络逆控制方法基础
2.1 逆系统方法
2.2 神经网络逆控制方法
2.3 神经网络逆控制方法存在的问题
2.4 本章小结
第3章 一类非线性系统的神经网络逆在线学习方法和应用
3.1 引言
3.2 问题描述与假设
3.3 一类非线性系统的神经网络逆在线学习方法
3.3.1 神经网络逆在线学习算法设计
3.3.2 神经网络逆在线学习算法的收敛性分析
3.3.3 神经网络逆在线学习算法的步骤
3.4 神经网络在线学习方法在电力系统中的应用
3.4.1 多机系统中发电机励磁系统机端电压控制问题
3.4.2 多机系统中发电机励磁系统机端电压与转速控制问题
3.5 本章小结
第4章 神经网络逆在线学习方法的改进和应用
4.1 引言
4.2 问题描述与假设
4.3 神经网络逆在线学习方法的改进
4.3.1 神经网络逆在线学习方法的改进的基本思路
4.3.2 基于扩张状态观测器的改进的神经网络逆控制结构
4.3.3 基于改进的神经网络逆控制结构的神经网络逆在线学习方法
4.4 改进的神经网络逆在线学习方法在电力系统中的应用
4.4.1 多机系统中发电机励磁系统机端电压控制问题
4.4.2 多机系统中发电机励磁与汽门系统机端电压与转速控制问题
4.4.3 多机系统中发电机励磁与汽门系统机端电压与功角控制问题
4.5 本章小结
第5章 基于神经网络逆系统的自适应补偿控制方法和应用
5.1 引言
5.2 问题描述与假设
5.3 基于神经网络逆系统的自适应补偿控制方法
5.3.1 RBFNN自适应补偿控制方法
5.3.2 RBFNN的收敛性和闭环系统的稳定性分析
5.4 RBFNN自适应补偿控制方法在电力系统中的应用
5.5 RBFNN自适应补偿控制方法与改进的神经网络逆在线学习方法的比较
5.6 本章小结
第6章 总结和展望
6.1 总结
6.2 进一步研究工作的展望
参考文献
附录
附录 A 隐函数定理、反函数定理
附录 B 五点、七点求导法
附录 C ESO的收敛性和闭环系统的稳定性证明
攻读博士学位期间取得的成果
致谢