论文部分内容阅读
飞轮储能用电机的非线性和变参数特性使得传统的PID控制很难取得较好的效果，而人工神经网络在一定的条件下叮以逼近任意非线性函数，且具有较强的自学习、自适应、自组织能力，故将其与传统控制相结合构成神经网络自适应控制策略，应用于飞轮储能电机以实现高性能控制：同时采用变学习速率的神经网络学习算法，学习速率随收敛过程误差的大小而自适应地进行调整，可大大加快神经网络学习训练的收敛速度，进一步提高系统动态响应速度。仿真结果表明，在充放电两端，系统的动态响应快，超调小，稳态精度高，鲁棒性强，抗扰动能力强，控制效果较好；