发电机组汽门系统的多模型自学习控制

针对发电机组的非线性、大范围运行等实际问题,研究了用于汽门系统的多模型自学习控制（MMSC）,首先根据各种工况下的样本数据归纳出模糊控制规则;然后由模糊聚类算法将多种工况约简为典型工况,得到相应的子模型模糊控制器（FLC）．以子模型FLC输出的加权集成作为MMSC的控制输出,而加权系数取决干子模型匹配度．在子模型FLC学习优化中,由支持向量机离线逼近模糊规则曲面,再由梯度下降算法在线自学习．仿真实验验证了所设计控制器的优良性能．