[1] 常中原,陆劲松. 水轮机调速系统发展探讨[J]. 水电厂自动化, 2012,33(4):24-27.
[2] WIDROW B, WALACH E. Adaptive Inverse Control[M]. New Jersey:Prentice Hall, 1996.
[3] 句建国,邢进生,王冬冬. 基于BP-NN的热连轧产品性能自适应逆控制模型[J]. 计算机技术与发展, 2018,12(10):185-189.
[4] 董浩. 非线性自适应逆控制方法研究[D]. 沈阳:东北大学, 2015.
[5] 庞宇,曹柳林. 基于逆系统的非线性自适应逆控制[J]. 仪器仪表用户, 2007,4(8):57-58.
[6] 刘畅,芦利斌,苗育红,等. 基于滑模扩张干扰观测器的固定翼无人机动态逆控制[J]. 电光与控制, 2018,8(11):32-38.
[7] 王颖. 神经网络逆控制在矿井提升机调速系统中的仿真研究[J]. 数字技术与应用, 2016,2(4):4-6.
[8] 王万召,王杰. 基于自适应逆控制的汽轮机调速系统研究[J]. 动力工程学报, 2014,34(4):307-312.
[9] 姚彦龙,孙建国. 基于神经网络逆控制的发动机直接推力控制[J]. 推进技术, 2008,29(2):249-252.
[10]魏东,刘熙,张龙. 神经网络非线性多步预测逆控制方法研究[J]. 计算机应用研究, 2012,29(1):211-214.
[11]孙美凤,王铁生,陆桂明. 水力机组预测控制分析与研究[J]. 水力发电学报, 2010,29(4):230-234.
[12]宫玉琳. 永磁同步电动机伺服系统自适应逆控制策略研究[D]. 长春:长春理工大学, 2013.
[13]孙颖颖,韩宇. 论煤电难题解决思路[J]. 中国电力教育, 2012,18(4):123-124.
[14]金橹. 水轮机模型综合特性建模及机组过度过程计算研究[D]. 武汉:华中科技大学, 2017.
[15]刘冬,胡晓,曾荃. 基于驶入-输出修正的水轮机特性曲线精细化模型[J]. 水利学报, 2019,3(5):45-48.
[16]于波. 水轮机原理与运行[M]. 北京:中国电力出版社, 2007.
[17]李国勇,杨丽娟. 神经·模糊·预测控制及其MATLAB实现[M]. 北京:电子工业出版社, 2013.
[18]贺丽媛,孔睿. 基于BP网络的函数逼近研究[J]. 电子技术与软件工程, 2019,8(9):134-135.
[19]杨东坡,王孝兰,郭辉,等. 基于小波变换和神经网络的车内噪声信号重构[J]. 计算机测量与控制, 2019,4(8):134-138.
[20]李鸿鹏. 基于神经网络的非线性系统辨识方法研究[D]. 哈尔滨:东北林业大学, 2018.
[21]张世峰,李存龙. 焦炉集气管压力基于BP网络辨识系统自适应PID控制[J]. 自动化与仪器仪表, 2014, 10(25): 118-121.
[22]丁士圻,郭丽华. 人工神经网络基础[M]. 哈尔滨:哈尔滨工程大学出版社, 2008.
[23]韩力群. 人工神经网络教程[M]. 北京:北京邮电大学出版社, 2006.
[24]CHEN G G, DU Y W, SONG P Z. Parameter optimization of hydro turbine governor PID controller by chaotic improved PSO algorithm[J]. Energy Education and Technology Part A: Energy Science and Research, 2014,32(5):3949-3962. |