一种基于径向基函数神经网络的改进型自适应控制方法

本发明公开了一种基于径向基函数神经网络的改进型自适应控制方法，包括以下内容：采集频率变化量和有功功率变化量，将和输入RBF神经网络的输入层，从所述RBF神经网络的输出层输出转动惯量J、阻尼系数D到VSG控制环节；其中，所述RBF神经网络中，采用动态高斯基函数作为隐含层激活函数；并且通过动态梯度计算隐式地定义了优化目标，结合动量梯度下降法引入动量项来加速收敛和减少震荡，本方法通过构造包含有功功率超调量、调节时间、频率最大偏差及恢复时间四维动态性能指标的多目标优化函数，并将其深度耦合至RBF神经网络权值更新机制，在保障频率稳定性的前提下，实现有功功率响应的动态协同优化。