机构名称：
¥ 1.0
摘要 - 在本文中，我们提出了一种新的基于神经网络的方法，以控制燃气轮机以在高负载下进行稳定操作。我们使用了复发性神经网络（RNN）和增强学习（RL）的组合。我们首先使用RNN来确定燃气轮机动力学的最小状态空间。基于此，我们通过标准RL方法确定最佳控制策略。我们进入一个所谓的复发控制神经网络（RCNN），该网络将这两个步骤结合到一个集成的神经网络中。我们的方法具有一个优势，即通过使用神经网络，我们可以轻松地处理燃气轮机的高尺寸，并且由于RNN的高系统认同质量与一般而言，通常只有有限的可用数据。我们在示例性的燃气轮机模型上演示了所提出的方法，与标准控制器相比，它强烈改善了性能。
燃气轮机控制的神经增强学习方法
主要关键词
相关文件推荐
