The main contribution of this paper

The main contribution of this paper is the combination of a
novel online training neural network-based algorithm for wind
speed estimation with block back-stepping scheme to regulate the
optimum equilibrium point of wind turbine system. The wind
speed is calculated with the optimal mechanical torque value, that
is approximated with a neural network identifi er. A real-time dy-namic nonlinear learning law (as opposed to off-line training pro-cedure) of the weight vector is proposed for the neural network ,
and uniform asymptotic stability of the error origin is proved using
Lyapunov arguments. The nonlinear learning law makes that, the
neural network can approximate very fast changing data. In this
form, off-line training with extensive input-data is not necessary.
Also, good accuracy in any operation condition is guaranteed and
continue learning is achieved. A Block-Backstepping controller is
derived in order to regulate the optimum equilibrium point. Uni-form asymptotic stability of the tracking error origin for the overall
system is proved using Lyapunov arguments, and the performance
of this controller is compared with an SPBC that was proposed for
the same system.

ผลลัพธ์ (ไทย) 2:

สนับสนุนหลักของการวิจัยนี้คือการรวมกันของการฝึกอบรมออนไลน์นวนิยายอัลกอริทึมที่ใช้เครือข่ายประสาทลมประมาณค่าความเร็วบล็อกกลับก้าวโครงการในการควบคุมจุดสมดุลที่เหมาะสมของระบบกังหันลม ลมความเร็วคำนวณมูลค่ากลแรงบิดที่ดีที่สุดที่เป็นห้วงที่มีidentifi เครือข่ายประสาทเอ้อ จริงเวลา DY-มิคกฎหมายการเรียนรู้ที่ไม่เป็นเชิงเส้น (เมื่อเทียบกับปิดสายการฝึกอบรม cedure-Pro) ของเวกเตอร์น้ำหนักจะนำเสนอสำหรับเครือข่ายประสาทและสม่ำเสมอเสถียรภาพasymptotic แหล่งกำเนิดของข้อผิดพลาดที่ได้รับการพิสูจน์โดยใช้ข้อโต้แย้งLyapunov กฎหมายการเรียนรู้ที่ไม่เป็นเชิงเส้นทำให้การเครือข่ายประสาทสามารถใกล้เคียงกับการเปลี่ยนแปลงอย่างรวดเร็วของข้อมูล ในการนี้รูปแบบออฟไลน์ฝึกอบรมที่มีการป้อนข้อมูลที่กว้างขวางข้อมูลไม่จำเป็น. นอกจากนี้ยังมีความถูกต้องอยู่ในสภาพที่ดีดำเนินการใด ๆ มีการประกันและการเรียนรู้ที่จะประสบความสำเร็จอย่างต่อเนื่อง ตัวควบคุมบล็อก Backstepping เป็นที่มาในการที่จะควบคุมการจุดสมดุลที่เหมาะสม Uni-รูปแบบของความมั่นคง asymptotic ที่มาติดตามข้อผิดพลาดในการรวมระบบการพิสูจน์โดยใช้ข้อโต้แย้งLyapunov และประสิทธิภาพการทำงานของตัวควบคุมนี้จะเทียบกับSPBC ที่ถูกเสนอให้เป็นระบบเดียวกัน

ผลลัพธ์ (ไทย) 3:

ส่วนหลักของบทความนี้คือการรวมกันของการใช้เครือข่ายประสาทขั้นตอนวิธีนวนิยายออนไลน์

ความเร็วลมประมาณบล็อกโครงการก้าวถอยหลังเพื่อควบคุม
ที่จุดสมดุลของระบบกังหันลม . ความเร็วลม
คำนวณกับค่า แรงบิดที่เหมาะสมเชิงกลที่
คือโดยประมาณด้วยโครงข่ายประสาทเทียม identifi ERจริงดี้ namic เส้นเรียนกฎหมาย ( ตรงข้ามกับแบบฝึกโปร cedure ) น้ำหนักเวกเตอร์เสนอเครือข่ายระบบประสาท ,
และเสถียรภาพแหล่งที่มาข้อผิดพลาดเป็นเครื่องแบบให้ใช้
Lyapunov อาร์กิวเมนต์ ไม่เชิงเรียนกฎหมายให้ว่า
เครือข่ายประสาทสามารถประมาณการเปลี่ยนแปลงอย่างรวดเร็วของข้อมูล ในรูปนี้
,การฝึกแบบมีข้อมูลอย่างละเอียด ไม่จําเป็น .
นอกจากนี้ที่ดีในการใด ๆเงื่อนไขรับประกันความถูกต้องและ
ต่อการเรียนรู้ได้ บล็อก backstepping ตัวควบคุม
ได้มาเพื่อควบคุมจุดสมดุลที่เหมาะสม ยูนิแบบฟอร์มแหล่งเสถียรภาพของระบบโดยรวมของประเทศ สำหรับการติดตามข้อผิดพลาด
คือให้ใช้ทฤษฎีขัดแย้ง และการแสดง
ตัวควบคุมนี้เมื่อเทียบกับ spbc ที่เสนอสำหรับ
ระบบเดียวกัน