现在电力系统中,随着发电机单机容量和电力系统规模的增大,提高同步发电机运行的稳定性,是保证电网安全运行,保证电力系统经济性的基本要求之一。在众多改善同步发电机稳定运行的措施中,运用现代控制理论、提高发电机励磁系统的控制效果是公认的有效手段之一。由于同步发电机具有非线性、多变量、强耦合等特点,很难得到同步发电机运行过程的精确数学模型,因此传统的基于精确模型的PID控制方式己经不能满足这些要求。本文通过改进控制策略来提高同步发电机励磁控制的性能。人工神经网络算法的优点是不依赖精确模型。针对上述问题,本文提出一种基于余弦基函数RBF神经网络辨识的控制方式。首先说明了传统神经网络的不足之处,列出了几个常用的神经元激励函数,并讨论了变学习率在神经网络控制中的优点。其次,用最速下降法对PID三个权系数进行调整。第三,在PID三个增益系数调整中,涉及发电机端电压输出对输入变化量的偏导数,由于难以获得发电机精确模型,因此无法用常规的数学方式来计算该偏导数。通常有两种方法解决该问题,其一是用发电机端电压输出的相邻时刻的差与输入变化量的差之比来替代该偏导数;其二是使用神经网络辨识输出来计算该偏导数。研究表明,用神经网络辨识的输出来计算可以有效提高控制精度。第四,针对神经网络辨识问题进行了详细研究,研究表明使用余弦基函数为神经网络激励函数,有利于提高整个励磁控制系统的效果。最后,本文根据励磁控制的简化传递函数模型,使用MALTAB仿真,分别将固定参数(k_p、k_i、k_d)的PID励磁控制、无对象辨识的PID励磁控制、基于高斯基函数RBF神经网络辨识的PID励磁控制和基于余弦基函数RBF神经网络辨识的PID励磁控制效果进行比较研究。研究结果表明,与其它控制方法相比,本文提出的基于余弦基函数RBF神经网络辨识的PID励磁控制方法有效提高了系统的控制效果。