开关磁阻电机神经网络非线性映射建模方法研究

针对开关磁阻电机磁场的强非线性和高饱和性,通过有限元法得到了磁化以及转矩特性曲线簇。在此基础之上,利用神经网络的非线性映射能力,分别采取反向传播神经网络以及径向基函数神经网络对曲线簇进行了学习,进而在Matlab中建立了开关磁阻电机驱动系统的非线性动态仿真模型。对神经网络的结构及训练参数进行了敏感性分析,优化了取值,提高了逼近及泛化能力。在不同控制方法下,通过与有限元分析所得相电流以及合成转矩曲线的比较,验证了所建立开关磁阻电机驱动系统神经网络动态仿真模型的有效性。     

基于BP神经网络的开关磁阻电机建模及仿真

为了改善开关磁阻电机的性能分析和控制效果,建立精确的开关磁阻电机模型是极其重要的。在获得准确的电机电磁特性基础上,利用神经网络所具有的非线性映射能力,建立开关磁阻电机非线性模型。本文采用基于附加动量法的BP神经网络建立开关磁阻电机磁链模型和转矩模型,同时在Matlab/Simulink平台上搭建电机控制系统模型。实验表明,该建模方法能满足开关磁阻电机驱动系统的高性能要求。     

基于RBF神经网络的开关磁阻电机瞬时转矩控制

开关磁阻电机(SRM)因其结构简单、工作可靠、效率高、成本低等优点使之成为当前极具竞争力的一种调速电动机。但由于电机本身的非线性电磁特性,导致了其转矩脉动比其他传动系统严重。如何更好地对开关磁阻电机的转矩进行控制,抑制转矩脉动也成为了近年来研究的热点。针对这一问题,提出了一种基于基于径向基函数(radial basis function,RBF)神经网络的开关磁阻电机瞬时转矩控制方法。利用从SRM动态模型仿真中产生的数据来对RBF神经网络进行离线训练,使之学习不同转速和转矩下的优化电流波形,再将训练好的RBF网络用于电机的转矩控制中,完成不同转速下,转矩、位置到电流的非线性映射。最后通过瞬时电流跟踪控制使电机电流跟踪参考电流,完成电机的转矩控制。该控制方法充分利用了RBF神经网络逼近、泛化能力强,运算速度快的优点,且控制过程简单,网络无需在线训练。实验结果证明,该控制策略能有效减小开关磁阻电机的转矩脉动,具有控制精度高、能适应转速变化等优点。     

基于转矩逆模型的开关磁阻电机滑模变结构控制

开关磁阻电机的转矩脉动是其应用的一个问题.该文应用小波神经网络建立对应开关磁阻电机位置信号的非线性映射,估计转子位置角度,提出利用自适应模糊神经网络学习训练开关磁阻电机转矩逆模型优化期望转矩所需的相电流,采用滑模电流控制器实现电机转矩的低脉动控制,仿真结果表明方法的有效性,能够有效地控制开关磁阻电机转矩按期望变化.     

基于BP神经网络的开关磁阻电机直接转矩控制系统及实现

直接转矩控制可有效抑制开关磁阻电机(SRM)转矩脉动。由于开关磁阻电机双凸结构和磁路的严重饱和,造成其转矩是关于电流和转子位置的严重非线性函数,转矩计算非常困难。针对这一问题,本文提出一种采用基于BP神经网络建立开关磁阻电机转矩模型的方法。利用有限元仿真得到的转矩样本对BP神经网络经行进行离线训练,完成电流、位置角度到转矩的非线性映射,构造出基于BP神经网络的转矩观测器。再将构造好的转矩观测器应用于电机直接转矩控制系统中,对电机的转矩经行进行实时在线估算。最后,将估算转矩经行反馈,完成电机的直接转矩控制。该控制方法利用了BP神经网络泛化、逼近能力强的优点,同时控制过程简单,无需在线训练。实验结果表明,所提方法转矩计算速度快、计算精度高,可以满足实时控制的要求,有效地减小了电机的转矩脉动。     

开关磁阻电机调速系统BP神经网络建模

为了实现开关磁阻电机调速系统(SRD)的准确动态仿真,在测取准确磁特性样本数据基础上,利用神经网络所具有的非线性映射能力,采用基于Levenberg-Marqvardt算法的BP神经网络,建立了开关磁阻电动机的非线性模型,并在MATLAB仿真平台上搭建SRD系统动态仿真模型。仿真实验表明,与常规线性SRD动态仿真模型相比,采用BP神经网络的SRD动态仿真模型转矩脉动小,具有稳定性好,鲁棒性强的特点。     

基于径向基函数神经网络的开关磁阻电机建模

基于径向基函数神经网络的局部逼近理论 ,利用高斯基函数 ,在分析测量数据和开关磁阻电机非线性磁特性的基础上 ,建立了开关磁阻电机的模型。通过与样机实测数据比较 ,验证了模型的有效性。与传统的局部线性化方法及BP神经网络比较 ,本文所建模型有更好的泛化能力和更快的速度 ,比较准确地反映了开关磁阻电机的磁特性 ,这对于开关磁阻电机的实时在线控制具有重要意义     

基于BP神经网络的开关磁阻电机转矩观测器

转矩的精确估算对于开关磁阻电机的瞬时转矩控制和转矩脉动的抑制是必不可少的。由于转矩的严重非线性特性,电机转矩的精确估算是很困难的。为此,本文以Matlab／Simulink中一台三相6／4极SRM电机模型的转矩特性数据为样本,建立了以电流和角度为输入,电机转矩为输出的BP神经网络模型,用于瞬时转矩的估计。最后通过MATLAB对三相（6／4）结构的SRM电机进行了仿真实验。实验结果表明,基于神经网络的开关磁阻电机瞬时转矩估测具有较高的精度。     

减小小功率开关磁阻电机转矩脉动的迭代学习控制

优化开关磁阻电机的相电流波形来减小开关磁阻电机的转矩脉动是国内外学者争相研究的热点问题.本文基于开关磁阻电机的线性和非线性电感模型,在转矩反馈的基础上,提出了转矩补偿的迭代学习控制方法,通过迭代学习,调整各相绕组不同位置的电流给定值,优化开关磁阻电机的相电流波形.仿真研究证实了本文所提出的转矩补偿迭代学习控制方法具有精度高、收敛速度快的优点,从而有效减小了开关磁阻电机的转矩脉动.     

基于自适应模糊神经网络的开关磁阻电机转矩脉动抑制

应用自适应模糊神经网络对开关磁阻电动机静态转矩逆模型进行离线学习，学习完成之后，根据转矩分配函数对各相转矩进行分配，利用模糊神经网络实时优化出期望转矩所需要的相电流波形，从而实现开关磁阻电机的低转矩脉动控制。     

基于神经网络逆系统的磁悬浮开关磁阻电动机的解耦控制

磁悬浮开关磁阻电动机作为一个多变量、非线性和强耦合的系统,其控制系统的设计非常复杂.对于磁悬浮开关磁阻电动机来说,得到径向力和平均转矩的先验知识是实现电机闭环控制的基本条件.基于基本电磁场理论,论文给出磁悬浮开关磁阻电动机的径向力模型,对该模型进行可逆性分析,证明该系统可逆,应用神经网络逆系统方法实现径向力的动态解耦,以便达到高性能的控制目的,仿真结果验证了方法的可行性.     

开关磁阻电机RBF神经网络电流控制

开关磁阻电机(SRM)具有结构简单、成本低、控制灵活等优点,尤其组成的调速系统具有交、直流调速系统所没有的优点。但由于电机本身的非线性电磁特性,导致了其转矩脉动比其他传动系统严重,因此如何控制好转矩成为关键,而转矩控制最终要通过控制电流来实现。对8/6结构SRM的绕组磁场特性及电感进行分析,构建了基于3层结构的径向基函数(RBF)神经网络的SRM电感模型,该模型算法简单并能较好地反映SRM电感非线性模型;依据该模型提出了一种自调节的电流控制方法,该方法通过已建立的SRM电感模型动态调节PWM的占空比,克服电感对电流的影响。实验结果证明,该方法使实际电流很好地跟随给定电流,有效减小了电流波动,取得了良好的电流控制效果。     

SRM积分滑模变结构与神经网络补偿控制

针对开关磁阻电机非线性动态特性不易控制的缺点,提出了一种积分型滑模变结构与神经网络补偿相结合的复合控制策略.应用一个具有积分型式的滑模切换面的变结构控制器,使用积分补偿技巧降低系统的振动与稳态误差.为减小滑模面的抖动,引入神经网络补偿控制环节.建立滑模变结构控制的数学模型,并给出神经网络补偿滑模面抖动的控制律表达式.利...     

基于RBF的无位置开关磁阻电机控制系统

与传统交流电机驱动系统相比,开关磁阻电机( SRM)具有结构简单,成本低,效率高等优点.但由于电机本身的电磁特性呈现复杂的非线性,采用传统的线性控制方法如PI,PID控制策略很难取得较好的控制效果.基于局部逼近神经网络-径向基函数(RBF)网络,建立了SRM磁特性模型,设计了一套以18.5 kW三相(12/8)SRM为...     

基于在线模糊神经网络建模的开关磁阻电机高性能转矩控制

针对开关磁阻电机(SRM)的转矩脉动问题,提出了一种新的SRM转矩控制方案。首先应用自适应模糊神经网络(ANFIS)对SRM静态转矩逆模型和磁链模型进行离线学习,然后根据转矩分配函数对各相转矩进行分配,利用ANFIS转矩逆模型求出期望转矩下的SRM优化相电流波形。考虑到离线模型的局限性和实时运行时电机中存在的参数变化等不确定因素,通过在线监督学习的方法调整ANFIS转矩逆模型和磁链模型的参数以提高模型的准确性。基于在线调整的ANFIS磁链模型设计自适应滑模控制器调节SRM相绕组中的实际电流跟踪期望相电流波形,从而实现其高性能转矩控制。     

基于神经网络的模糊控制在开关磁阻电机中的应用研究

把神经网络与模糊逻辑结合起来,利用神经网络的学习控制算法调节模糊逻辑隶属函数,通过对开 关磁阻电机运行特性的分析,提出了一种可应用于开关磁阻电机驱动系统的智能控制方法,理论和仿真结果均证明了这种基于神经网络模糊控制方法在开关磁阻电机驱动系统中应用的可行性和可靠性。     

基于滑模神经网络直接瞬时转矩控制的优化

针对开关磁阻电机在滞环控制策略中存在的较大转矩脉动问题,在传统直接瞬时转矩控制的基础上引入了反向传播(BP)神经网络控制策略,以转矩误差的平方为性能指标函数对直接瞬时转矩控制进行优化调整,抑制了电机在运行时的转矩脉动。进一步,在整体双闭环控制策略基础上,引入滑模控制对转速环节进行改进,提高了系统的响应速度和鲁棒性。最后,利用Matlab/Simulink对传统直接瞬时转矩控制和改进直接瞬时转矩控制进行仿真测试,验证了所提策略的有效性和可行性。     

基于预处理BP神经网络的开关磁阻电机建模

针对开关磁阻电机(SRM)强耦合、强非线性、难以精确解析建模的问题,提出一种基于数据预处理的反向传播(BP)神经网络建模方法。首先通过传统直流脉冲法测量一个电周期内SRM静态电磁特性,获取建模样本数据;其次充分利用电机先验知识,通过可以初步反映SRM非线性特性的磁链和转矩解析表达式对实测样本数据进行预处理并作为BP神经网络新的输入,降低神经网络拟合误差。与传统BP神经网络建模的对比结果显示,引入预处理方法可以有效减少BP神经网络节点数量,增强神经网络泛化能力,提高神经网络建模精度。