基于神经网络的间接矢量控制中转矩辨识算法的研究

本文提出了一种基于神经网络的间接矢量控制系统中的转矩辨识算法,该算法将电机输入输出序列作为神经网络的输入,且神经网络的结果由分步计算实现;同时,该算法中训练数据集的标注采用加速度为核心的标定方法,并设计了数据集中多工况的转矩给定轨迹。相较于传统的神经网络方案,此方案在引入输入输出序列后,使网络对暂态过程的拟合能力得到提升;此外,采用所设计的多工况下的转矩轨迹和基于加速度的标定方法,不仅能够避免模型对特定工况的过拟合,而且能够在兼顾辨识精度的同时在标定过程中无需采用转矩感仪器。仿真和实验结果对比表明该方案精度高,鲁棒性强且适用于暂态过程,整个算法流程在工程上易于实现。