遗传优化的最小二乘支持向量机在开关磁阻电机建模中的应用

针对开关磁阻电机的非线性磁链特性,用最小二乘支持向量机(least square support vector machine,LSSVM)与自适应遗传算法相结合的方法精确构建开关磁阻电动机的磁链模型。在最小二乘支持向量机通过采样数据训练模型的过程中,用自适应遗传算法评价拟合误差,优化LSSVM模型的超参数,进而优化开关磁阻电机的磁链模型。通过比较该模型的预测数据与实际测量数据,可以得出用自适应遗传算法优化的最小二乘支持向量机构建的开关磁阻电机模型是可行的,有较高的精度和较好的预测能力。     

基于极限学习机的开关磁阻电机建模

磁链特性是开关磁阻电机系统建模的重要基础,文中探讨了利用极限学习机处理磁化曲线簇,建立电机模型的方法。在详细分析电机非线性磁链特性的基础上,运用极限学习机的非线性回归理论,通过对开关磁阻电机进行有限元分析得到样本数据集进行训练学习,建立了电机的非参数模型,与传统神经网络、支持向量机相比,该电机模型具有更高的回归精度与更快的回归速度。仿真实验表明,该模型比较准确地反映了电机的磁链特性。     

基于PSO优化支持向量机的SRM无传感器控制

开关磁阻电机(SRM)具有结构坚固免维护、控制灵活、可靠性高等诸多优点,然而转子位置传感器降低了系统可靠性和坚固度,是限制其推广的制约瓶颈。在分析支持向量机(SVM)基本原理的基础上,设计了粒子群优化(PSO)支持向量机网络,解决了可调参数难以确定的问题。以实验测量的SRM磁链特性为学习样本,提出了PSO-SVM的SRM转子位置估计方法,并对仿真结果与神经网络方法进行了对比。基于DSP+FPGA控制核心的仿真和实验结果验证了所提方法的可行性和有效性,电机转子位置估计准确,动静态性能良好。     

基于支持向量机的开关磁阻电机转子位置估计

开关磁阻电机具有结构简单、工作可靠、效率高和成本较低等优点,在很多领域都显示出强大的竞争力,但是位置传感器的存在不仅削弱了开关磁阻电机结构简单的优势,而且降低了系统高速运行的可靠性,增加了成本.针对这一问题,提出了基于支持向量机的开关磁阻电机转子位置估计新方法.该方法针对开关磁阻电机的非线性,利用支持向量机泛化能力强以及能够较好地解决小样本学习问题的特点,通过离线学习的方法形成一个理想的支持向量机结构来实现电机电流、磁链与转子位置之间的非线性映射,实现开关磁阻电机的转子位置估计.仿真及实验结果表明,该方法能够实现电机转子位置的准确估计,进而实现开关磁阻电机的无位置传感器控制.     

采用少量样本的开关磁阻电机磁链SVM建模与分析

开关磁阻电机(SRM)中磁链ψ是转子位置θ和绕组电流i的二元非线性函数,常基于ψ-θ-i关系数据建立磁链的数值模型,但ψ-θ-i关系数据测量成本高。本文基于支持向量机(SVM)算法从少量ψ-θ-i关系数据中建立开关磁阻电机的磁链模型。通过改变训练集均匀采样的步长,发现若电角度采样步长超过14°,模型预测误差约增加50%;电流较小时,模型预测误差随着采样步长的增大先迅速增加后在某一值附近震荡。训练集确定后,采用原始的ψ-θ-i数据训练SVM所得磁链模型,在磁链值较小的区域,预测值的相对误差最大值超过200%。针对误差产生的原因,本文提出一种非线性映射,用于处理训练样本。采用预处理后的样本训练SVM所得模型,在磁链值较小区域预测值的相对误差小于3.5%。为进一步提高最终模型的精度,本文将由原始数据训练所得模型和由映射后数据训练所得模型集成得到最终模型。本文的方案削弱了训练样本的减少对磁链模型精度的影响,使磁链模型预测的相对误差明显减小。     

微粒群优化相关向量机的开关磁阻电机转子位置自检测

将电机在有位置传感器运行条件下采样获得的磁链、电流和转角作为样本数据,基于相关向量机回归理论,通过对样本数据的训练与学习,构建开关磁阻电机转子位置的非线性相关向量机预测模型。为提高预测模型的拟合精度和泛化能力,训练过程中采用微粒群算法优化相关向量机的核函数参数。以1台三相12/8极样机为例,开展仿真研究,结果表明:该预测模型能够正确地检测出开关磁阻电机的转子位置,并且检测精度较高。     

12/14混合定子磁悬浮开关磁阻电机磁链特性及磁链建模研究

12/14混合定子磁悬浮开关磁阻电机(HSBSRM)的磁链是计算电磁转矩和径向悬浮力的基础,是实现电机稳定旋转和悬浮的前提。针对常规解析法建立的12/14HSBSRM磁链模型的局限性,提出了基于贝叶斯证据框架最小二乘支持向量机(LS-SVM)的磁链建模方法。通过有限元法分析了HSBSRM悬浮绕组与转矩绕组磁链的耦合关系、悬浮绕组间磁链耦合关系绕组磁链与径向位移关系、悬浮绕组磁链与转子位置角关系,建立了基于贝叶斯证据框架LSSVM的磁链模型,仿真结果表明所提方法能够快速准确的建立磁链模型。     

基于改进的开关磁阻电机无位置传感器技术

由于开关磁阻电机(SRM)的双凸极结构与高饱和性,其磁链为相电流和转子位置的高度非线性函数.在简化磁链法中建立精确而小规模的SRM磁链模型,是实现SRM无位置传感器控制的关键.采用预处理方法优化神经网络(BPNN)模型可以减小尺度,提高精度;为了进一步优化该模型,在此基础上提出粒子群(PSO)优化BPNN的建模方法.利...     

基于最小二乘支持向量机的开关磁阻电动机建模

开关磁阻电动机(SRM)的磁化曲线族是电机建模及性能分析的基础，文中探讨了利用最小二乘支持向量机处理磁化曲线族，建立电机模型的方法。在分析电机非线性磁特性的基础上，运用最小二乘支持向量机(LS-SVM)的回归理论，通过对磁路有限元分析法(FEM)得到的样本数据集进行学习，建立了电机的最小二乘支持向量机模型。与以往的神经网络建模方法相比，该模型在小样本情况下有更好的泛化能力及更快的学习速度。仿真实验表明，该模型比较准确地反映了电机的磁特性，可用来进行SRM其它性能指标的分析。     

平面开关磁阻电机非线性力电流转换模型

为提高平面开关磁阻电机的运动精度,提出了一种平面开关磁阻电机非线性力电流转换模型。该模型表示为一个稀疏最小二乘支持向量机,以实测数据作为训练样本,利用交叉验证方法确定了稀疏最小二乘支持向量机参数,并通过实测的样本进行了准确性验证。构建了基于该模型的平面开关磁阻电机PD控制系统,并进行了系统运动控制实验。研究结果表明,该模型的相电流预测准确度高、建模误差小,基于该模型的平面开关磁阻电机系统能够实现稳定、平稳和精确的轨迹跟踪。     

基于ANSOFT开关磁阻电机建模与控制策略的仿真研究

基于ANSOFT软件建立开关磁阻电机二维和三维有限元模型,采用不同控制策略对开关磁阻电机有限元模型进行动态仿真研究。将有限元仿真结果与MATLAB仿真结果进行比较,结果表明有限元法建立的模型及其驱动系统有利于对电机转矩和磁链特性进行准确分析,同时能指导开关磁阻电机及其控制系统的设计和优化。     

改进PSO-SVM算法的变压器分接开关故障诊断

研究了电力变压器有载分接开关的故障诊断问题。对变压器分接开关的故障特性及原因分析后,考虑到传统支持向量机在诊断过程中效率低下、精确度差等缺点,提出了一种改进粒子群(PSO)优化支持向量机(SVM)的故障诊断方法。首先,对粒子群算法的惯性权值和学习因子做了相应改进,克服了PSO算法后期迭代精度不高的缺点;然后,利用改进后的PSO算法优化支持向量机的主要参数;最后,仿真结果表明,改进的PSO SVM算法的诊断精度和速度均高于传统诊断方法,更适合在变压器分接开关诊断中应用。     

永磁球形电机的支持向量机模型的参数寻优

提出一种新的永磁球形电机的数学模型建立方法——支持向量机(SVM)模型,分别采用网格参数寻优、遗传算法(GA)参数寻优、粒子群(PSO)寻优算法来计算SVM模型的参数,分析比较三种算法得到的参数,确定最适合永磁球形电机SVM回归模型的参数寻优算法。     

3相全桥驱动的S-MCSRM数学模型

针对短磁路互感耦合开关磁阻电机(S-MCSRM)的绕组连接方式和原理,建立电机的简化磁网络模型。通过插值法计算得到开关磁阻电机(SRM)磁链/磁势曲线簇。在此基础上,推导S-MCSRM磁链方程,利用二分法计算S-MCSRM磁链特性。根据虚位移原理和SRM磁链/磁势模型,得到S-MCSRM两相同时导通时的矩角特性。利用有限元软件,从电磁场分析的角度,计算获得S-MCSRM的电磁特性,并与磁网络模型法进行比较,比较结果表明,该非线性建模法的误差不超过20%,验证了建模方法的合理性和有效性。根据建立的S-MCSRM数学模型,比较分析了电机和传统SRM的电磁转矩及转矩脉动系数。     

磁悬浮开关磁阻电机逆动力学建模与控制

针对磁悬浮开关磁阻电机这一多变量、非线性、强耦合系统解耦控制时逆动力学模型难以获取的问题,提出一种基于最小二乘支持向量机的逆动力学建模与解耦控制方法.介绍磁悬浮开关磁阻电机工作原理,给出悬浮力和转矩的动力学模型,分析模型的可逆性.在此基础上,结合最小二乘支持向量机拟合与逆模解耦线性化特点,研究磁悬浮开关磁阻电机的最小二...     

磁悬浮开关磁阻电机建模与参数优化设计

针对磁悬浮开关磁阻电机参数设计问题,提出一种基于最小二乘支持向量机与粒子群优化算法的电机结构参数优化设计方法.采用三维有限元仿真建立样本空间,构建悬浮力、电磁转矩与绕组间互感的最小二乘支持向量机非参数模型;并基于该非参数模型,选择满足额定电磁转矩为约束条件,悬浮力最大且绕组间互感最小为优化目标,采用粒子群优化算法获取电...     

基于半周期激励法的SRM磁链特性测量

针对现有开关磁阻电机磁链特性的几种测量方法及其存在的问题,提出一种半周期激励的在线测量磁链特性方法,该方法无需了解电机具体参数,通过构建基于DSP的在线检测系统,在测量前对磁链等效电阻核准和优化,最后在上位机中采用离散方法计算磁链值,从而获得不同角位置和电流时的电机磁化曲线族。最终通过实验验证了理论的正确性与实用性。     

开关磁阻电动机非线性磁链模型

由于开关磁阻电机磁路的不规则和局部区域磁场的严重饱和,物理的解析方法建立其磁链模型是非常困难的.该文提出了一种数学拟合的非线性解析建模方法,它依靠开关磁阻电机全域的磁化特性拟合解析的磁链模型.并依靠最小二乘法来确定磁链模型的参数,从而保证了非线性磁链模型将能反映开关磁阻电机全域的磁化特性.最后给出的本模型和其它两种磁链模型求解静态转矩特性的仿真比较证实了本模型的有效性.     

基于DSP的开关磁阻电机磁链特性检测与神经网络建模

基于实测磁化曲线提出一种开关磁阻电机小波神经网络磁链模型.设计了基于DSP的开关磁阻电机磁链特性检测系统,在上位机中采用离散方法计算磁链值,获得不同角位置下的电机磁化曲线族;利用实测磁链特性建立神经网络模型,选择Mexican hat小波函数作为隐层激励函数,采用下降梯度法对网络进行训练以确定模型参数.仿真结果表明,所...     

开关磁阻电机磁链与转矩建模

为抑制开关磁阻电机(SRM)转矩脉动,从电机设计和控制的角度出发都需要快速、正确地获取其磁链和转矩模型。本文根据SRM磁链随角度、电流的变化特点,取6个特殊转子位置处的磁链数据,用七次多项式函数来建立SRM磁链模型和转矩模型,与有限元计算结果对比表明,所提方法具有快速和准确性。