排序方式: 共有46条查询结果,搜索用时 0 毫秒
11.
永磁直线同步电动机(Permanent magnet linear synchronous motor,PMLSM)齿槽力是影响电动机性能的主要因素之一,特别是在高精度,低速情况下,问题尤为突出.根据q<1分数槽绕组PMLSM结构,采用有限元法计算齿槽力的影响,建立以径向基神经网络为基础的PMLSM齿槽力预估器,其学习算法首先采用快速模糊C均值算法(Accelerated fuzzy C-means,AFCM)对数据进行聚类,选取基函数传播因子,再由最小正交平方算法(Orthogonal least squares learning algorithm,OLSA)选取中心矢量,该预估器与带动量的BP网络(Back propagation neural network,BPNN)预估器相比较表明,能够在加快网络学习速度的前提下,保证精度,缩小网络规模,提高网络分类能力.试验结果表明,采用q<1分数槽绕组PMLSM能够有效地减小齿槽力的影响.预估器的建立,能够在设计阶段对PMLSM齿槽结构参数进行有效地预估,使得电动机在满足推力波动指标条件下,实现快速敏捷设计,提高PMLSM的整体设计水平. 相似文献
12.
本文应用贝尔曼(R.Bellman)最佳原理,把动态规划法作为最佳控制的数学研究方法,针对步进电动机最佳控制这个考虑时间过程影响的离散型动态最佳化问题,作出多段决策,寻求步进电动机最佳控制。文中以三相反应式步进电动机为例,利用步进电动机的状态空间数学模型,以最短时间控制为目标,计算出步进电动机最佳加速控制的脉冲规律,解决步进电动机非线性系统的动态最佳化问题。 相似文献
13.
14.
15.
本文以数字仿真为基础,采用系统动态性能为目标函数,对实际对象的固有参数进行了辨识与优化研究,使数字仿真与参数辨识、优化设计等技术领域有机地结合起来,从而拓宽了数字仿真在工程设计中的应用。本文的研究方法得到永磁同步电动机以动态运行效率为目标的结构参数最优设计的例证。 相似文献
17.
19.
电机故障诊断支持向量机 总被引:8,自引:1,他引:8
基于数据的机器学习是现代智能技术中的重要方面。统计学习理论(Statistical learnmgtheory SLT)是研究小样本情况下机器学习规律的新理论。支持向量机(Support vector machine SVM)是在这一理论体系基础上发展起来的一种通用学习方法。SLT和SVM正成为继神经网络研究之后新的研究热点。通过对鼠笼式异步电动机转子断条故障进行实验模拟,对实验获取的采样电流信号经FFT分析,构造以低频到高频的频谱特性为分量的学习样本向量,通过支持向量机SVM对故障电流样本的训练,使SVM具有分类功能。最后,采用SVM对电动机各种转子断条故障进行诊断分类,取得较满意的结果,说明支持向量机SVM是进行故障诊断的一种新方法。 相似文献
20.