DTC系统中定子磁通观测器的神经网络实现

这篇文章提出了一种基于人工神经网络(ANN)的直接转矩控制(DTC)系统定子磁通观测器。为了使得定子磁通神经网络具有动态性能，引入了输入与输出的延迟量；为了拓宽控制范围，在用于训练的输出数据中叠加了随机扰动分量。利用Matlab／Simulink和神经网络工具箱对应用此模型的直接转矩控制系统进行了仿真，仿真结果表明建立的神经网络磁通观测器是正确的。