重构神经网络模型及开关磁阻电机恒转矩控制

• 作者: 伍锡如 党选举 唐士杰 姜辉 张向文 陈童
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 开关磁阻电机 转矩脉动 重构神经网络 转矩-电流模型
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 控制与检测
• 页码范围: 72-76
• 页数: 5页
• 分类号: TH166|TG506
• 字数: 3606字
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2019.09.018

摘要

针对开关磁阻电机(SRM)难以准确建模及计算恒转矩下的控制电流而导致的转矩脉动过大的问题,构建一种新的转矩-电流神经网络模型用于得到恒转矩下的控制电流.在新神经网络中,针对SRM转矩-电流特有的强非线性特性,设计能够描述SRM电流基本变化规律的新型激励函数,使神经网络结构更接近SRM的本质特性,有利于加快建模速度,提高建模精度.所重构神经网络模型通过在线学习计算恒转矩下对应的控制电流对SRM进行控制,实现转矩脉动的有效抑制.仿真结果表明,与通用神经网络相比,提出的重构神经网络模型能更好地描述SRM的强非线性特性,得到恒转矩下对应的控制电流,有效地抑制转矩脉动.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐士杰	桂林电子科技大学电子工程与自动化学院	9	7	2.0	2.0
2	党选举	桂林电子科技大学电子工程与自动化学院	88	730	14.0	23.0
3	张向文	桂林电子科技大学电子工程与自动化学院	74	483	12.0	16.0
4	姜辉	桂林电子科技大学电子工程与自动化学院	31	148	6.0	11.0
5	伍锡如	桂林电子科技大学电子工程与自动化学院	39	172	6.0	12.0
6	陈童	桂林电子科技大学电子工程与自动化学院	1	1	1.0	1.0