《基于GANN的SRM无位置传感器位置预估方法研究》PDF+DOC
作者:宋受俊,葛乐飞,王路生,王琛
单位:中国电子科技集团公司第21研究所
出版:《微特电机》2015年第02期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFWTDJ2015020020
DOC编号:DOCWTDJ2015020029
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于简化磁链法的SRM无位置传感器的研究》PDF+DOC2016年第04期 梅柏杉,孟悦然,高宁,刘东阳
《浅议基于优化算法的开关磁阻电机无位置检测》PDF+DOC2015年第12期 张贵平
《基于模糊神经网络的SRM无位置传感器的研究》PDF+DOC2016年第11期 周芸,孟腾腾
《基于改进神经网络的SRM转子位置预测》PDF+DOC 周磊
《SRM调速系统技术的研究热点》PDF+DOC2001年第04期 贾好来
《在线建模的开关磁阻电机四象限运行无位置传感器控制》PDF+DOC2012年第07期 张旭隆,谭国俊,蒯松岩,刘送永,王其虎
《开关磁阻电机神经网络无位置传感器控制》PDF+DOC2011年第08期 蒯松岩,张旭隆,王其虎,张能
《基于神经网络脉冲激励的SRM无位置检测研究》PDF+DOC2010年第06期 周永勤,宋岩,王哈力,吴晓刚
《SRM无位置传感器转子位置检测技术研究》PDF+DOC2014年第01期 龚大伟,黄友锐,凌六一,杨再甫
《基于电感空间矢量的SRM无位置传感器控制技术研究》PDF+DOC2013年第04期 陈洪飞,王峰
神经网络具有强大的非线性映射能力,非常适用于对磁链特性高度非线性的开关磁阻电机(SRM)转子位置的预估。然而,由于其网络结构、初始连接权值和阈值的不确定性,很难一次获得理想的训练结果。提出了一种基于遗传优化神经网络(GANN)的SRM无位置传感器位置预估方法,利用遗传算法对神经网络的初始权值和阈值进行优化,在此基础之上,以磁链和电流为输入、转子位置为输出,建立了预估模型。仿真结果表明,该方法可以在不同转速下对转子位置进行准确的预估,其预估误差不大于2°;。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。