作者:周磊 单位:黑龙江省信息技术学会 出版:《》 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFHDZJ2015090430 DOC编号:DOCHDZJ2015090439 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 《基于GANN的SRM无位置传感器位置预估方法研究》PDF+DOC2015年第02期 宋受俊,葛乐飞,王路生,王琛 《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BP神经网络的开关磁阻电机无位置传感器控制》PDF+DOC2011年第05期 李大鹏,樊胜利,代尚方,吴涛 《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 《基于神经网络的开关磁阻电机的无位置检测》PDF+DOC2009年第06期 马晓光,瞿遂春,谭平 《一种无位置传感器的SRM控制策略研究》PDF+DOC2016年第03期 周芸,王龙,王磊,耿振科 《基于脉冲注入的无位置传感器SRM转矩优化研究》PDF+DOC2018年第01期 宋金龙,刘勇智,周政,范冰洁 《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 《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
  • 开关磁阻电机(SRM)具有简单、高效、可靠等优点,在很多领域得到广泛的应用,但位置传感器的存在不但降低了电机的可靠性,而且增加了结构的复杂性。针对这一问题,提出一种基于Adaboost算法改进RBF-BP神经网络的软测量模型,模型首先具备BP神经网络良好的预测能力,再利用RBF神经网络优化BP神经网络的收敛性,最终通过Adaboost算法提升RBF-BP神经网络的精确性和泛化性,将该软测量模型应用于开关磁阻电机的转子位置预测中,其实验结果显示,该软测量模型能够利用少量样本准确而又快速地预测出SRM转子的位置,从而体现了新模型在SRM无位置传感器控制中的优越性。

    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。