《基于PSO优化支持向量机的SRM无传感器控制》PDF+DOC
作者:张旭隆,王峰,乔淑云,曹言敬
单位:天津电气科学研究院有限公司;中国自动化学会
出版:《电气传动》2016年第02期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFDQCZ2016020150
DOC编号:DOCDQCZ2016020159
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于无位置传感的开关磁阻电机试验系统研究》PDF+DOC2016年第08期 陈运亮
《基于自抗扰控制器的内置式永磁同步电机无位置传感器控制》PDF+DOC2017年第03期 杜博超,韩守亮,张超,崔淑梅,郑维
《贴面式永磁同步电机无传感器控制技术》PDF+DOC2006年第03期 姜凡
《基于EKF的永磁同步电机转子位置和速度估计》PDF+DOC2005年第07期 江俊,沈艳霞,纪志成
《基于滑模观测器的永磁同步电动机无传感器控制研究》PDF+DOC2011年第02期 吴海龙,白连平
《永磁同步电机的无传感器控制策略》PDF+DOC2009年第08期 吴奇,程小华
《永磁同步电动机无传感器控制综述》PDF+DOC2007年第08期 于艳君,程树康,柴凤
《基于支持向量机的开关磁阻电机转子位置在线建模》PDF+DOC2014年第04期 司利云,林辉
《基于锁相环的永磁同步电机无传感器控制》PDF+DOC2013年第08期 李冉,龙雪涛,陈辉
《基于改进神经网络的SRM转子位置预测》PDF+DOC 周磊
开关磁阻电机(SRM)具有结构坚固免维护、控制灵活、可靠性高等诸多优点,然而转子位置传感器降低了系统可靠性和坚固度,是限制其推广的制约瓶颈。在分析支持向量机(SVM)基本原理的基础上,设计了粒子群优化(PSO)支持向量机网络,解决了可调参数难以确定的问题。以实验测量的SRM磁链特性为学习样本,提出了PSO-SVM的SRM转子位置估计方法,并对仿真结果与神经网络方法进行了对比。基于DSP+FPGA控制核心的仿真和实验结果验证了所提方法的可行性和有效性,电机转子位置估计准确,动静态性能良好。
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。