机车电传动
機車電傳動
궤차전전동
ELECTRIC DRIVE FOR LOCOMOTIVE
2006年
6期
11-14
,共4页
感应电机%神经网络%辨识%仿真%电气传动%电动机特性
感應電機%神經網絡%辨識%倣真%電氣傳動%電動機特性
감응전궤%신경망락%변식%방진%전기전동%전동궤특성
提出并论证了一种基于神经网络的感应电动机特性辨识新方法,只需测得电机两相电流数值便可以辨识出电动机转矩和转速,用改进的Levenberg-Marquardt算法对神经网络进行学习和训练,构建了适合电动机转矩转速观测的BP神经网络.由于RBF神经网络无论是在逼近能力、函数拟合和学习速度方面都优于BP网络,也利用RBF网络进行了辨识.该方法较已经提出的方法相比,需要的检测量少,辨识方法简单.仿真研究表明,RBF神经网络辨识效果优于BP神经网络.
提齣併論證瞭一種基于神經網絡的感應電動機特性辨識新方法,隻需測得電機兩相電流數值便可以辨識齣電動機轉矩和轉速,用改進的Levenberg-Marquardt算法對神經網絡進行學習和訓練,構建瞭適閤電動機轉矩轉速觀測的BP神經網絡.由于RBF神經網絡無論是在逼近能力、函數擬閤和學習速度方麵都優于BP網絡,也利用RBF網絡進行瞭辨識.該方法較已經提齣的方法相比,需要的檢測量少,辨識方法簡單.倣真研究錶明,RBF神經網絡辨識效果優于BP神經網絡.
제출병론증료일충기우신경망락적감응전동궤특성변식신방법,지수측득전궤량상전류수치편가이변식출전동궤전구화전속,용개진적Levenberg-Marquardt산법대신경망락진행학습화훈련,구건료괄합전동궤전구전속관측적BP신경망락.유우RBF신경망락무론시재핍근능력、함수의합화학습속도방면도우우BP망락,야이용RBF망락진행료변식.해방법교이경제출적방법상비,수요적검측량소,변식방법간단.방진연구표명,RBF신경망락변식효과우우BP신경망락.