机械工程学报
機械工程學報
궤계공정학보
CHINESE JOURNAL OF MECHANICAL ENGINEERING
2007年
2期
151-155
,共5页
永磁直线同步电动机%快速模糊C均值%最小正交平方算法%径向基神经网络
永磁直線同步電動機%快速模糊C均值%最小正交平方算法%徑嚮基神經網絡
영자직선동보전동궤%쾌속모호C균치%최소정교평방산법%경향기신경망락
永磁直线同步电动机(Permanent magnet linear synchronous motor,PMLSM)齿槽力是影响电动机性能的主要因素之一,特别是在高精度,低速情况下,问题尤为突出.根据q＜1分数槽绕组PMLSM结构,采用有限元法计算齿槽力的影响,建立以径向基神经网络为基础的PMLSM齿槽力预估器,其学习算法首先采用快速模糊C均值算法(Accelerated fuzzy C-means,AFCM)对数据进行聚类,选取基函数传播因子,再由最小正交平方算法(Orthogonal least squares learning algorithm,OLSA)选取中心矢量,该预估器与带动量的BP网络(Back propagation neural network,BPNN)预估器相比较表明,能够在加快网络学习速度的前提下,保证精度,缩小网络规模,提高网络分类能力.试验结果表明,采用q＜1分数槽绕组PMLSM能够有效地减小齿槽力的影响.预估器的建立,能够在设计阶段对PMLSM齿槽结构参数进行有效地预估,使得电动机在满足推力波动指标条件下,实现快速敏捷设计,提高PMLSM的整体设计水平.
永磁直線同步電動機(Permanent magnet linear synchronous motor,PMLSM)齒槽力是影響電動機性能的主要因素之一,特彆是在高精度,低速情況下,問題尤為突齣.根據q＜1分數槽繞組PMLSM結構,採用有限元法計算齒槽力的影響,建立以徑嚮基神經網絡為基礎的PMLSM齒槽力預估器,其學習算法首先採用快速模糊C均值算法(Accelerated fuzzy C-means,AFCM)對數據進行聚類,選取基函數傳播因子,再由最小正交平方算法(Orthogonal least squares learning algorithm,OLSA)選取中心矢量,該預估器與帶動量的BP網絡(Back propagation neural network,BPNN)預估器相比較錶明,能夠在加快網絡學習速度的前提下,保證精度,縮小網絡規模,提高網絡分類能力.試驗結果錶明,採用q＜1分數槽繞組PMLSM能夠有效地減小齒槽力的影響.預估器的建立,能夠在設計階段對PMLSM齒槽結構參數進行有效地預估,使得電動機在滿足推力波動指標條件下,實現快速敏捷設計,提高PMLSM的整體設計水平.
영자직선동보전동궤(Permanent magnet linear synchronous motor,PMLSM)치조력시영향전동궤성능적주요인소지일,특별시재고정도,저속정황하,문제우위돌출.근거q＜1분수조요조PMLSM결구,채용유한원법계산치조력적영향,건립이경향기신경망락위기출적PMLSM치조력예고기,기학습산법수선채용쾌속모호C균치산법(Accelerated fuzzy C-means,AFCM)대수거진행취류,선취기함수전파인자,재유최소정교평방산법(Orthogonal least squares learning algorithm,OLSA)선취중심시량,해예고기여대동량적BP망락(Back propagation neural network,BPNN)예고기상비교표명,능구재가쾌망락학습속도적전제하,보증정도,축소망락규모,제고망락분류능력.시험결과표명,채용q＜1분수조요조PMLSM능구유효지감소치조력적영향.예고기적건립,능구재설계계단대PMLSM치조결구삼수진행유효지예고,사득전동궤재만족추력파동지표조건하,실현쾌속민첩설계,제고PMLSM적정체설계수평.
