微特电机
微特電機
미특전궤
SMALL & SPECIAL ELECTRICAL MACHINES
2015年
6期
58-61
,共4页
开关磁阻电动机%递归神经网络%转子位置检测%回声状态网络
開關磁阻電動機%遞歸神經網絡%轉子位置檢測%迴聲狀態網絡
개관자조전동궤%체귀신경망락%전자위치검측%회성상태망락
switch reluctance motor (SRM)%recurrent neural network%rotor position detection%echo state network (ESN)
针对传统神经网络用于开关磁阻电动机转子位置间接检测时存在网络结构确定困难和训练过程过于复杂的问题,将利用回声状态网络来实现转子位置检测.这种新型的网络利用储备池和线性回归算法简化了网络设计和训练过程,使得模型具有良好的收敛速度和实用性.利用离线获取的磁特性数据建立的转子位置预测模型,与基于BP和RBF神经网络的预测模型相比,在保证良好预测精度的前提下,具有计算简单,收敛速度快等优势.实验结果表明该模型可以快速准确地实现转子位置检测,为开关磁阻电动机的转子位置检测提供了一种新方法.
針對傳統神經網絡用于開關磁阻電動機轉子位置間接檢測時存在網絡結構確定睏難和訓練過程過于複雜的問題,將利用迴聲狀態網絡來實現轉子位置檢測.這種新型的網絡利用儲備池和線性迴歸算法簡化瞭網絡設計和訓練過程,使得模型具有良好的收斂速度和實用性.利用離線穫取的磁特性數據建立的轉子位置預測模型,與基于BP和RBF神經網絡的預測模型相比,在保證良好預測精度的前提下,具有計算簡單,收斂速度快等優勢.實驗結果錶明該模型可以快速準確地實現轉子位置檢測,為開關磁阻電動機的轉子位置檢測提供瞭一種新方法.
침대전통신경망락용우개관자조전동궤전자위치간접검측시존재망락결구학정곤난화훈련과정과우복잡적문제,장이용회성상태망락래실현전자위치검측.저충신형적망락이용저비지화선성회귀산법간화료망락설계화훈련과정,사득모형구유량호적수렴속도화실용성.이용리선획취적자특성수거건립적전자위치예측모형,여기우BP화RBF신경망락적예측모형상비,재보증량호예측정도적전제하,구유계산간단,수렴속도쾌등우세.실험결과표명해모형가이쾌속준학지실현전자위치검측,위개관자조전동궤적전자위치검측제공료일충신방법.
