人工神经网络优化的12扇区SVPWM算法提升电机性能

"基于人工神经网络的12扇区SVPWM算法" 在电力电子领域，空间电压矢量脉宽调制（SVPWM）技术是永磁同步电机（PMSM）驱动控制系统中的核心算法之一。它能有效地控制电机的磁场，从而实现精确的转矩控制和高效运行。传统的SVPWM算法通常涉及多个扇区，每个扇区对应不同的开关状态，以实现期望的电压矢量。在12扇区SVPWM算法中，电机的磁场被划分为12个等份，这使得电压矢量的选择更加精细，可以减小谐波含量，提高电机性能。 本文由杨春晖、张幽彤和吴迪共同撰写，探讨了一种基于人工神经网络的12扇区SVPWM算法，旨在进一步提升开关管的利用率、驱动效率和系统的可靠性。在理论分析12扇区的混合SVPWM算法的导通过程基础上，研究者们注意到实际的PWM生成过程中存在优化空间。他们通过结合PWM的实际形成特性，对算法进行了优化，以减少不必要的开关动作，降低损耗。 为了提高计算效率，他们提出了一种创新方法，即利用人工神经网络来计算最佳的扇区号和导通时间。人工神经网络以其强大的非线性映射能力和自我学习能力，能够快速、准确地找到最优解决方案。这种方法可以有效地解决死区时间导致的电流波形畸变和转矩脉动问题。死区时间是指在两个开关器件之间切换时的一个短暂时间间隔，为防止直通现象而设定，但会引入额外的误差。 通过仿真验证，研究者证明了基于人工神经网络的SVPWM算法在减少转矩波动、改善电流质量以及提升系统整体性能方面的有效性。这一成果对于新能源汽车电机驱动与控制领域的研究具有重要意义，因为它可以提高驱动系统的效率，同时增强系统的稳定性和可靠性。此外，张幽彤作为通信联系人，其在车辆动力系统控制理论和可再生能源利用方面的研究背景，也表明该算法可能有广泛的应用前景，特别是在电动汽车和清洁能源领域。 关键词：动力机械及工程；SVPWM；12扇区；人工神经网络；死区时间 这篇论文的发表对于学术界和工业界都是一个有价值的贡献，它展示了如何利用先进的人工智能技术改进传统控制算法，以应对不断发展的电力驱动系统的需求。