CMAC神经网络在SRM转矩脉动控制中的应用
需积分: 10 6 浏览量
更新于2024-08-12
收藏 238KB PDF 举报
"一种控制SRM转矩脉动减小的算法 (2001年)"
本文主要讨论了针对变磁阻式电动机(SRM)的转矩脉动问题,提出了一种改进的控制算法,该算法利用CMAC(Cerebellar Model Articulation Controller,脑模型关节控制器)神经网络进行优化。SRM是一种特殊的电动机,其转矩特性在运行过程中容易产生脉动,尤其是在低速和高速运行时,这会影响电动机的效率和性能。
CMAC神经网络是一种模仿哺乳动物小脑功能的智能控制策略,它能够快速学习和适应复杂的动态系统。在本文中,CMAC被用来生成最佳的电流曲线,以减少SRM在低速时的转矩脉动和铜耗,以及在高速时的转矩脉动、铜耗和电流变化率。这种算法是在传统的LMS(Least Mean Squares,最小均方误差)算法基础上进行改进的,保留了LMS算法的优点,同时增强了控制效果。
文章指出,控制器的结构包括相位角θ和转矩要求值Td作为CMAC的输入。通过对不同相位的电流要求信号Iαi和Iβi进行逻辑转换,可以将这些信号应用到电动机的相应相上,同时为CMAC网络提供实际的相位信息。在仿真过程中,将角度区间(0, 30°)量化成多个样本点,通过调整网络的输出来优化电流信号,从而减少转矩脉动。
作者王王晓升在文中给出了具体的数学表达式来描述CMAC网络的输出和SRM的总转矩输出。通过这种方法,网络能够根据不同的输入向量生成适当的电流要求,进而控制电动机的转矩输出,达到减小脉动的目的。
该研究提出的控制算法是一种创新的应用于SRM的自适应控制方法,它利用CMAC神经网络的灵活性和学习能力,有效降低了SRM在各种工况下的转矩脉动,提高了电动机的工作效率和稳定性。这种方法对于优化SRM的性能,特别是在需要精确控制转矩的应用中,具有重要的实践意义。
2022-06-08 上传
2023-10-16 上传
论文
2023-05-10 上传
2023-08-09 上传
2023-05-09 上传
2023-11-07 上传
2023-08-01 上传
2023-07-14 上传
weixin_38661100
- 粉丝: 6
- 资源: 904
最新资源
- C++多态实现机制详解:虚函数与早期绑定
- Java多线程与异常处理详解
- 校园导游系统:无向图实现最短路径探索
- SQL2005彻底删除指南:避免重装失败
- GTD时间管理法:提升效率与组织生活的关键
- Python进制转换全攻略:从10进制到16进制
- 商丘物流业区位优势探究:发展战略与机遇
- C语言实训:简单计算器程序设计
- Oracle SQL命令大全:用户管理、权限操作与查询
- Struts2配置详解与示例
- C#编程规范与最佳实践
- C语言面试常见问题解析
- 超声波测距技术详解:电路与程序设计
- 反激开关电源设计:UC3844与TL431优化稳压
- Cisco路由器配置全攻略
- SQLServer 2005 CTE递归教程:创建员工层级结构