基于神经网络的开关磁阻电机仿真研究

基于神经网络的开关磁阻电机仿真研究

ID:33493724

大小:3.72 MB

页数:65页

时间:2019-02-26

基于神经网络的开关磁阻电机仿真研究_第1页
基于神经网络的开关磁阻电机仿真研究_第2页
基于神经网络的开关磁阻电机仿真研究_第3页
基于神经网络的开关磁阻电机仿真研究_第4页
基于神经网络的开关磁阻电机仿真研究_第5页
资源描述:

《基于神经网络的开关磁阻电机仿真研究》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、山东理工大学硕士学位论文基于神经网络的开关磁阻电动机无位置传感器技术姓名:韩锋申请学位级别:硕士专业:电力电子与电力传动指导教师:徐丙垠;边敦新20080428山东理工大学硕士学位论文摘要摘要开关磁阻电动机(S谢tchedReluctar悦Motor,S砌哪具有结构简单、工作可靠、效率高和成本较低等优点,在很多领域都显示出强大的竞争力,但是其位置传感器的存在不仅削弱了sRM结构简单的优势,而且降低了系统高速运行的可靠性,增加了成本,于是探索实用的无位置传感器检测转子位置的方案便成为丌关磁阻电机驱动

2、系统(S诹tchedReluctanceMotorDrive,sI①)研究的热点。SI己M高度非线性的电磁特性决定了在精确的数学模型基础上实现无位置传感器控制十分困难,而人工神经网络的出现为解决这个问题提供了新的思路。BP(BackPropagation)神经网络是目前研究最多、应用最广泛的一种多层前馈神经网络,具有收敛速度快、非线性逼近能力强等优点。本文提出了一种利用改进的BP网络来实现SIuM无位置传感器的转子位置检测方法,该方法以电机三相绕组的相电流、磁链作为输入,转子位置作为输出,建立SR

3、M电流、磁链与转子位置之间的非线性映射,从而实现SIUM无位置传感器的转子位置检测。在现阶段,为了保证神经网络的检测精度与收敛速度,神经网络的训练样本数据一般都是电机在某一特定条件下的运行数据,并不能反映电机的实际运行情况。针对这一情况,本文提出了一种训练数据实时更新的思想,并将其引入到神经网络的输入向量中。在神经网络训练过程中,根据电机的实际运行情况,将不同运行情况下的三相绕组的相电流、磁通、转子位置角作为训练样本,分批次对建立的神经网络模型进行训练,直到网络的检测精度趋于稳定并达到要求为止。仿

4、真结果表明,本文所提出的改进的BP神经网络在电机不同的运行情况下都能够实现SRM转子位置的准确检测,从而实现了电机的无位置传感器控制。神经网络检测精度高,动态特性好,具有较好的自适应性和鲁棒性。关键词:开关磁阻电动机;转子位置间接检测;BP神经网络;Matlab,sj锄llink山东理工大学硕士学位论文AbStmctAbs仃actDuet0itssiIllpleco璐咖而on,reliabili够,11i曲e伍cienCyaIldlowcost,s撕tchedreluctancenlotor(SR

5、M)haSshownhugccompetitiVepowerinmanyfields.Butmechanicalpositionsensorsaddtomecost,complexi母andpotentialIlllreIiabili妙atllighspeedandt11ishaSmotiV纳edmeinVeStigationofsenSodesspositioneStimation.BecauSeofitshi曲noldiIlearelecn.oma蓼甜smcha删:teristic,mesen

6、sodessconn.olbaSedonaCcl】ra把modelofSl:U汀isl则tobeaccomplished.mrecentyearS,枷矗cialneumlne觚ork(pN№technologyhaSmadeagreatpmgress,wmch西Vesa鹏wmethodt0accomplishpositionsellsodeSscon缸DlofSRM.AnoveliIldirectdetectiIlgml油odofSIUM’srotorpostionbaSedonBP①ackPro

7、pagation)neumlnetworkispresentediIl“spaper.Fortlleadomednetv旧rk,me仃ai血g鼢asetiscomprisedofma鲷etiz撕onda:taofⅡlesfUⅥforwmchthree—phaSec1删andnuxl姆arei11putsand吐lecon.espondiIlgpositionistlleoutput,Ⅱ1eBPneural饿舢orkcanbuildupacon℃la:tion锄or玛pllaSecuITent,ph

8、asenl】)【Iilll嘴earldposition,ttle陀byf砬iHt疵iIlgeIiIIlillationofmerotorpositions黜r.At岫preSentstage,illordertoensurethef.orecaStprecision砒ldthecoIⅣe略良lceraleofnlen‘mraln‘沌work,Ⅱleneuraln咖rkts仃蛐gs锄ple她isgerIe】同lytlleelectricalmotor’sq)erationda:tau

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。