神经网络在电机设计中的应用

神经网络在电机设计中的应用

ID:37120267

大小:268.81 KB

页数:3页

时间:2019-05-18

神经网络在电机设计中的应用_第1页
神经网络在电机设计中的应用_第2页
神经网络在电机设计中的应用_第3页
资源描述:

《神经网络在电机设计中的应用》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、种经网络在、,电机设计中的应用《中里电机》研究与设计⋯种经网络在电机设计巾肋应用华中理工大学陈丽冯信华于克训摘要将神经网络用于电机设计的方案调整过程中。建立了训练样本集,采用改,,进的算法从多次训练中精选相关的学习效率系数及惯性系数克服了标准网络学、易陷入局部最小点的缺陷,。习速度慢并从实例上验证了该方法的准确性叙词电机设计网络方案」己吉七二刀神经网络的建模,误差电机设计是一个相当复杂的过程需要考虑的反传学习神经网络是神经网络中最,,。、。因素多尤其在方案调整阶段显得更加繁琐由于成熟应用最广泛的一种神经网络模型算法有,,较强的联想记忆能力可以任意精度逼

2、近任何非线电机的各种参数和性能是相互紧密联系的当采取。,,,性连续函数因而本文采某些措施来提高某项性能指标时必然会使相关的用网络将专家在方其它性能发生改变。所以在电磁方案调整时,必须案调整方面的经验与实际设计过程中的调整方法,,,,对方案进行全面分析统筹安排分清主次有步骤汇聚起来经过归一化处理后作为网络的训练,,地进行调整。这是一个相当复杂的工作,往往需要样本对构造的网络进行有教师的学习训练经过,,从而将各种调整方法用网络内部的高度非线多次调整进行方案比较才能得到较满意的。,。结果目前电机已较好地解决了电机设计性关系来映射,,中的数值计算间题但对这种推

3、理性的问题却无能针对电机方案调整过程采用的。,。,为力这种繁琐的推理过程过去都是由有经验的领层网络结构如图所示第一层为输入层。近儿年,专家系统个单元输入量分别对应于电机的个性能指标域专家来完成已应用至电机。,的种状态即又这个性能指标分别为效系统但这种基于规则的知识表示方法存、、、、在着知识获取瓶颈、推理能力弱等缺点,因而易出率功率因数起动电流起动转矩最大转矩及热,、、、,,负荷种状态分别对应于有裕量无裕量不满现匹配冲突组合爆炸及无穷递归等推理速度慢。,效率低。足第二层中间隐含层采用非线性单元第个单,近年来,国元的输出值为第一层输出的加权求和后再经非线内

4、外有一部分研究者将神经网络的,、。,思想渗透到电机领域对电机进行故障诊断转速性函数求得第三层为输出层共个输出、。,,辩识控制及优化设计等针对电机电磁设计单元其输出值为第一层输出的加权求和后再经。部分,文献〔提出了一种构思。非线性函数求得这个输出单元分别对应,,于电机方案调整过程中所涉及到的设计数据本文神经网络模拟了人脑的若干功能特点它具有、、,共研究了组设计数据的种调整措施即很强的学习联想记忆自组织和自适应能力采用。、并行分布存贮和处理机制,具有容错性和鲁棒性等这个设计数据分别为定子大径和小径定、、、,。,子每槽导体数定子导线截面积定子槽宽和槽高一系列

5、优点因而得到了越来越广泛的应用目前、、,神经网络已成功地应用于模式识别、信号处理、判转子槽宽和槽高铁心长度气隙种调整措施即、。为。断决策组合优化以及知识工程等领域圈在解决增加与减少,一些工程实际间题时应用效果优于传统的统计分。模型的学习算法析方法本文将神经网络技术成功地应用于电机。设计的方案调整过程中,取得了满意的结果。网络的工作过程是一个前向传播过程这。。、,中型电机神经网络在电机设计中的应用种网络通常是通过误差反向传播算法来完成其学根据学习模式理想的调整措施几和输出。。习过程的学习过程由正向传播和反向传播组成,层的实际输出嘿之差求出误差目标函数从而

6、,在正向传播过程中将给定的训练样本集作为输人对隐层单元与输出单元之间的权值气和输出,,,。信息向前传播到隐层节点经过作用函数处理后层单元的阑值加以调整再把隐,层节点的输出信息传播到输出节点最后给范叽八口无,又尸一,凸口。、。十一姚‘出输出结果如果在输出层不能得到期望的输出结刃句,·,·口,,姚斌果则转入反向传播过程将误差信号沿原来的连·,接通,汽一十月砚路返回通过修改各层神经元的权值使误差信号达到给定的最小值见图。其中和匀分别为巳,巳竺,,、。一,一妇’权修正三氛一言三三嗽误,,,·,·差武久一二氏一久户,、,根据误差战权值吸以及隐层单元的输号信练训,

7、出求出有关隐层单元的阂值以及连接到其,夕,上的权值的误差对隐层单元的阂值加以调整。,‘弃·范,‘十一小一帆一乙图反传学习过程原理图·一仪切酬,具体到电机方案调整过程模型的学习算法是·、氏氏月弓以电机的各个性能指标的满足程度弋作为输入的其中,常数和月为学习效率系数。误差嵘,以训练样本网络计算输出的各个设计数据的调整为措施。久与理想的调整措施双的误差能量为目标,·,·’,蛛一砚‘一‘函数用梯度下降法导出连接权值和均及各阑彦,。。这时若达到指定的学习次数或目标函数小值和的迭代算法用数学方法措述如下。,。网络内部的前向计算过程。于既定的最小误差鲡就可终止学习过

8、程实际,,输,上对于结构比较大的网络一般的算法为达到预入层单元的输入值为双相应的输出,。值砚为

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。