. 神经网络在永磁同步电机直接转矩控制中的应用摘要神经网络需要大量的培训了解植物的模型或一个过程。有一些问题,例如学习速度、稳定性和重量收敛,仍然有许多研究和训练方法的比较。神经网络应用于国内的直接转矩控制永磁同步电动机的事情正在被讨论。使用神经网络来模拟 DTC 的状态选择器。神经网络利用反向传播和径向基函数网络,减少培训模式, 增加了培训过程, 开关表的输入转换为数字信号的执行速度,即, 一位代表了通量错误,一点代表转矩误差,三位定子代表磁通的地区。计算机模拟电机和神经网络系统的使用提出了这两种方法和它们之间的比较。关于神经网络和径向基函数作为最有前途的训练技巧的讨论,给出了它的优点和缺点。使用神经网络和径向基函数网络控制器的系统, 有较快的平行速度和高转矩响应。关键词:室内永磁同步电动机;径向基函数神经网络;转矩控制;直接转矩控制 1说明神经网络的学习能力和逼近任意连续的功能是众所周知的。最近,神经网络在电力电子和控制系统中的应用呈现出好的前景。它提出了在文学方面,神经网络能被应用于参数鉴定和感应电机控制系统的状态评估。室内永磁同步马达(IPMSM) 被广泛的使用,因为它们提供优秀的使用可靠性、可控性和耐久性确保在高输出时有效的操作。特别是最近, 永磁同步电机作为高速解决方案引起了公众的关注在连续输出操作方面, 磁阻转矩的使用增强了它的效率。这样的电动机被用在许多领域, 起于电动家用电器,最近随着高速数字处理信号的出现,一个称为直接转矩控制(DTC) 的控制方法很受欢迎,在 IPMSM 驱动下。在这个方案中, 定子磁通和转矩的瞬时计算从只有主变量( 定子电流和电压)。没有关注神经网络的实现 DTC 在永磁同步电动机驱动器。四类 DTC 方案,尝试修改改善 DTC 行为已经进化: 使用改进的比较器和计划原来的拓扑开关表不变; 解决方案实现 DTC 空间矢量调制的概念; 明确使用转矩和磁通控制系统变结构控制方法; DTC 方案基于模糊逻辑和/或神经网络计划; 永磁同步电动机是一个非线性时间变化系统,这是很难控制的,因为状态变量是很难衡量的。定子电阻的变化所产生的温度变化是一个必须考虑的问题。神经网络能够处理时间不同非线性,因为自己的非线性本质。作者的动机是进行调查永磁同步电动机驱动操作带有一个人工神经网络控制器。它是可能的和实际. 的去使用神经网络制器,将系统参数不敏感(如定子电阻变化)和变化利用学习能力的神经网络。下面讨论的研究表明,它可以取代传统开关表通过一个神经网络。本文提出了一种比较两个类型的神经网络。这些都是反向传播和径向基函数。灵活的神经网络结构是用来实现 DTC 逆变器供电永磁同步的系统马达驱动的基础上的基本 DTC 的原则,个人培训策略用于神经网络控制器的设计。一个永久磁同步电动机直接转矩控制驱动系统神经网络和径向基函数提出了网络控制器, 仿真显示。学习速度的问题,以及体重融合,进行了两种讨论和比较神经网络。 2 IPMSM 机方程 DTC 显示最简单,永磁同步电动机的转矩控制在工业转矩控制中的应用程序是非常可取的。它需要一些传感器和不依赖运动参数估计。转换表中的输入是电磁转矩误差 ET、定子通量误差 Eφ和磁通角θ。逆变器开关表的输出是开关状态(SA,SB, SC)的方程,永磁同步电动机的转子参考系如下: ????????????
论文翻译 来自淘豆网m.daumloan.com转载请标明出处.
