中国学术期刊网络出版总库
  关闭
基于GANN的SRM无位置传感器位置预估方法研究  
   推荐 CAJ下载 PDF下载
【英文篇名】 Study on Position Estimation Method of Sensorless SRM Based on GANN
【下载频次】 ★★☆
【作者】 宋受俊; 葛乐飞; 王路生; 王琛;
【英文作者】 SONG Shou-jun; GE Le-fei; WANG Lu-sheng; WANG Chen; Northwestern Polytechnical University;
【作者单位】 西北工业大学;
【文献出处】 微特电机 , Small & Special Electrical Machines, 编辑部邮箱 2015年 02期  
期刊荣誉:ASPT来源刊  中国期刊方阵  CJFD收录刊
【中文关键词】 开关磁阻电机; 神经网络; 遗传算法; 无位置传感器; 位置预估;
【英文关键词】 switched reluctance machine(SRM); neural network(NN); genetic algorithm(GA); sensorless; position estimation;
【摘要】 神经网络具有强大的非线性映射能力,非常适用于对磁链特性高度非线性的开关磁阻电机(SRM)转子位置的预估。然而,由于其网络结构、初始连接权值和阈值的不确定性,很难一次获得理想的训练结果。提出了一种基于遗传优化神经网络(GANN)的SRM无位置传感器位置预估方法,利用遗传算法对神经网络的初始权值和阈值进行优化,在此基础之上,以磁链和电流为输入、转子位置为输出,建立了预估模型。仿真结果表明,该方法可以在不同转速下对转子位置进行准确的预估,其预估误差不大于2°。
【英文摘要】 Neural network( NN) has strong non-linear mapping ability,and is ideal for rotor position estimation of switched reluctance machine whose flux characteristic is highly non-linear. However,it 's difficult to obtain satisfying training results,due to the uncertainty of its network structure,initial connection weights and thresholds. Aposition estimation method for SRM based on genetic optimized neural network( GANN) was presented. In the method,genetic algorithm was used to optimize the initial weights and th...
【基金】 国家自然科学基金项目(51107100); 陕西省自然科学基金项目(2011GQ7001); 教育部博士点基金新教师类项目(20116102120033); 西北工业大学本科生毕业设计(论文)重点扶持项目
【更新日期】 2015-03-31
【分类号】 TP212
【正文快照】 0引言开关磁阻电机(以下简称SRM)具有简单坚固的结构、较低的成本、较高的可靠性、灵活的控制方法、宽广的调速范围以及良好的环境适应能力[1],在航空工业[2]、电动汽车[3]、新能源发电[4]等领域具有广阔的应用前景。准确的位置信息是SRM高性能控制必需的,然而位置传感器的存在

xxx
【读者推荐文章】中国期刊全文数据库
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。

工业技术
  自动化技术、计算机技术
   自动化技术及设备
    自动化元件、部件
     发送器(变换器)、传感器
  
 
  CNKI系列数据库编辑出版及版权所有:中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有:清华同方知网(北京)技术有限公司
其它数据库版权所有:各数据库编辑出版单位(见各库版权信息)
京ICP证040431号    互联网出版许可证 新出网证(京)字008号