基于变步长自适应线性神经网络的PMSM参数辨识
永磁同步电机(PMSM)实际运行过程中由于外界环境温度磁场变化以及自身磁路饱和,会引起电机参数变化,导致电机控制性能下降.提出了一种变步长的自适应线性(adaline)神经网络对电机进行多参数在线辨识,在学习过程中使用自适应于误差的步长因子,并在权值更新公式中增加了动量项,从而加快了PMSM多参数在线辨识的收敛速度,提高了辨识精度,进而提高永磁同步电机的控制性能.通过建立数学模型,用计算机对辨识方法进行了仿真研究.仿真结果表明,对比传统的Adaline神经网络,该算法收敛速度更快,并且具有稳态误差小,鲁棒性好的特点.
永磁同步电机、参数辨识、神经网络、变步长
42
TN43;TM351(微电子学、集成电路(IC))
2020-04-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
85-90