无刷电机小波神经网络转子位置检测方法研究

无刷电机小波神经网络转子位置检测方法研究

ID:5383760

大小:292.72 KB

页数:4页

时间:2017-12-08

无刷电机小波神经网络转子位置检测方法研究_第1页
无刷电机小波神经网络转子位置检测方法研究_第2页
无刷电机小波神经网络转子位置检测方法研究_第3页
无刷电机小波神经网络转子位置检测方法研究_第4页
资源描述:

《无刷电机小波神经网络转子位置检测方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、仪器仪表与检测技术自动化技术与应用》2010年第29卷第10期InstrumentationandMeasurment无刷电机小波神经网络转子位置检测方法的研究王超。黄运生.韩华(中南大学信息科学与工程学院,湖南长沙410083)摘要:论文通过对无刷电机数学模型的推导,得出转角与三相相电之间存在映射关系,冈此构建一个以二相相电压为输入,转角为输出的小波神经网络来实现转角预测,并采用改进遗传算法来训练网络结构与参数,借助MATLAB/SIMUIINKT具对该方法进行验证,实验结果表明该方法在伞程速度下效果

2、良好。关键词:无位置传感器;小波神经网络;遗传算法;无届1.电机中图分类号:TPl83文献标识码:A文章编号:10037241(2010)09009104ResearchonTheRotorPositionDetectionMethodUsingWaveletNeuralNetworksforBLDCMWANGChao,HUANGYun-sheng,HANHua(CollegeofInformationScienceandEngineeringCentralSouthUniversity,Changsh

3、a410083China)Abstract:ThroughanalyzingthemathematicalmodelofBLDCM,itisdeducedthatthereismappingrelationshipbetweenrotorpositionandphasevoltages.Sodetectingtherotorposition,awaveletneuralnetwork(WNN)isbuiltinwiththeinputsarephasevoltages,theoutputisrotorp

4、osition.AndtheWNN’Stopologyandparametersaretrainedbygeneticalgorithm.Intheend,byusingMatlab/Simulink,thesimulationresultsdemonstratethatthemodelisfeasiblewithinawiderrangeofspeed.Keywords:sensorless;WNN;geneticalgorithm;BLDCM1引言测得,还需由相电流推导得出。文献[3】描述了用于小转

5、子位置实时检测是无刷电机控制系统的重要组波网络训练的递阶遗传算法,递阶算法虽能调节网络成环节,近年来,无位置传感器检测技术成为学术界的结构,但却较复杂,不便于实际应用。本文构建了一个研究热点。目前已有检测方法如反电势法,磁链估计以相电压为输入,转角为输出的小波神经网络进行转法,电感法和直接转矩控制法,状态观测器等I】】,各有其角预测,采用改进遗传算法来训练网络结构与参数,借局限性。人工神经网络(artificialneuralnetwork,助MATLAB仿真工具进行实验,结果表明该方法在全ANN)具有

6、很强的自学习能力、自适应很强的非线性程速度下效果良好。映射能力和容错能力,在处理控制系统的非线性和不确定性等问题上有很好的应用前景。采用人工神经网2位置检测原理络对无刷直流电机进行控制,不要求预知精确的系统以三相桥式Y形联结BLDCM为例,电机采用两两参数,而且能取得很好的控制效果。文献[2]通过小波导通三相六状态方式运行,任意时刻电机非导通相的相神经网络实现对无刷电机的控制,文中以相电流相磁电流为零,导通的两相电流大小相等方向相反,假设三通为网络输入,输入个数多达六个,且相磁通不能直接相对称,电机的相

7、电压平衡方程为:收稿El期:2010—06—04]=『i;1]+丢;l【Fiajl+l[箔&.:(o);;c自动化技术与应用2010年第29卷第10期仪器仪表与检测技术InstrumenlaliOnandMeasurment式中,Vb为定子绕组相电压{‘,,‘为定子绕组相电流;t一=L,L为绕组自感,为绕组间互感;R隐含层节点输出为:一。:ff窆+bj/1.a,1(9)为绕组电阻;0为转子旋转电角度;为转子磁链。三输入单输出小波网络的输出为:由(1)式可得:8=∑i=1lIl、∑i=1玉+.ail(10

8、),J=v,-R(2)其中,是输入层第i个节点的输入,是输入层第dZ.(0-2~r13)i个节点到隐含层第j个节点之间的权值;bi是隐含层第=vb-R‘一L(3)j个节点的平移系数,n是隐含层第J个节点的伸缩系d‘日/3)=—R‘一(4)数,()是隐含层激励函数(小波函数);w是第j个隐层节点到输出的权值。又因t+ib+ic=0,故3。2网络参数初始化(0-2=/3)+dZ.(O-4re=(5)+dffdf隐层节点最多为l0个,由遗传算法自

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。