基于改进的支持向量机的开关磁阻电机的模型建立-论文.pdf

基于改进的支持向量机的开关磁阻电机的模型建立-论文.pdf

ID:53744447

大小:551.44 KB

页数:4页

时间:2020-04-22

基于改进的支持向量机的开关磁阻电机的模型建立-论文.pdf_第1页
基于改进的支持向量机的开关磁阻电机的模型建立-论文.pdf_第2页
基于改进的支持向量机的开关磁阻电机的模型建立-论文.pdf_第3页
基于改进的支持向量机的开关磁阻电机的模型建立-论文.pdf_第4页
资源描述:

《基于改进的支持向量机的开关磁阻电机的模型建立-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、第37卷第1期电子器件V0l_37No.1ChineseJournalofELectronDevicesFeb.20142014年2月ModelofSwitchedReluctanceMotorBasedonImprovedSupportVectorMachineLIUZhiyuan(DepartmentofMechatronicEngineering,FoshanPoechnic,FoshanGuangdong528000,China)Abstract:Switchedreluctancemotor(SRM)hasadvantagessuc

2、hassamplestructure,goodreliability,highefficiency,etc.ButelectromagneticcharacteristicofSRMiShighlysaturatedandnonlinearwhichmakesitdificulttobecontrolledwithhighperformance.SVMisadvancedwhendealingwithsmM1samplesize,nonlinear,highdimensionandlocalminimumvalues.Bybasicofana

3、lyzingelectromagneticcharacteristicandtorqueofSRMandSVMtheory,amathematicalmodelofSRMbasedonimprovedSVMwithradialbasisfunction(RBF)kernelfunctionisestablished.SimulationwithBPneuralnetworkalgorithmshowsthattheimprovedSVMhasbetterperformance.Andthedataofexperimentalplatforms

4、howtheestablishedmodelisfeasible.Themodeliscorrectandeffective.Keywords:switchedreluctancemotor;supportedvectormachine;radialbasisfunction;modelEEACC:8390doi:10.3969/j.issn.1005—9490.2014.01.035基于改进的支持向量机的开关磁阻电机的模型建立刘志远(佛山职业技术学院机电工程系,广东佛山528000)摘要:开关磁阻电机具有结构简单、工作可靠、运行效率高等优点

5、。但开关磁阻电机的磁路高度饱和、非线性化,很难建立准确的数学模型,难以实现高精度控制。在研究开关磁阻电机的电磁与转矩特性的基础上,结合支持向量机算法在解决小样本、非线性、高维数、局部极小值问题上的优势,建立了径向基函数核函数的支持向量机的开关磁阻电机的数学模型,通过仿真与传统BP神经网络算法对比,证明该算法具有较高的性能,实验平台检测的数据表明,所构建的开关磁阻电机模型是可行的,证明了模型的正确性和有效性。关键词:开关磁阻电机;支持向量机;径向基核函数;模型中图分类号:TN91文献标识码:A文章编号:1005—9490(2014)O1—014

6、6—04开关磁阻电机SRM(SwitchedReluctanceMotor)磁路模型,但都是在非饱和磁路的基础上建立的;而是一种基于可变磁阻原理设计的电机,与传统电机局部线性法算法简单,但精度较差;有限元法精度相比,它具有显著的优点,如转矩惯量比大、可靠性高,但是计算量大,实用性差j。传统的建模方法高、效率高、脉动小等。开关磁阻电机的结构上,与在精度、适应性与速度上很难满足实际需要,因此很普通电机不同,它的定子与转子使用双凸极结构,定有必要使用新的方法建立数学模型,目前主要是应子的磁链和控制电流在时间上均为单向脉冲变化,用神经网络技术如模糊神

7、经网络和BP神经网络磁路高度饱,转矩和磁链均为转子位置角和绕组电等,但是神经网络的应用过程中也存在不少问题,比流的高度非线性函数¨。由此可见,要对SRM的电如难以跳出局部极小点、严重依赖学习经验等。支磁特性进行精确的计算变得十分困难,这也是SRM持向量机SVM(SupportVectorMachin)是一种基于控制中必须面对的问题,因此必须建立SRM准确的Vapnik的小样本统计学习理论建立的神经网络技数学模型。目前采用的方法主要有查表法、模糊逻术,SVM的优点是能较好地处理非线性模型、在解辑法、局部线性法、有限元分析法等。这些方法各有决小样

8、本空间与局部最小值等问题有良好的效果,优缺点,比如查表法与模糊逻辑法均能建立电流与有很好的泛化能力J。本文在分析SRM的电路模收稿日期:2013—05—13修改日期

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。