基于递归神经网络的永磁同步电机参数辨识研究

电机参数的变化会加大永磁同步电动机(PMSM)的控制难度,所以研究参数辨识对于闭环控制系统的稳定运行有着重大的意义。在采用变分理论实现最小绝对值偏差法(LAD)的基础上,研究了一种基于递归神经网络(RNN)的辨识方法。仿真结果表明,该方法具有很快的收敛速度,能准确地辨识PMSM的定子电阻、d,q轴电枢电感及转子磁链等参数,并且具有良好鲁棒性,在出现参数变化或异常值情况下仍能辨识到正确结果。