神经网络预估器的试验研究

０前言近４０年来，围绕着如何改善具有时变和大滞后非线性系统的控制品质问题，进行了广泛深入的研究和提出了多种解决方法。例如：史密斯预估控制法、最优控制法、自适应控制法、有效谱控制法、智能采样调节和动态矩阵预报控制等等［１］。但是，由于这些方法都比较复杂...

基于BP神经网络的永磁直线同步电机齿槽力预估器

为了减小永磁直线同步电机(PMLSM)齿槽力的波动,采用二维电磁场有限元方法,结合动态分网来描述PMLSM定、动子间的相对运动.考虑非线性磁饱和的影响,对槽形尺寸、斜槽、闭口槽、气隙、分数槽等影响下的齿槽力进行了分析.计算结果表明,分数槽是有效减小PMLSM齿槽力波动的重要措施.将模拟计算得到的槽形、气隙对齿槽力波动的影响作为神经网络的训练样本,结合动量法和自调节学习规则,构建了基于BP神经网络的齿槽力预估器.通过该预估器,可以在PMLSM设计阶段对槽形尺寸、气隙大小进行合理的选择.