混沌神经网络在DTC系统中的转速辨识

针对BP神经网络易陷入局部极小值的缺点,提出了混沌神经网络的学习算法。利用混沌的遍历性和随机性,采用混沌变量全局粗搜索与混沌变量局部细搜索相结合,得到神经网络权值的全局最优值。利用该算法对直接转矩控制(DTC)系统进行转速辨识,仿真结果表明用混沌优化BP神经网络的速度辨识器不仅具有较好的跟踪能力,还提高了运算效率,使系统具有良好的静动态性能。

基于混沌神经网络的异步电主轴转速辨识

针对BP神经网络易陷于局部最优,且学习速度慢的缺陷,研究了采用混沌优化算法改进BP神经网络并应用于异步电主轴转速辨识的方法。该方法使用新的混沌自映射函数取代一般的有限折叠次数的Logistic自映射函数,使其兼具了混沌优化算法的全局寻优与BP算法局部寻优的优点。借助MATLAB/Simulink软件对无传感器电主轴转速辨识系统进行数值仿真。仿真结果表明,采用新方法使整个系统的辨识性能更优,学习速度更快。