BP神经网络辩识感应电机转子磁链和转速

根据感应电机数学模型 ,提出了仅基于定子电流的人工神经网络转子磁链与速度的辩识方法 ,实现无速度传感器的交流调速系统的转子磁链和转速闭环控制。用BP算法对神经网络进行学习和训练 ,构建相应的多层前馈神经网络 (MFNN)。仿真和实验结果表明 。

基于模糊神经网络的感应电动机转速估计方法

根据感应电动机的数学模型,提出一种基于模糊神经网络的感应电动机转速估计的方法,并给出了速度估计器的模糊神经网络结构和学习算法。仿真结果表明,该方法能准确跟踪电动机实际转速的变化,具有良好的性能。

基于DRNN-MRAS参数自整定的异步电机转速估计

复杂工况下事先设定的PI参数不能满足电机新的运行状态,针对此问题设计一种基于对角递归神经网络PI参数动态自整定的转速估计器,对其中的PI参数进行动态整定以提高系统鲁棒性和估计精确度。分析了基于模型参考自适应系统转速估计的原理和结构,利用Popov超稳定理论推导出估计系统的自适应律。在MRAS转速估计的基础上,利用DRNN对MRAS转速估计系统中的PI参数进行动态在线整定,得到基于DRNN-MRAS的新型转速估计系统。仿真和实验结果验证了新型DRNN-MRAS算法的有效性和实用性。

基于模糊神经网络的异步电机转速估计方法

根据异步电机的数学模型,提出基于模糊神经网络的异步电机转速估计方法。将传统参考自适应系统中原有的自适应调节机构用一个具有在线学习能力的模糊神经网络取代,得出了一种基于模糊神经网络的异步电机转速估计方法,并给出了速度估计器的模糊神经网络结构和学习算法。仿真结果表明,该方法能准确跟踪电机实际转速的变化,具有良好的性能。