基于遗传算法优化小波神经网络的永磁同步电机转子位置估计

发布时间：2021-05-11 10:38

　　永磁同步电机控制算法在运行时需要转子位置信息参与计算。一般的无传感器转子位置估计方法计算量大且实现复杂,同时精度低、易受干扰。因此提出一种基于遗传算法优化小波神经网络的永磁同步电机转子位置估计方法,采用训练后的小波神经网络对永磁同步电机转子位置进行估计。同时针对小波神经网络初始权值和阈值选取易导致陷入局部极值的问题,引入遗传算法对小波神经网络进行优化。仿真和实验表明,提出的小波神经网络能够有效对转子位置进行估计,估计结果精度较好并且系统拥有较强的鲁棒性。 

【文章来源】：微电机. 2020,53(09)北大核心

【文章页数】：6 页

【文章目录】：
0 引 言
1 基于小波神经网络的永磁同步电机转子位置估计
    1.1 永磁同步电机位置检测分析
    1.2 小波神经网络
    1.3 使用小波神经网络对转子位置进行估计
2 基于遗传优化的小波神经网络
    2.1 遗传算法
    2.2 采用遗传算法对小波神经网络进行优化
3 仿真与实验
    3.1 仿真对比
    3.2 实验结果
4 结 语


【参考文献】：
期刊论文
[1]基于遗传算法优化小波神经网络预测GPS可降水量[J]. 熊红伟,郑进.  城市勘测. 2019(04)
[2]基于遗传优化的小波神经网络风电功率预测[J]. 杨世秦,孙驷洲.  安徽工程大学学报. 2018(01)
[3]基于小波网络的永磁无刷直流电机无位置传感器控制[J]. 史婷娜,田洋,夏长亮.  天津大学学报. 2007(02)

博士论文
[1]永磁同步电动机无位置传感器控制与高性能运行策略的研究[D]. 孙伟.浙江大学 2017
[2]无刷直流电机无位置传感器控制关键技术研究[D]. 李自成.华中科技大学 2010

硕士论文
[1]基于遗传算法和BP神经网络的微涡流混凝投药控制模型研究[D]. 樊琦.华东交通大学 2018
[2]云台稳定系统研究[D]. 韦啸成.中北大学 2017
[3]基于小波网络的永磁无刷直流电机无位置传感器控制[D]. 田洋.天津大学 2007



本文编号：3181259