基于灰狼优化算法的神经网络PMSM混沌同步控制

发布时间：2021-10-07 18:07

　　对永磁同步电动机（Permanent Magnet Synchronous Motor,PMSM）的混沌同步控制进行研究,引入灰狼优化算法（Grey Wolf Optimizer,GWO）和它的几个变体算法,提出一种基于灰狼优化算法的RBF-GWO网络混沌同步控制器.在RBF-GWO网络控制器中,以RBF神经网络结构为基础,其隐层中心矩阵、高斯均方根宽度向量和权值矩阵的组合为灰狼的位置向量,选择输出平均平方误差的一半作为优化目标函数,以网络实际输出与期望输出之间的差值作为更新灰狼位置向量的依据,每次迭代的最优参数值均保存在α灰狼位置向量中,且向网络返回α灰狼位置向量,直至迭代结束条件满足.通过PMSM混沌同构同步控制与异构同步控制实验,验证了RBF-GWO网络有效性,给出的基于一种变体GWO算法（即WGWO）的RBF-GWO网络控制器具有相对更强的自适应能力. 

【文章来源】：云南大学学报(自然科学版). 2020,42(04)北大核心CSCD

【文章页数】：9 页

【部分图文】：

标准灰狼优化算法的流程图Fig.1TheflowdiagramofthestandardGWO

?RBF-GWO网络的结构如图3所示.U=[U1···Ur]Uii=1,2,···,rh=[h1,h2,···,hN]hj图3中为RBF神经网络的输入向量，为网络的第i（）个输入量.设RBF神经网络有N个隐层神经元，h为隐层的输出向量，有，为：hj=expUφj22θ2j,j=1,···,N,(10)图1标准灰狼优化算法的流程图Fig.1TheflowdiagramofthestandardGWO图2标准灰狼优化算法的搜索示意图Fig.2thesearchingschematicofthestandardGWO图3RBF-GWO网络结构Fig.3ThestructureofRBF-GWO666云南大学学报（自然科学版）http://www.yndxxb.ynu.edu.cn第42卷

=1,2,···,rh=[h1,h2,···,hN]hj图3中为RBF神经网络的输入向量，为网络的第i（）个输入量.设RBF神经网络有N个隐层神经元，h为隐层的输出向量，有，为：hj=expUφj22θ2j,j=1,···,N,(10)图1标准灰狼优化算法的流程图Fig.1TheflowdiagramofthestandardGWO图2标准灰狼优化算法的搜索示意图Fig.2thesearchingschematicofthestandardGWO图3RBF-GWO网络结构Fig.3ThestructureofRBF-GWO666云南大学学报（自然科学版）http://www.yndxxb.ynu.edu.cn第42卷

【参考文献】：
期刊论文
[1]永磁同步电机混沌模型的拓扑马蹄分析与FPGA设计[J]. 薛薇,张妹,谭东程,李雪,李永丽.  电力系统及其自动化学报. 2018(04)
[2]一种基于变异算子与淘汰重组机制的改进GWO及其应用（英文）[J]. Xiao-qing ZHANG,Zheng-feng MING.  Frontiers of Information Technology & Electronic Engineering. 2017(11)
[3]基于混沌粒子群优化算法的异结构混沌反同步自抗扰控制[J]. 刘福才,贾亚飞,任丽娜.  物理学报. 2013(12)
[4]永磁同步电机的鲁棒滑模变结构混沌同步控制[J]. 杨晓辉,刘小平,胡龙龙,徐少平.  组合机床与自动化加工技术. 2012(08)
[5]永磁同步电机与异结构系统的混沌同步控制[J]. 张兴华,王德明.  系统仿真学报. 2009(14)



本文编号：3422524