摘要
开关磁阻电机具有严重的非线性,其模型精度提高比较困难。为了提高开关磁阻电机非线性模型的精度,在开关磁阻电机数学模型为基础的非线性模型上,运用BP神经网络拟合,对模型中开关磁阻电机的相电感曲线进行有效的优化。模型包括转速控制模块、逻辑与斩波控制模块、电压逆变模块和SRM本体模块。并分析了开关磁阻电机的电感模型,在Matlab/Simulink环境下对开关磁阻电机控制系统进行仿真,并对比实验波形,达到了提高模型精度的目的,验证了非线性模型的有效性和合理性。模型对于进一步开展SRD控制策略的研究及SRD整体性能的优化设计有一定的参考价值。
Due to the intense nonlinearity, it is difficult to build an accurate model of Switch Reluctance Motor （SRM）. This paper uses BP Neural Network to optimize availably curve of inductance of SRM based on nonlinear model which follows math model of SRM to increase precision of model of SRM. The model includes speed control module, logic and current control module, voltage contra - variant module and SRM module. The analysis and simu- lation in Matlab/Simulink verify the availability and rationality of inductance model of SRM, and the accuracy of model has been achieved.
出处
《计算机仿真》
CSCD
北大核心
2015年第8期360-363,共4页
Computer Simulation
基金
陕西省自然科学基础研究计划项目(2014JM8344)
关键词
开关磁阻电机
神经网络
非线性模型
Switch reluctance motor
Neural network
Nonlinear model
作者简介
程蒙江川（1991-），男（汉族），陕西省咸阳市人，硕士研究生，主要研究领域为开关磁阻电机故障诊断。
陈长兴（1964-），男（汉族），河北省保定市人，教授，博士研究生导师，主要研究领域为信号与处理、现代通信理论、信息系统建模与仿真。
耿道田（1964-），男（汉族），陕西省西安市人，高级实验师，硕士研究生，主要研究领域为电子信号测量技术与实验室管理研究。
陈强（1989-），男（汉族），江西省南昌市人，硕士研究生，主要研究领域为数据链系统效能评估及仿真建模。
