基于OSELM的无刷直流电机无位置传感器控制

TM301.2; 针对无刷直流电机转子位置检测问题,提出基于在线贯序极限学习机(OSELM)的无刷直流电机无位置传感器控制方法.该方法构建了一个单隐层前馈神经网络,经分析将定子端电压和电流作为OSELM网络的输入信号,逆变电路的逻辑换相信号作为OSELM网络的输出,将电流速度双闭环控制得到的PWM波形与OSELM网络输出进行逻辑处理得到功率开关管的控制信号,由此实现无刷直流电机的无位置传感器控制.网络参数通过离线训练得到,将训练好的网络模型应用到电机中进行在线测试.将该方法与传统反向传播(BP)神经网络方法进行比较,实验结果表明该方法避免了BP神经网络参数难以选取的问题,且在保证高精度的前提下...

Full description

Saved in:
Bibliographic Details
Published in电机与控制学报 Vol. 22; no. 11; pp. 82 - 88
Main Authors 王欣, 梁辉, 秦斌
Format Journal Article
LanguageChinese
Published 湖南工业大学电气与信息工程学院,湖南株洲412007 01.11.2018
电传动控制与智能装备湖南省重点实验室,湖南株洲412007
Subjects
极限学习机
PWM波形
转子位置检测
无刷直流电机
前馈神经网络
Online AccessGet full text
ISSN1007-449X
DOI10.15938/j.emc.2018.11.011

Cover

More Information
Summary:TM301.2; 针对无刷直流电机转子位置检测问题,提出基于在线贯序极限学习机(OSELM)的无刷直流电机无位置传感器控制方法.该方法构建了一个单隐层前馈神经网络,经分析将定子端电压和电流作为OSELM网络的输入信号,逆变电路的逻辑换相信号作为OSELM网络的输出,将电流速度双闭环控制得到的PWM波形与OSELM网络输出进行逻辑处理得到功率开关管的控制信号,由此实现无刷直流电机的无位置传感器控制.网络参数通过离线训练得到,将训练好的网络模型应用到电机中进行在线测试.将该方法与传统反向传播(BP)神经网络方法进行比较,实验结果表明该方法避免了BP神经网络参数难以选取的问题,且在保证高精度的前提下,比传统的控制算法速度更快,验证了该方法的可行性和优越性.
ISSN:1007-449X
DOI:10.15938/j.emc.2018.11.011