← 返回
基于快速控制原型的感应电机神经逆最优控制实现
Neural Inverse Optimal Control Implementation for Induction Motors via Rapid Control Prototyping
| 作者 | Eduardo Quintero-Manriquez · Edgar N. Sanchez · Ronald G. Harley · Sufei Li · Ramon A. Felix |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2019年6月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 机器学习 功率模块 组串式逆变器 |
| 相关度评分 | ★★★ 3.0 / 5.0 |
| 关键词 | 神经逆最优控制 感应电机 快速控制原型 C2000微控制器 系统辨识 轨迹跟踪 状态估计 |
语言:
中文摘要
本文提出了一种用于感应电机的离散时间神经逆最优控制方法,并在基于C2000微控制器与Simulink的快速控制原型(RCP)系统上实现。该控制器独立解决了系统辨识、轨迹跟踪和状态估计三个核心问题,并基于递归神经网络架构,有效提升了电机控制的动态性能与鲁棒性。
English Abstract
This paper presents a discrete-time neural inverse optimal control for induction motors, which is implemented on a rapid control prototyping (RCP) system using a C2000 Microcontroller-Simulink platform. Such controller addresses the solution of three issues: system identification, trajectory tracking, and state estimation, which are solved independently. The neural controller is based on a recurre...
S
SunView 深度解读
该研究涉及的电机控制算法及快速原型开发流程,对阳光电源的风电变流器及储能系统中的电机驱动控制具有参考价值。虽然阳光电源核心业务侧重于光伏与储能的电力电子变换,但该文提出的神经网络控制与RCP开发模式,可优化风电变流器在复杂工况下的动态响应。建议研发团队关注其在高性能电机驱动控制中的应用,以提升风电变流器及储能系统辅助设备的控制精度与系统辨识效率。