← 返回
| 作者 | Faa-Jeng Lin · Ming-Shi Huang · Shih-Gang Chen · Che-Wei Hsu |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2019年12月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 机器学习 深度学习 |
| 相关度评分 | ★★★ 3.0 / 5.0 |
| 关键词 | 同步磁阻电机 最大转矩电流比 (MTPA) 递归勒让德模糊神经网络 磁场定向控制 (FOC) 智能控制 非线性系统 电机驱动 |
语言:
中文摘要
为构建高性能同步磁阻电机(SynRM)驱动系统,本文提出了一种基于循环勒让德模糊神经网络(RLFNN)的智能最大转矩电流比(MTPA)跟踪控制策略。针对SynRM磁阻转矩的高度非线性和时变特性,该方法通过智能算法优化控制性能,有效提升了驱动系统的响应速度与跟踪精度。
English Abstract
In order to construct a high-performance synchronous reluctance motor (SynRM) drive system, an intelligent maximum torque per ampere (MTPA) tracking control using a recurrent Legendre fuzzy neural network (RLFNN) is proposed in this study. First, a traditional MTPA (TMTPA) control system based on FOC is introduced. Since the reluctance torque of the SynRM is highly nonlinear and time-varying, the ...
S
SunView 深度解读
该研究关注电机驱动的先进控制算法,虽然阳光电源目前核心业务聚焦于光伏逆变器、储能PCS及风电变流器,但其控制逻辑与电机驱动中的非线性控制、智能跟踪算法具有底层共性。在阳光电源的电动汽车充电桩及风电变流器产品线中,电机驱动与功率变换的控制精度至关重要。RLFNN算法可作为未来提升变流器动态响应性能、优化复杂工况下控制策略的储备技术,特别是在提升系统鲁棒性和应对参数摄动方面具有参考价值。