← 返回
基于改进粒子群优化支持向量机的六极径向混合磁轴承转子位移自传感建模
Rotor Displacement Self-Sensing Modeling of Six-Pole Radial Hybrid Magnetic Bearing Using Improved Particle Swarm Optimization Support Vector Machine
| 作者 | Huangqiu Zhu · Tiantian Liu |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2020年11月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 机器学习 故障诊断 功率模块 |
| 相关度评分 | ★★ 2.0 / 5.0 |
| 关键词 | 混合磁轴承 转子位移 自传感 改进粒子群优化算法 支持向量机 逆变器供电 无传感器控制 |
语言:
中文摘要
六极径向混合磁轴承（HMB）具有结构紧凑、转速高、寿命长等优点，但传统位移传感器存在体积大、成本高、可靠性低等问题。本文提出了一种基于改进粒子群优化（IPSO）最小二乘支持向量机的自传感方法，实现了对转子位移的精确检测，有效提升了系统的集成度与可靠性。
English Abstract
An inverter-fed six-pole radial hybrid magnetic bearing (HMB) has the characteristics of compact structure, high support speed, long service life, and so on. However, using displacement sensors to detect rotor displacements leads to the problems of large volume, high cost, and low reliability. In this article, a self-sensing method using improved particle swarm optimization (IPSO) least square sup...
S
SunView 深度解读
该技术主要应用于高速旋转机械的磁悬浮支撑，虽然与阳光电源现有的光伏逆变器、储能PCS或充电桩产品线无直接重叠，但其核心思想——‘通过算法实现传感器无感化’（Self-Sensing）具有极高的参考价值。在阳光电源的高速风电变流器或未来可能涉及的高速电机驱动领域，利用机器学习算法替代物理传感器，可有效降低硬件成本、提升系统在极端环境下的可靠性。建议研发团队关注该算法在功率模块状态监测及电机驱动控制中的迁移应用。