← 返回
一种用于直线开关磁阻电机速度控制的多层感知器训练方法
A Multilayer Perception Trained Method in Speed Control of a Linear Switched Reluctance Motor
| 作者 | Siamak Masoudi · Hasan Mehrjerdi |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2022年4月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 机器学习 深度学习 PWM控制 |
| 相关度评分 | ★★ 2.0 / 5.0 |
| 关键词 | 开关磁阻电机 非线性系统 速度控制 多层感知机 神经网络 控制算法 |
语言:
中文摘要
开关磁阻电机具有非线性、不确定性及未建模动态特性，导致推力和速度波动大，传统控制器难以实现精确控制。本文提出一种基于多层感知器（MLP）的训练方法，通过神经网络优化控制策略，有效解决了非线性系统控制中偏导数计算复杂的难题，显著提升了电机的动态响应与控制精度。
English Abstract
Switched reluctance motors are nonlinear systems with some uncertainties and unmodeled dynamics. Propulsion force and speed in these motors have inherently high fluctuations complicating their applications. The conventional controllers could not offer a precise performance for nonlinear systems because they require analytical calculations of the partial derivatives. Accordingly, in this article, a...
S
SunView 深度解读
该研究探讨了基于神经网络的非线性系统控制算法，虽然针对的是直线开关磁阻电机，但其核心思想——利用多层感知器（MLP）解决非线性系统的精确控制问题，对阳光电源的控制技术具有参考价值。在阳光电源的电机驱动类产品（如风电变流器）或储能系统中的电力电子变换器控制中，面对复杂的非线性负载或弱电网环境，引入此类AI驱动的控制算法，有望提升系统的动态响应速度和鲁棒性。建议研发团队关注该算法在复杂工况下的实时计算开销，评估其在iSolarCloud智能运维平台或高性能变流器控制芯片上的部署可行性。