← 返回
基于改进差分进化算法优化RPROP神经网络的无轴承永磁薄片电机自抗扰控制
Active Disturbance Rejection Control of Bearingless Permanent Magnet Slice Motor Based on RPROP Neural Network Optimized by Improved Differential Evolution Algorithm
| 作者 | Chuang Sun · Huangqiu Zhu |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2024年3月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 机器学习 故障诊断 |
| 相关度评分 | ★★ 2.0 / 5.0 |
| 关键词 | 无轴承永磁薄片电机 自抗扰控制 RPROP神经网络 改进差分进化算法 悬浮力控制 |
语言:
中文摘要
为提升无轴承永磁薄片电机（BPMSM）的抗扰动能力与悬浮力控制精度，本文提出了一种结合弹性反向传播神经网络（RPROPNN）与改进差分进化（IDE）算法的自抗扰控制（ADRC）策略。该方法通过优化神经网络参数，有效增强了系统在复杂工况下的动态响应与鲁棒性。
English Abstract
In order to realize the strong antidisturbance capability and the precise control of suspension forces in a bearingless permanent magnet slice motor (BPMSM), an active disturbance rejection control (ADRC) strategy based on the combination of resilient backpropagation neural network (RPROPNN) and improved differential evolution (IDE) algorithm is proposed. Based on the mathematical model of the BPM...
S
SunView 深度解读
该研究聚焦于高性能电机控制算法，虽然BPMSM主要应用于高速离心机等特殊领域，但其核心的自抗扰控制（ADRC）与智能优化算法在阳光电源的业务中具有借鉴意义。特别是对于PowerTitan等储能系统中的PCS控制，以及风电变流器中对复杂工况的鲁棒性要求，引入神经网络进行参数自整定和抗扰动优化，有助于提升产品在弱电网环境下的稳定性。建议研发团队关注该类智能控制算法在逆变器并网控制及电机驱动控制中的迁移应用，以增强系统在极端扰动下的可靠性。