← 返回
12/8开关磁阻电机磁链与转矩的非线性快速建模方法
Nonlinear Fast Modeling Method of Flux Linkage and Torque for a 12/8 Switched Reluctance Motors
| 作者 | Xiaodong Sun · Nuonuo Wang · Yunfei Cao · Dong Guo · Ming Yao · Yueping Sun · Yefei Xiong |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2024年5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 | 开关磁阻电机 非线性建模 加权最小二乘支持向量机 熵权法 土狼优化算法 磁链 转矩 |
语言:
中文摘要
本文提出了一种基于加权最小二乘支持向量机（WLSSVR）的开关磁阻电机磁链与转矩非线性建模方法。通过结合熵权法（EM）与改进的郊狼优化算法（COA）优化核参数，有效提升了传统WLSSVR的建模精度，实现了电机非线性特性的快速、准确表征。
English Abstract
This article presents a nonlinear modeling method for the flux linkage and torque of a switched reluctance motor. The method is based on universal weighted least squares support vector machine regression (WLSSVR), combined with entropy method (EM) and improved coyote optimization algorithm (COA) to optimize the kernel parameters. Among them, EM can well improve the error of the general WLSSVR in t...
S
SunView 深度解读
该研究聚焦于开关磁阻电机（SRM）的非线性建模与控制优化。虽然阳光电源目前的核心产品线（光伏逆变器、储能PCS、风电变流器）主要基于永磁同步电机或感应电机技术，但SRM具备结构简单、耐高温、高可靠性等优势，在未来极端环境下的工业驱动或特定储能辅助设备中具有潜在应用价值。该建模方法中采用的机器学习优化策略（EM+COA），可借鉴应用于阳光电源iSolarCloud平台的设备状态监测、故障预测以及复杂电力电子拓扑的参数辨识，提升系统智能化运维水平。