← 返回
基于自适应RBF神经网络的电力驱动平滑速度控制
Smooth Speed Control for Electric Drives Based on Adaptive RBF Neural Network Method
| 作者 | Chenhao Zhao · Yuefei Zuo · Huanzhi Wang · Haiyang Cao · Christopher H. T. Lee |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年11月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 机器学习 充电桩 |
| 相关度评分 | ★★★ 3.0 / 5.0 |
| 关键词 | 电力驱动 速度控制 神经网络 RBF 转矩脉动 自适应控制 电动飞机 |
语言:
中文摘要
针对电动航空等应用中转矩脉动导致的周期性速度振荡问题,本文提出了一种基于在线训练神经网络的控制方法。该方法利用神经网络的任意关系逼近能力,有效抑制了齿槽转矩和电流采样误差带来的干扰,实现了电力驱动系统的高性能平滑速度控制。
English Abstract
Smooth speed control is crucial for high-performance electric drives in electric aircraft applications. However, inevitable torque ripple sources, such as cogging torque and current sampling errors, can induce periodic speed oscillations. To solve this problem, the online-trained neural network (NN)-based method with arbitrary relationship approximation capability is proposed in this article to re...
S
SunView 深度解读
该研究提出的自适应RBF神经网络控制算法在抑制转矩脉动和提升电机运行平滑度方面具有显著优势。对于阳光电源而言,该技术可应用于电动汽车充电桩的功率模块电机控制,或在风电变流器及储能PCS的电机驱动环节中进行技术储备,以提升系统在复杂工况下的动态响应性能和控制精度。建议研发团队关注该算法在嵌入式控制器中的计算资源消耗,评估其在现有iSolarCloud智能运维平台底层控制逻辑中的集成潜力,以优化驱动系统的运行效率与稳定性。