← 返回
基于改进天牛群优化算法优化RPROP神经网络的外转子无铁芯无轴承永磁同步电机解耦控制
Decoupling Control of Outer Rotor Coreless Bearingless Permanent Magnet Synchronous Motor Based on RPROP Neural Network Optimized by Improved Beetle Swarm Optimization Algorithm
| 作者 | Zhihua Chen · Yichen Liu · Huangqiu Zhu |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2026年3月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 机器学习 深度学习 功率模块 |
| 相关度评分 | ★★ 2.0 / 5.0 |
| 关键词 | 外转子无铁芯无轴承永磁同步电机 解耦控制 改进天牛群优化算法 RPROP神经网络 磁场耦合 |
语言:
中文摘要
针对外转子无铁芯无轴承永磁同步电机（ORC-BPMSM）中转矩绕组与悬浮力绕组磁场交叉耦合导致的强耦合问题，提出了一种基于改进天牛群优化（IBSO）算法优化弹性反向传播（RPROP）神经网络的解耦控制方法，有效提升了系统的控制精度与动态响应性能。
English Abstract
In order to solve the problem of strong coupling effect caused by cross coupling of the magnetic field generated by the torque windings and the suspension force windings in an outer rotor coreless bearingless permanent magnet synchronous motor (ORC-BPMSM), a decoupling control method based on an improved beetle swarm optimization (IBSO) algorithm optimized resilient back propagation neural network...
S
SunView 深度解读
该研究聚焦于电机的高精度解耦控制，属于电机驱动与控制算法的前沿领域。虽然阳光电源目前的核心业务集中在光伏逆变器、储能PCS及充电桩等电力电子变换领域，而非电机本体设计，但该算法中涉及的神经网络优化与复杂系统解耦控制策略，可为公司在风电变流器的高性能控制、储能系统中的电机驱动应用，以及iSolarCloud平台中基于AI的设备故障预测与智能运维提供技术参考。建议关注其在多变量复杂系统控制中的鲁棒性提升方法。