典型文献
基于数据驱动的永磁同步电机深度神经网络控制
文献摘要：
针对有限集模型预测转矩控制(MPTC)计算负担大导致实时性较差的问题,提出了基于数据驱动的永磁同步电机深度神经网络(DNN)控制方法.通过训练深度神经网络,使其学习并逼近MPTC的电压矢量选择规律,从而取代MPTC进行电压矢量的选择.通过扩充动态数据集,解决因动静态数据失衡引起的系统失控问题.通过更换训练数据集,基于数据驱动的DNN可学习并实现带非线性约束环节的MPTC.仿真验证了基于数据驱动的永磁同步电机神经网络控制的可行性,电机系统运行良好,可实现四象限运行,稳态控制效果与MPTC基本相当.
文献关键词：
永磁同步电机;模型预测转矩控制;数据驱动;深度神经网络;转矩脉动;磁链脉动
中图分类号：
作者姓名：
李耀华;赵承辉;周逸凡;秦玉贵
作者机构：
长安大学 汽车学院,陕西 西安710064
文献出处：
引用格式：
[1]李耀华;赵承辉;周逸凡;秦玉贵-.基于数据驱动的永磁同步电机深度神经网络控制)[J].电机与控制学报,2022(01):115-125
A类：
有限集模型预测转矩控制,数据失衡
B类：
永磁同步电机,深度神经网络,神经网络控制,MPTC,计算负担,DNN,逼近,电压矢量,动态数据,动静态,静态数据,失控,训练数据集,可学,非线性约束,仿真验证,电机系统,四象限,稳态控制,转矩脉动,磁链脉动
AB值：
0.229531
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
