典型文献
基于模型融合方法的IPMSM转矩预测
文献摘要：
在机器人等高端电机控制系统中,由于内嵌式永磁同步电机(IPMSM)运行时,受电机参数辨识困难、谐波干扰等因素影响,电机电磁转矩具有强非线性,很难通过传统数学模型来精确计算,而增加转矩传感器会提高系统成本.为了实现无转矩传感器转矩高精度预测,提出了一种基于模型融合方法的IPMSM转矩预测模型,以简单的线性转矩数学模型融合数据驱动的神经网络算法,可有效减少神经网络模型复杂度,同时提高转矩估算精度.用BP和RBF两种常见网络进行建模仿真和实验验证,证明了该模型可实现转矩实时在线预测,且具有良好的动态稳定性能.
文献关键词：
内嵌式永磁同步电机;模型融合;非线性模型;转矩在线估算;无转矩传感器转矩控制
中图分类号：
作者姓名：
杜帅祥;韦寿祺;梁嘉宁;孙天夫;王旭
作者机构：
桂林电子科技大学机电工程学院,广西桂林 541004;中国科学院深圳先进技术研究院,广东深圳 518055
文献出处：
引用格式：
[1]杜帅祥;韦寿祺;梁嘉宁;孙天夫;王旭-.基于模型融合方法的IPMSM转矩预测)[J].桂林电子科技大学学报,2022(06):449-455
A类：
转矩在线估算,无转矩传感器转矩控制
B类：
基于模型,模型融合,融合方法,IPMSM,电机控制,内嵌式永磁同步电机,电机参数,参数辨识,谐波干扰,电磁转矩,强非线性,传统数学模型,系统成本,精度预测,融合数据,神经网络算法,模型复杂度,高转矩,估算精度,RBF,建模仿真,实时在线,在线预测,动态稳定性,稳定性能,非线性模型
AB值：
0.295653
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。
