五自由度无轴承异步电机动态解耦控制-江苏科技大学学报.pdfVIP

五自由度无轴承异步电机动态解耦控制-江苏科技大学学报.pdf

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
五自由度无轴承异步电机动态解耦控制-江苏科技大学学报

第31卷第1期 江苏科技大学学报(自然科学版) Vol31 No1   2017年2月 JournalofJiangsuUniversityofScienceandTechnology(NaturalScienceEdition)  Feb.2017        doi:10.3969/j.issn.1673-4807.2017.01.017 五自由度无轴承异步电机动态解耦控制 1 1 1 1 2 陈 林 ,杨泽斌 ,陈 正 ,李方利 ,孙晓东 (1.江苏大学 电气信息工程学院,镇江212013) (2.江苏大学 汽车工程研究院,镇江212013) 摘 要:为实现五自由度无轴承异步电机高精度动态解耦控制,提出一种基于最小二乘支持向量机逆的解耦控制方法.首 先,建立五自由度无轴承异步电机数学模型并进行可逆性分析,然后,利用最小二乘支持向量机在有限数据样本下对高维 非线性函数的回归能力来辨识五自由度无轴承异步电机逆模型,并利用粒子群算法优化最小二乘支持向量机的参数,以提 高对逆模型的拟合和预测精度,最后,将最小二乘支持向量机逆与原系统相串联得到伪线性系统,并设计PID闭环控制器 对五自由度无轴承异步电机进行复合控制,实现了原系统径向位移、轴向位移、转速以及磁链间的非线性动态解耦.仿真研 究验证了该控制策略的有效性. 关键词:无轴承异步电机;磁轴承;逆系统;最小二乘支持向量机;解耦控制 中图分类号:TM346     文献标志码:A     文章编号:1673-4807(2017)01-0088-07 Dynamicdecouplingcontrolof5degreeoffreedom bearinglessinductionmotor 1 1 1 1 2 CHENLin,YANGZebin ,CHENZheng,LIFangli,SUNXiaodong (1.ShoolofElectricalandInformationEngineering,JiangsuUniversity,Zhenjiang212013,China) (2.AutomotiveEngineeringResearchInstitute,JiangsuUniversity,Zhenjiang212013,China) Abstract:Inordertorealizehighprecisiondynamicdecouplingcontrolofthe5degreeoffreedombearingless inductionmotor(BIM),adecouplingcontrolmethodbasedonleastsquaresupportvectormachineinverse (LSSVMI)isproposed.Firstly,themathematicalmodelof5degreeoffreedomBIMisestablishedandthere versibilityofthemodelisanalyzed.Then,theinversemodelwasidentifiedusingLSSVMwhichhasagoodfitting capabilitytohighdimensionalnonlinearfunctionswithlimitedsamples,andtheparticleswarmoptimizationalgo rithmisusedtooptimizetheparametersofLSSVM,soastoimprovethefittingandpredictionaccuracyofthein versemodel.TheLSSVMisconnectedwiththeoriginalsyst

文档评论(0)

ailuojue + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档