基于粒子群算法优化BP神经网络的SRM磁链模型.pdfVIP

·信息技术 · 郝娟 ·基于粒子群算法优化ＢP神经网络的ＳＲM磁链模型 - ＤＯI:1０.1９３44/ ｊ.ｃnｋｉ.ｉｓｓn1６71 ５２7６.２０1８.０２.０３５ 基于粒子群算法优化ＢP神经网络的ＳＲM磁链模型 郝娟 (河海大学 能源与电气学院，江苏 南京２111００) 摘 要:以一台６/ 4级ＳＲM 电机模型的电流和磁链为输入，转子位置角度为输出，拟合了磁链 - - 电流 角度模型，并在MAＴＬAＢ/ Ｓｉｍｕlｉnｋ 中进行了仿真实验。 在拟合模型时，为了提高训练 效率，简化拟合模型，采用了粒子群优化ＢP神经网络隐含层神经元个数的算法，并进行了仿真 实验。 结果表明，粒子群算法优化ＢP神经网络的控制策略具有较高的训练效率。 关键词:开关磁阻电机；ＢP神经网络；粒子群算法 中图分类号:ＴM３５２ 文献标志码:Ｂ 文章编号:1６71-５２7６(２０1８)０２-０1３０-０３ ＳＲM Flｕｘ Liｎｋａｇｅ Moｄｅl oｆ Ｏｐtiｍiｚiｎｇ ＢP Ｎｅｕｒａl Ｎｅtｗoｒｋ Ｂａｓｅｄ oｎ PＳＯ Ａlｇoｒithｍ HAＯＪｕａn (Ｃｏllｅｇｅ ｏｆ Eｎｅｒｇｙ aｎｄ Elｅｃtｒiｃal Eｎｇiｎｅｅｒiｎｇ，Ｈｏｈai Ｕｎiｖｅｒｓitｙ，Ｎaｎｊiｎｇ２111００，Ｃｈiｎa) Ａｂｓtｒａｃt:Tｈiｓ ｐaｐｅｒtaｋｅｓ tｈｅ ｃｕｒｒｅｎt aｎｄｆlｕｘ liｎｋaｇｅｏｆ６/ 4 ＳＲMｍｏtｏｒaｓtｈｅ iｎｐｕt aｎｄ itｓ ｒｏtｏｒｐｏｓitiｏｎaｎｇlｅaｓtｈｅｏｕtｐｕttｏｆit - - tｈｅｆlｕｘ ｃｕｒｒｅｎt aｎｇlｅｍｏｄｅlaｎｄ ｍaｋｅｓaｎｅｘｐｅｒiｍｅｎtｏｎitｓｓiｍｕlatiｏｎiｎMＡTＬＡＢ/ Ｓiｍｕliｎｋ.Tｏ iｍｐｒｏｖｅtｈｅtｒaiｎiｎｇｅｆｆiｃiｅｎｃｙ aｎｄ ｓiｍｐliｆｙ tｈｅｆittiｎｇ ｍｏｄｅl，aｃｃｏｒｄiｎｇtｏ ＰＳＯ alｇｏｒitｈｍ，tｈｅ ｎｕｍｂｅｒｏｆ ｎｅｕｒｏｎｓ ｏｆ ｄｏｕｂlｅ ｈiｄｄｅｎ laｙｅｒｓ ｏｆ ＢＰ ｎｅｕｒal ｎｅtｗｏｒｋ iｓ ｏｐti- ｍiｚｅｄ aｎｄ tｈｅ ｒｅｓｕltｓ ｓｈｏｗ tｈat it ｈaｓ ｈiｇｈｅｒtｒaiｎiｎｇ ｒｅｓｕlt. Ｋｅｙｗoｒｄｓ:ｓｗitｃｈｅｄ ｒｅlｕｃtaｎｃｅ ｍｏtｏｒ；ＢＰ ｎｅｕｒal ｎｅtｗｏｒｋ；ＰＳＯ alｇｏｒitｈｍ ０ 引言 ２ 基于粒子群优化的ＢP 神经网络 算法 开关磁阻电机自２０世纪7０年代问世以来，以其结构 [1] 简单和高速运行的特点，适用于各种高效调速场合 。 粒子群优化 ＢP 神经网络算法包括确定神经网络结 ＳＲM调速系统兼具传统交、直流调速系统的优势，是当代 构、粒子群优化ＢP神经网络。 电气传动领域的热门课题之一，其应用领域遍及家用电 ２.１ 确定神经网络结构 器、航空工业、电动汽车等。 但是，位置传感器的加入大大 降低了电机可靠性，增加了成本。 为克服传感器带来的缺 ＢP神经网络因具有结构简单、容错性好及优良的非