基于小波神经网络的感应电机直接转矩控制

摘要：

为了改善感应电机传统直接转矩控制 ( DTC) 的性能缺陷, 特别是低速状态下定子磁链畸变、 定子电流谐波大、 电磁转矩脉动大的缺点, 提出一种基于小波神经网络 ( WNN) 的新型非线性自回归移动平均模型 ( NARMA). 该模型根据H.Akaike的最终预测误差 ( FPE) 准则确定WNN模型中所需的最佳小波个数. 小波神经网络有很强的自学习能力, 经过训练可很好地识别DTC系统, 基于WNN的NARMA速度控制器可代替PI控制器控制感应电机的转矩. 理论分析和仿真表明, 该方法是非常有效的.

关键词：感应电机、直接转矩控制、小波神经网络、NARMA、FPE

所属期刊栏目：31

分类号：TM343(电机)

资助基金：湖南省高校创新平台开放基金项目14k001;湖南省科技厅科技计划项目2015GK3018;长沙市科技项目k1403041-11

在线出版日期：2016-02-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：9-15