一种控制SRM转矩脉动减小的算法

吉林大学学报(工学版) ›› 2001, Vol. ›› Issue (2): 86-90.

一种控制SRM转矩脉动减小的算法

王晓升

长春工程学院信息工程系, 吉林长春 130021

收稿日期:2000-03-18 出版日期:2001-04-25

An Algorithm for Controlling SRM Torque Ripple Reduction

WANG Xiao-sheng

Dept of Information Engineering, Changchun Institute of Technology, Changchun 130021, China

Received:2000-03-18 Online:2001-04-25

摘要/Abstract

摘要： 提出了一种改进的通过使用CMAC(Cerebellar Model Articulation Controller—脑模型关节控制器)神经网络控制变磁阻式电动机 (SRM)转矩脉动减小的算法。该算法在保持原LMS算法优点的基础上,能确保电机以低速运转时最小化转矩脉动、铜耗及电机以高速运转时最小化转矩脉动、铜耗、电流的变化率均产生最佳的电流曲线。

关键词: 自适应控制, CMAC神经网络, 受约束的LMS算法, 减小转矩脉动, 变磁阻式电动机

Abstract: This paper presents a improved learning control algorithm in switched reluctance motors(SRM) for torque ripple reduction with a CMAC neural network.Based on maintaining the advantage of the original agorithm the approach allows the generation of optimal current profiles in terms of minimizing torque ripple and copper loss as the motor operates at low speeds,and of minimizing torque ripple,copper loss and rate of change of current as the motor runs at high speeds.

Key words: adaptive control, CMAC neural network, constrained LMS algorithm, torque ripple reduction, switched reductance motor

中图分类号:

TP18.6

王晓升. 一种控制SRM转矩脉动减小的算法[J]. 吉林大学学报(工学版), 2001, (2): 86-90.

WANG Xiao-sheng. An Algorithm for Controlling SRM Torque Ripple Reduction[J]. 吉林大学学报(工学版), 2001, (2): 86-90.

参考文献

[1] Shang C, Reav D S. Adapting CMAC neural networks with constrained LMS algorithm for efficient torque ripple reduction in switched reluctance motors［J］. IEEE Trans. Contr. Syst. Technol., 1999, 7(4):403～406.
[2] Kim C H. A new approach to feedback-linearizing control of variable reluctance motors for directdrive applications［J］.IEEE Trans. Contr. Syst. Technol., 1996, 4:348～362.
[3] Luo Z Q. On the convergence of the LMS algorithm with adaptive learning rate for linear feedforward networks［J］. Neural Comput, 1991,3:226～245.

相关文章 15

[1]	顾万里,王萍,胡云峰,蔡硕,陈虹. 具有H_∞性能的轮式移动机器人非线性控制器设计[J]. 吉林大学学报(工学版), 2018, 48(6): 1811-1819.
[2]	邵克勇, 陈丰, 王婷婷, 王季驰, 周立朋. 无平衡点分数阶混沌系统全状态自适应控制[J]. 吉林大学学报(工学版), 2017, 47(4): 1225-1230.
[3]	李志慧, 夏英集, 曲昭伟, 任景琛. 视频监控的数据驱动背景模型[J]. 吉林大学学报(工学版), 2017, 47(4): 1286-1294.
[4]	李兵强, 陈晓雷, 林辉, 吕帅帅, 马冬麒. 机电伺服系统高精度自适应反推滑模控制[J]. 吉林大学学报(工学版), 2016, 46(6): 2003-2009.
[5]	曹福成, 邢笑雪, 李元春, 赵希禄. 下肢康复机器人轨迹自适应滑模阻抗控制[J]. 吉林大学学报(工学版), 2016, 46(5): 1602-1608.
[6]	黄晶莹, 秦大同, 刘永刚. 基于自适应滤波的电动汽车电-液复合制动系统防抱死控制[J]. 吉林大学学报(工学版), 2016, 46(4): 1044-1051.
[7]	吴爱国, 杨硕, 张涵, 李长滨. 压机的调平和跟踪控制[J]. 吉林大学学报(工学版), 2014, 44(4): 1051-1056.
[8]	李慧, 段培永, 张庆范. 基于聚类的超闭球CMAC神经网络改进算法[J]. 吉林大学学报(工学版), 2012, 42(01): 170-175.
[9]	齐一名, 孔德刚, 臧雪柏, 赵桓衡. 基于ANFIS的磨矿过程控制算法[J]. 吉林大学学报(工学版), 2011, 41(增刊1): 231-234.
[10]	罗小元, 武晓晶, 吴学礼, 关新平. 一类非线性系统基于观测器的自适应容错控制[J]. 吉林大学学报(工学版), 2011, 41(02): 491-0496.
[11]	赵宏伟,齐一名,臧雪柏,张孝临,马英喆. 基于系统辨识与T-S模糊神经网络的磨矿分级控制[J]. 吉林大学学报(工学版), 2011, 41(01): 171-0175.
[12]	薛力军, 胡松华, 梁斌, 李成, 强文义. 不确定性空间机器人自适应Terminal滑模控制方法[J]. 吉林大学学报(工学版), 2010, 40(03): 800-0805.
[13]	王庆年，郑君峰，王伟华 . 一种新的并联混合动力客车的自适应控制策略[J]. 吉林大学学报(工学版), 2008, 38(02): 249-0253.
[14]	王岩青，姜长生 . 一类非线性不确定中立型系统的鲁棒自适应滑模控制[J]. 吉林大学学报(工学版), 2007, 37(04): 935-938.
[15]	张友安,，糜玉林，吕凤琳，孙富春,. 双连杆柔性臂自适应模糊滑模控制[J]. 吉林大学学报(工学版), 2005, 35(05): 520-0525.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed