申请/专利权人：苏州市职业大学

申请日：2024-01-08

公开（公告）日：2024-06-25

公开（公告）号：CN117895839B

主分类号：H02P21/00

分类号：H02P21/00;H02P21/18

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种磁通切换型无轴承永磁记忆电机的位移速度并行控制方法，涉及电力传动控制设备技术领域，本发明的径向基函数神经网络萤火虫算法可以利用神经网络的映射特性观测转子位移，结合工况参数更新机制，实时调整并行控制器的参数，实现高精度的位移控制和速度检测，具有较好的全局最优解和高质量局部解的快速求解能力，从而实现磁通切换型无轴承永磁记忆电机不同给定转速和位移的高精度控制。

主权项：1.一种磁通切换型无轴承永磁记忆电机的位移速度并行控制方法，其特征在于，对磁通切换型无轴承永磁记忆电机建模，确定影响转子位移和速度因素的设计变量，设计变量包括磁通切换型无轴承永磁记忆电机转子位移和速度；采用任意两只萤火虫和，和分别表示磁通切换型无轴承永磁记忆电机转子位移和速度的输入量，和分别为和的第k个离散量，和之间的距离ri，j表示为下式： 其中，k、c均为整数，c为离散量总数，N为数据样本点的个数；确定第i个激励函数 其中，αi为第i个扩展函数，αi影响所训练神经元效率，Ci为第i个神经元的中心坐标矢量，为径向基函数神经网络各项权值，i＝1，2，…，n；j＝1，2，…，m；n为输入量维数，m为模糊分割数；径向基函数神经网络输出层有j个神经元，隐藏层中的神经元通过设置位移、速度映射层加权因子wij，连接到输出层中任一神经元；将公式2的计算所得传递至输出层中的第j个神经元yj；同时径向基函数神经网络中加入第j个偏移参数βj并输出第i个矢量函数 其中，为第j个神经元的均方误差；在训练径向基函数神经网络时，求出当作基准最小值得出径向基函数神经网络的均方误差MSE； 其中，t为迭代次数，tmax为最大迭代次数，α0为常数，为第i个预期输出矢量；径向基函数神经网络的性能取决于映射层的神经元数量影响，结合萤火虫算法来训练径向基函数神经网络前，需明确萤火虫算法的结构形式u；u＝w1,w2,…,wn,α1,α2,…,αn,C1,C2,…,Cn,β1,β2,…,βm6其中，wi是第i个前件网络参数；结合式6，组成隐含层的转子位移、速度映射层的映射函数ftpi和ftvi，分别表示为 其中，bpj和bvj分别为转子位移和速度高斯基函数的标准偏差；X为隐藏层输出矢量；Cpi和Cvi分别为ftpi和ftvi的中心矢量集；exp·为径向基函数指数形式；找出代表磁通切换型无轴承永磁记忆电机转子位移和速度的输入量的任意两只萤火虫、使得ftpi与ftvi之和最大。

全文数据：

权利要求：

百度查询： 苏州市职业大学 磁通切换型无轴承永磁记忆电机的位移速度并行控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD