科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对有限集模型预测转矩控制(MPTC)计算负担大导致实时性较差的问题,提出了基于数据驱动的永磁同步电机深度神经网络(DNN)控制方法。通过训练深度神经网络,使其学习并逼近MPTC的电压矢量选择规律,从而取代MPTC进行电压矢量的选择。通过扩充动态数据集,解决因动静态数据失衡引起的系统失控问题。通过更换训练数据集,基于数据驱动的DNN可学习并实现带非线性约束环节的MPTC。仿真验证了基于数据驱动的永磁同步电机神经网络控制的可行性,电机系统运行良好,可实现四象限运行,稳态控制效果与MPTC基本相当。
- 单位
