我是應(yīng)屆生
2.神經(jīng)網(wǎng)絡(luò)的應(yīng)用
非常少的文章討論神經(jīng)網(wǎng)絡(luò)用于交流電機的控制，大量文章討論神經(jīng)網(wǎng)絡(luò)在交流電機和驅(qū)動系統(tǒng)的條件監(jiān)測和診斷中的運用。文獻(33)介紹了使用常規(guī)反向轉(zhuǎn)波算法的ANN用于步進電機控制算法的最優(yōu)化。該方案使用實驗數(shù)據(jù)，根據(jù)負載轉(zhuǎn)矩和初始速度來確定最大可觀測速度增量。這就需要ANN學(xué)習(xí)三維圖形映射。該系統(tǒng)與常規(guī)控制算法(梯形控制法)相比具有更好的性能，并且大大減少了定位時間，對負載轉(zhuǎn)矩的大范圍變化和非初始速度也有滿意的控制效果。文獻(34)用兩個ANNS控制和辯識感應(yīng)電機，但只給出了仿真研究。這是第一篇討論神經(jīng)網(wǎng)絡(luò)在感應(yīng)電機控制中的應(yīng)用，這個方案與3.1節(jié)中討論的直流驅(qū)動方案類似，ANNS的結(jié)構(gòu)是多層前饋型，運用常規(guī)反向傳播學(xué)習(xí)算法。該系統(tǒng)由兩個子系統(tǒng)構(gòu)成，一個系統(tǒng)通過電氣動態(tài)參數(shù)的辯識自適應(yīng)控制定子電流，另一個系統(tǒng)通過對機電系統(tǒng)參數(shù)的辯識自適應(yīng)控制轉(zhuǎn)子速度。該文討論了這些控制方案與常規(guī)方案的各種優(yōu)點。
文獻(35)討論了基于人工神經(jīng)網(wǎng)絡(luò)的電氣機械系統(tǒng)，文獻(36)介紹了運用直接控制ANN觀測電壓源PWM供電的感應(yīng)電機矢量控制系統(tǒng)中的磁通的方法。這種基于ANN的磁通觀測器的主要優(yōu)點是對諧波具有免疫性。ANN是使用反向傳播學(xué)習(xí)算法的多層前饋類型。ANN觀測的磁通具有振蕩性，因而引起轉(zhuǎn)矩振蕩。如果用別的方法，可能得到更好的結(jié)果。
我是應(yīng)屆生
最后值得指出的是現(xiàn)在發(fā)表的大多數(shù)有關(guān)ANN對各種電機參數(shù)估計的論文，一個共同的特點是，它們都是用多層前饋ANNS，用常規(guī)反向傳播算法，只是學(xué)習(xí)算法的模型不同或被估計的參數(shù)不同。 我是應(yīng)屆生
四、結(jié)論
我是應(yīng)屆生
本文試圖對人工智能電氣傳動控制系統(tǒng)領(lǐng)域的進展做一回顧。內(nèi)容涉及模糊控制、神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)在電氣傳動系統(tǒng)中的應(yīng)用，討論了模糊、神經(jīng)和模糊神經(jīng)控制器等人工智能技術(shù)的優(yōu)點。也討論了人工智能最小配置的應(yīng)用。但到目前為止，使用人工智能技術(shù)的變速傳動工業(yè)產(chǎn)品才剛剛出現(xiàn)，只有兩家公司推出他們的產(chǎn)品。雖然使用人工智能技術(shù)的實際產(chǎn)品和應(yīng)用還不多，但不久的將來，人工智能技術(shù)在電氣傳動領(lǐng)域?qū)〉弥匾牡匚?，特別是自適應(yīng)模糊神經(jīng)控制器將在高性能驅(qū)動產(chǎn)品中得到廣泛使用。34 下一頁 Tag：
登陸|注冊歡迎登陸本站，認識更多朋友，獲得更多精彩內(nèi)容推薦！