文献

J-GLOBAL ID：201902237928326850   整理番号：19A2534859

再構成ニューラルネットワークモデルとスイッチドリラクタンスモータの定トルク制御【JST・京大機械翻訳】

Reconstructed Neural Network model and Constant Torque Control for Switched Reluctance Motor

著者 (6件)： Dang Xuanju (桂林電子科技大学 電子工程与自動化学院,广西 桂林,541004) ,  Chen Tong (桂林電子科技大学 電子工程与自動化学院,广西 桂林,541004) ,  Jiang Hui (桂林電子科技大学 電子工程与自動化学院,广西 桂林,541004) ,  Wu Xiru (桂林電子科技大学 電子工程与自動化学院,广西 桂林,541004) ,  Zhang Xiangwen (桂林電子科技大学 電子工程与自動化学院,广西 桂林,541004) ,  Tang Shijie (桂林電子科技大学 電子工程与自動化学院,广西 桂林,541004)
資料名： Zuhejichuang yu Zidonghua Jiagong Jishu  (Zuhejichuang yu Zidonghua Jiagong Jishu)
号： 9  ページ： 72-76  発行年： 2019年 
JST資料番号： C4103A  ISSN： 1001-2265  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： スイッチドリラクタンスモータ(SRM)の正確なモデリングとトルク制御電流によるトルクリップルの過大な問題を解決するために,新しいトルク-電流ニューラルネットワークモデルを,定トルクで制御電流を得るために提案した。新しいニューラルネットワークにおいて,SRMのトルク-電流特有の強い非線形特性に対して,SRM電流の基本変化を記述する新しい励起関数を設計し,ニューラルネットワーク構造をSRMの本質的な特性に近づけることができ,モデリングの速度を加速し,モデリング精度を改善した。再構成されたニューラルネットワークモデルは,オンライン学習を通して,一定のトルクで対応する制御電流を制御して,SRMを制御して,トルクリップルを効果的に抑制した。シミュレーションの結果は,汎用ニューラルネットワークと比較して,提案した再構成ニューラルネットワークモデルが,SRMの強い非線形特性をより良く記述でき,トルクリップルを効果的に抑制する,一定のトルクでの対応する制御電流を得ることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： モデリング ,  電流 ,  *トルク制御 ,  *スイッチドリラクタンスモータ ,  *トルク ,  *再構成 ,  *ニューラルネットワーク ,  励起関数
準シソーラス用語： オンライン学習 ,  トルクリプル ,  *神経回路網モデル , 【Automatic Indexing@JST】

分類 (1件)： 電動機  (NB07030U)

タイトルに関連する用語 (4件)： 再構成 ,  ニューラルネットワークモデル ,  スイッチドリラクタンスモータ ,  トルク制御