无轴承永磁同步电机最小二乘支持向量机非线性建模

被引:5
作者
孙晓东 [1 ,2 ]
朱熀秋 [2 ]
杨泽斌 [2 ]
张涛 [2 ]
机构
[1] 江苏大学汽车工程研究院
[2] 江苏大学电气信息工程学院
关键词
无轴承永磁同步电机; 非线性模型; 最小二乘支持向量机; 建模;
D O I
暂无
中图分类号
TM341 [同步电机];
学科分类号
080801 ;
摘要
无轴承永磁同步电机的磁链特性表现为严重的非线性,常规的解析法所建立的模型难以准确反映无轴承永磁同步电机的实际特性.因此,提出利用最小二乘支持向量机建立无轴承永磁同步电机非线性模型的新方法.在介绍最小二乘支持向量机回归理论的基础上,利用有限元法得到的样本建立了无轴承永磁同步电机的最小二乘支持向量机非线性模型,并与神经网络方法进行了比较.仿真结果表明,所建模型具有较好的鲁棒性和预测精度.最后给出了应用该模型实现无轴承永磁同步电机优化控制的方法.
引用
收藏
页码:524 / 528
页数:5
相关论文
共 5 条
[1]   船舶航向保持变论域模糊–最小二乘支持向量机复合控制 [J].
刘胜 ;
王宇超 ;
傅荟璇 .
控制理论与应用, 2011, 28 (04) :485-490
[2]   基于支持向量机的电弧炉逆内模控制器 [J].
李磊 ;
毛志忠 ;
贾明兴 ;
刘芳 .
控制理论与应用, 2010, 27 (11) :1455-1462
[3]   基于粒子群优化的非线性系统最小二乘支持向量机预测控制方法 [J].
穆朝絮 ;
张瑞民 ;
孙长银 .
控制理论与应用, 2010, 27 (02) :164-168
[4]   Bearingless motor's radial suspension force control based on flux equivalent with virtual winding current analysis method [J].
Zhu HuangQiu ;
Cheng QiuLiang .
CHINESE SCIENCE BULLETIN, 2009, 54 (09) :1590-1598
[5]  
A Probabilistic Framework for SVM Regression and Error Bar Estimation[J] . J.B. Gao,S.R. Gunn,C.J. Harris,M. Brown. Machine Learning . 2002 (1)