基于神经网络的开关磁阻电机无位置传感器控制

论文提出了基于自适应径向基函数(radialbasisfunction,RBF)神经网络的开关磁阻电机(SRM)无位置传感器控制新方法。该方法构造了一个隐层节点初始个数为零的RBF网络,通过在训练过程中不断按照自适应算法添加和删除隐层单元,形成一个结构简单、紧凑的网络来实现电机电压、磁链与转子位置之间的非线性映射,实现SRM的无位置传感器控制。网络训练分为离线训练和在线训练两个部分。利用训练样本按给出的自适应算法对网络进行离线训练,确定RBF网络隐层节点的个数及位置;按递推最小二乘法(RLS)在线修正隐层与输出层之间的连接权。仿真及实验结果表明,该方法能够实现电机的准确换相,从而实现了位置传感器的消去。