Loading
力之源-智能驱动引领者!
针对传统神经网络用于开关磁阻电动机转子位置间接检测时存在网络结构确定困难和训练过程过于复杂的问题，将利用回声状态网络来实现转子位置检测。这种新型的网络利用储备池和线性回归算法简化了网络设计和训练过程，使得模型具有良好的收敛速度和实用性。利用离线获取的磁特性数据建立的转子位置预测模型，与基于BP和RBF神经网络的预测模型相比，在保证良好预测精度的前提下，具有计算简单，收敛速度快等优势。实验结果表明该模型可以快速准确地实现转子位置检测，为开关磁阻电动机的转子位置检测提供了一种新方法。
开关磁阻电动机（一下简称SRM）自问世以来，因结构简单坚固、运行效率高、容错性好喝成本低等优点，在航空航天、电动机车、伺服系统和日用家电中得到了广泛的应用，在油田和矿井等恶劣环境中也有着良好的发展前途。其中，转子位置信号的准确获取是SRM能否正常运行的关键。目前常用的信号检测方法是直接通过机械式位置传感器来获取，但这种类型的位置传感器由于需要附加相应的机械装置与信号处理电路，在一定程度上削弱电机本体结构简单的优点，而且降低系统在粉尘、油污等恶劣环境下运行的可靠性。因此，寻求一种取代机械式位置传感器的间接转子位置检测方法成为当前SRM研究的热点之一。
了解更多开关磁阻电机知识 请点击http://www.linixgz.com/
