论文部分内容阅读
在已知SRM静态磁特性曲线的基础上,将一种自适应RBF网络应用于SRM的建模中。该网络采用组合聚类的方法动态确定RBF神经网络的隐层节点数及网络中心,克服了传统RBF网络把每个数据点都作为隐层节点,当数据量较大时致使网络结构冗余较大、学习速度较慢的缺点,同时又保持了传统RBF网络的优点。与传统的RBF网络相比,所设计的自适应网络节点少,精度能够满足要求。仿真结果表明,该模型能够较好地反映电机磁特性,所建立的SRM驱动系统仿真模型具有较好的通用性,为SRM的设计分析与新型控制策略的验证提供了基础。