论文部分内容阅读
步进电机细分控制中电机绕组电流与电机角度输出是一种非线性函数，其精确拟合是步进电机细分控制中的一个重要课题，应用神经网络对其模拟是一种新尝试。针对前馈神经网络的反向传播（BP）学习算法在逼近非线性函数时收敛速度慢，没有先验知识的缺点，提出利用基于知识的人工神经网络（KBANN）来确定步进电机的最佳细分电流数据。仿真结果表明，KBANN具有精度高、速度快的特点，能够实现步进电机均匀步距的细分控制。