基于GPFN人工神经网络的开关磁阻电机控制.pdfVIP

科 苑 ∞JE 0卜-l∞ 基于GPFN人工 神经网络的开关磁阻 开关磁阻电动机调速系统(SRD)是一种变参数、变结 构的非线性控制系统，用常规的控制方法往往达不到理想的 控制性能。本文提出 种新型的人工神经网络控制方法—— 利用GPFN人工神经网络来实时调整PI参数的控制方法。 _ 孙建忠 白凤仙 大连理工大学 一 、 GPFN人工神经网络在SRD控 应用于开关磁阻电机控制系统中 (i=1，2) 制系统中的应用 的GPFN神经网络为一个3层前馈网 第3层 ： 1．GPFN人工神经网络的原理 络，具有双输入、单输出，其结构如 = c；2() y=o。=∑u。 GPFN神经网络是一种非常有效 图 1所示。 (i=1，2) 的前馈网络，能够对任意连续非线性 网络各层的输入输出关系为 ： GPFN神经网络采用变尺度t 映射形成任意精度上的逼近 ，它的隐 第 1层 ： 学习算法 (MDFP)来训练网络的 O．‘¨+ u ‘¨ 含层由计算机节点组成，每个节点包 ． =X． (i=1，2) (3) W、高斯基函数的参数a，、b，。 含一个称为变换中心矢量和控制径向 第2层 ： 的目标函数为： 基函数的形状参数。网络的第k个节 m m ■ 点的输出为 ： ： 唧 卜1 J=∑E= [ya(k)一y(k)】2 I M y(k)= gh(t) (1) 式中W ；为隐含层到输出层的连 接权，M为隐含层节点个数，隐含层 单元的输出采用高斯基函数。 ㈣-a pl-『J(2『) (j=1。2，…，M)， O 式中×=[X1，X2，……，X]。为输 入向量，a；为隐含层第 j个神经元的变 图1双输入、单输出GPFN神经网络结构圈 换中心矢量，b为基函数的形状参数。 98 2o09年6月号 Sci—TechStars 科苑 ·实践 V = g a = 一 [ya(k)一y(k)]gq㈤ (13) (k)g 由此可得出a；的迭代公式为 ： H (a；)=I (14) ()= +VE(每) (