遗传优化最小二乘支持向量机在开关磁阻电机建模中应用.pdfVIP

第 29 卷 第 12 期 中 国 电 机 工 程 学 报 Vol.29 No.12 Apr. 25, 2009 2009 年 4 月 25 日 Proceedings of the CSEE ©2009 Chin.Soc.for Elec.Eng. 65 0258-8013 (2009) 12-0065-05 TH 112 TM 352 A 470 40 文章编号： 中图分类号： ； 文献标志码： 学科分类号： ⋅ 遗传优化的最小二乘支持向量机 在开关磁阻电机建模中的应用 尚万峰，赵升吨，申亚京 (西安交通大学机械工程学院，陕西省 西安市 710049) Application of LSSVM Optimized by Genetic Algorithm to Modeling of Switched Reluctance Motor SHANG Wan-feng, ZHAO Sheng-dun, SHEN Ya-jing (School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an 710049, Shaanxi Province, China) ABSTRACT: Considering the nonlinear flux-linkage 0 引言 characteristic of switched reluctance motor (SRM), least square 开关磁阻电机(switched reluctance motor，SRM) support vector machine (LSSVM) optimized by adaptive 以其结构简单、工作可靠、转矩惯量比大、效率高 genetic algorithm (AGA) and implemented it for modeling nonlinear characteristic of SRM. When the LSSVM is trained 和成本较低等优点，近年来被广泛应用于电气传动 with sufficient sample data, AGA is applied to optimize super 领域，成为继交流电机和直流电机的又一强有力的 parameters of LSSVM via minimizing fitting errors between 竞争对手。但是，由于该类电机定、转子采用的是 forecasted data and measured data. With the trained LSSVM, 双凸极结构，磁路高度饱和，使得其磁链特性和转 the forecasted data of the model are compared with measured 矩特性均为转子位置角和绕组电流的高度非线性函 data, and error analyses are given to evaluate performances of 数，难以精确分析和计算磁特性，而建立 SRM 准 the proposed model. The experimental results demonstrate that 确的非线性模型是提高其调速系统性能的关键。 LSSVM optimize