基于GRNN的永磁力矩电机复杂轨迹进给位置误差预测研究

论文摘要

为了提高力矩电机转子位置的精度,考虑影响力矩电机位置精度的主要因素,使用广义回归神经网络(GRNN)建立了力矩电机转子位置误差预测模型。该模型采用实验台运行的正弦轨迹数据为训练样本,三角波轨迹运行数据为测试样本。选取40组正弦波轨迹数据和10组三角波轨迹数据进行仿真预测和验证。以正弦波信号的指令位置和指令速度作为模型的输入,以三角波信号的位置误差作为输出。结果表明建立的力矩电机转子位置误差预测模型的精度要高于其他神经网络(BP、Elman),文中所建立的GRNN模型能够有效预测力矩电机复杂轨迹进给位置误差。

论文目录

• 0 引言
• 1 GRNN力矩电机位置误差预测方案
•   1.1 广义回归神经网络基本原理
•   1.2 GRNN模型计算方法
•   1.3 力矩电机位置误差GRNN模型拓扑结构
• 2 GRNN位置误差模型训练及结果分析
•   2.1 GRNN算法的实现
•   2.2 样本数据采集实验平台
•   2.3 预测数据分析
• 3 结论

文章来源

类型: 期刊论文

作者: 于嘉龙,彭宝营,侯明鹏,杨庆东,耿冬冬

关键词: 永磁力矩电机,复杂轨迹,神经网络,误差预测

来源: 组合机床与自动化加工技术 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 北京信息科技大学机电工程学院,北京机科国创轻量化科学研究院有限公司

基金: 国家自然科学基金项目(51575056),北京市教育委员会科技计划项目(KM201711232001)

分类号: TM359.6

DOI: 10.13462/j.cnki.mmtamt.2019.12.015

页码: 61-64

总页数: 4

文件大小: 648K

下载量: 63