龙源期刊网 http://www.qikan.com.cn
基于遗传算法优化的BP神经网络在无速度传感器中的应用
作者：刘奕
来源：《教学考试》2017年第13期
摘 要：本文提出了智能算法优化的无速度传感器应用于直接转矩控制系统的策略。通过BP神经网络在DTC系统速度辨识的基础上，利用遗传算法对BP神经网络速度辨识器进行了優化设计。仿真结果表明，智能算法的运用使得神经网络得到了很大的优化，基于智能算法的无速度传感器直接转矩控制系统具有更加良好的稳定特性。
关键词：直接转矩控制；无速度传感器；BP神经网络；遗传算法 中图分类号：G312 文献标识码：A 文章编号：2095-2627（2017）13-0125
直接转矩控制（DTC）技术自问世以来，就以其新颖的控制思想，优良的动静态特性，得到普遍的关注。高性能交流调速系统，速度闭环是必不可少的。为了实现电机转速和位置的反馈控制，需在电机端安装速度传感器，但此方法给系统带来了成本增加、体积增大、可靠性降低等一系列的缺点。由于交流调速系统本身的复杂性，速度辨识一直是一个棘手的问题，而随着智能算法的迅速发展，无速度传感器技术得到了很大的提升；模糊逻辑控制、人工神经网络等一系列智能控制理论得到了广泛的应用。而作为发展最为成熟的BP神经网络本身也存在着很多的缺陷，因此采用遗传算法对BP网络结构和权值进行优化，提高了网络的预测精度，加快了收敛速度，克服了以往传统预测方法的缺点，仿真结果表明速度辨识更加优良。 一、直接转矩控制的基本方程
交流异步电机在静止坐标系下的数学模型可以推导出： （1）
从式中可以清楚的看到，电机转速r与定子电压、定子电流之间存在着一种极为复杂的非线性的映射关系。
二、 遗传算法优化BP速度辨识器的设计
图1所示，遗传算法优化BP神经网络分为BP神经网络的确定、遗传算法优化和BP神经网络预测三个部分。
图1所示，BP神经网络的确定包含确定网络拓扑结构和初始化网络权值和阈值，通过确定BP神经网络的输入、输出、隐含层的节点数确定网络的拓扑结构，随机初始化权值和阈值