基于改进粒子群算法的BP网络在DTC系统中的转速辨识  

Rotor Speed Identification on DTC System Based on BP Neural Network of Improved PSO Algorithms

作　　者：曹承志[1] 刘洋[1] 姜西羚[2] 王芳[1] 伞宏力[1] 

机构地区：[1]沈阳工业大学信息科学与工程学院,辽宁沈阳110023 [2]辽宁省水利水电勘测设计研究院,辽宁沈阳100006

出　　处：《系统仿真学报》2008年第20期5519-5522,共4页Journal of System Simulation

基　　金：辽宁省自然科学基金资助项目(20032032);教育部“春晖计划”合作科研项目(Z2005-2-11008);辽宁省教育厅高校科研项(20206331)

摘　　要：利用改进粒子群优化(PSO)算法优化BP神经网络的权值和阈值,有效地解决了BP算法易陷入局部极小值的缺点,能更快速的实现收敛,不仅具有广泛的映射能力,还明显提高了运算效率。通过对直接转矩控制(DTC)系统进行MATLAB/SIMULINK仿真研究,结果表明:基于PSO-BP神经网络构造的速度辨识器具有良好的辨识效果。To optimize the parameters of BP neural network,a modified particle swarm optimization （PSO） algorithm can achieve convergence faster and is effective to solve the defect that other BP algorithms easily plunge into local solution. With comprehensive mapping ability,it also promotes the efficiency visibly.The simulation of Direct Torque Control （DTC） system based on PSO-BP neural network is performed using MATLAB/SIMULINK. The result proves that the performance of rotor speed identification is satisfactory.

关 键 词：粒子群优化算法 BP神经网络 直接转矩控制 转速辨识 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]