Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Przegląd Elektrotechniczny

1 2012

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Bearingless Motors

Sortuj według:

Ogranicz wyniki do:

Displacement Self-sensing of Bearingless Switched Reluctance Motors Based on LS-SVM

Zhu Z., Sun Y., Huang Y., Ji X.

Przegląd Elektrotechniczny

2012

R. 88, nr 12a

310-313

To achieve the rotor radial displacement self-sensing for a bearingless switched reluctance motor (BSRM), a new displacement estimation method using least squares support vector machine (LS-SVM) was proposed. Firstly, the working principle and mathematic of a 3-phase 12/8 pole BSRM was introduced in brief. Then taking advantage of LS-SVM with better solution for small-sample learning problem and strong generalization ability, two LS-SVMs were trained off-line to obtain two efficient nonlinear mapping structures to express the dynamic behavior of BSRM. The LSSVM training data set is comprised of representative experimental data with current {i | i = (isa1, isa2, ima)} and rotor position θ as inputs and the corresponding displacements {D | D=(α , β )}as outputs. As well as giving a detailed explanation of the new method, simulation and experimental results were presented. It shows that the proposed LS-SVM-based displacement self-sensing method has high precision and operation efficiency.

W artykule przedstawiono uczący się estymator przesunięcia dla bezłożyskowego silnika o przełączanej reluktancji (BSRM), wykorzystujący metodę LS-SVM (ang. Least Square Support Vector Machines). Opisano zasadę działania i model matematyczny silnika BSRM 3- fazowego 12/8 biegunowego. W celu uzyskania efektywnej struktury mapowania nieliniowego do określenia stanów dynamicznych, zastosowano dwa algorytmy, które zostały nauczone offline. Estymator poddano weryfikacji symulacyjnej i eksperymentalnej.