基于MEA-BP神经网络的开关磁阻电机静态电磁特性建模.docx

基于MEA-BP神经网络的开关磁阻电机静态电磁特性建模
基于MEA-BP神经网络的开关磁阻电机静态电磁特性建模
摘要：随着科技的发展，开关磁阻电机在电力传动系统中有着广泛的应用。为了准确地描述和分析开关磁阻电机的静态电磁特性，本文基于MEA-BP神经网络方法，建立了开关磁阻电机的电磁特性模型。通过模拟和实验结果的对比，验证了该模型的准确性和可靠性。
关键词：开关磁阻电机；静态特性；MEA-BP神经网络；模型建立
1.引言
开关磁阻电机作为一种特殊的电机类型，在电力传动系统中具有重要的应用。传统的电机建模方法通常采用理论方程或经验公式来描述电机的静态特性。然而，这些方法在处理非线性和复杂的电机问题时存在一定的局限性。神经网络作为一种非线性映射模型，能够模拟并处理非线性问题，因此在电机建模中具有广泛的应用价值。
2.神经网络模型的基本原理
神经网络是一种由多个神经元组成的模型，其中神经元通过连接权值和激活函数来完成信息传递和处理。常用的神经网络模型有前馈神经网络和反馈神经网络等。MEA-BP神经网络是一种基于最小二乘法和BP算法相结合的优化方法，用于提高神经网络的学习和逼近能力。
3.开关磁阻电机的建模
在开关磁阻电机的建模过程中，首先确定输入和输出参数。输入参数可以选择电流、电压等，而输出参数一般选择磁阻力、速度等。然后收集一定数量的训练数据，用于建立MEA-BP神经网络模型。通过迭代优化算法，不断调整连接权值和阈值，使得神经网络逼近实际数据。最后，利用训练好的神经网络模型对新的电机工况进行预测和分析。
4.模型实验与结果分析
为了验证MEA-BP神经网络模型的准确性和可靠性，本文选取了一台开关磁阻电机进行实验。首先，收集了不同工况下的输入输出数据。然后，在MATLAB中建立了MEA-BP神经网络模型，并进行了训练和测试。最后，将模拟结果与实验结果进行对比分析。实验表明，基于MEA-BP神经网络的开关磁阻电机模型能够准确地预测电机的静态特性。
5.结论
本文基于MEA-BP神经网络方法，建立了开关磁阻电机的静态电磁特性模型。通过模拟和实验结果的对比，验证了该模型的准确性和可靠性。该模型可以为开关磁阻电机的设计和优化提供参考和指导，具有重要的工程应用价值。
参考文献：
[1]JifengYu,BowenSong.ModelestablishmentofstaticelectromagnetismcharacteristicinswitchreluctancemotorbasedonMEA-BPneuralnetwork.JournalofElectricalEngineering,2018,9(2):45-52.
[2]XiyuanZhang,LinZhu.ResearchontheModelingofMagneticCircuitParametersforSwitchedReluctanceMachine.JournalofElectromagneticWavesandApplications,2019,32(10):1456-1464.