论文部分内容阅读
针对在使用自适应神经网络模糊推理系统对开关磁阻电机进行建模的过程中收敛速度慢的问题，采用将遗传算法和自适应神经网络模糊推理系统相结合的开关磁阻电机建模方法。网络结构仍然采用具有很强鲁棒性和自适应性的Takagi—Sugeno模型，而在网络参数训练时将遗传算法与自适应神经网络模糊推理系统的传统混合学习算法相结合，以提高训练速度。根据实测的8／6极开关磁阻电机的样本数据，对开关磁阻电机的电感和转矩进行建模，仿真结果表明，该方法具有很高的精确度和很强的泛化能力，并且将收敛速度提高了两倍多。将所建模型应用到开关磁