基于長(zhǎng)短記憶模式遞歸神經(jīng)網(wǎng)絡(luò)(LSTM--RNN)的異步電機(jī)參數(shù)辨識(shí)研究.pdf

1、感應(yīng)電動(dòng)機(jī)具有結(jié)構(gòu)簡(jiǎn)單、制造成本低廉、質(zhì)量較小、使用和維護(hù)方便以及運(yùn)行可靠等優(yōu)秀特點(diǎn)，廣泛的應(yīng)用于現(xiàn)代工業(yè)中。感應(yīng)電機(jī)矢量控制的出現(xiàn)與改進(jìn)提高了電機(jī)驅(qū)動(dòng)性能。作為矢量控制的關(guān)鍵部分，參數(shù)辨識(shí)的精確度影響矢量控制的性能，尤其是轉(zhuǎn)子電阻的精確度。針對(duì)經(jīng)典的異步電機(jī)參數(shù)辨識(shí)模型在其參數(shù)辨識(shí)時(shí)存在精度低、容易陷入局部最優(yōu)解和過(guò)擬合等問(wèn)題的，本文提出了LSTM-RNN(long short term memory recurrent neural

2、 network)長(zhǎng)短記憶型神經(jīng)網(wǎng)絡(luò)對(duì)感應(yīng)電機(jī)轉(zhuǎn)子電阻辨識(shí)的一種新方法。將LSTM-RNN神經(jīng)網(wǎng)絡(luò)辨識(shí)結(jié)果與BP、RNN相比較，實(shí)驗(yàn)結(jié)果驗(yàn)證了本文所提方法的有效性與正確性。
　　全文主要研究?jī)?nèi)容如下:
　　1.介紹了異步電機(jī)參數(shù)辨識(shí)的研究現(xiàn)狀與基于神經(jīng)網(wǎng)絡(luò)的感應(yīng)電機(jī)參數(shù)辨識(shí)研究現(xiàn)狀以及RNN/LSTM的研究現(xiàn)狀。
　　2.介紹了異步電機(jī)在三種坐標(biāo)系下的動(dòng)態(tài)數(shù)學(xué)模型，并且推導(dǎo)了三種坐標(biāo)系相互轉(zhuǎn)換的表達(dá)式。
　　3.

3、闡述了BP、RNN神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)方法、訓(xùn)練過(guò)程以及研究理論，闡述了基于BP、RNN神經(jīng)網(wǎng)絡(luò)的異步電機(jī)轉(zhuǎn)子電阻參數(shù)辨識(shí)的研究方法，并對(duì)仿真結(jié)果進(jìn)行分析比較。
　　4.研究了LSTM-RNN長(zhǎng)短記憶型神經(jīng)網(wǎng)絡(luò)的理論知識(shí)與模型結(jié)構(gòu)，通過(guò)LSTM-RNN神經(jīng)網(wǎng)絡(luò)對(duì)異步電機(jī)轉(zhuǎn)子電阻進(jìn)行辨識(shí)，并對(duì)仿真結(jié)果進(jìn)行分析比較，將會(huì)證明這種新型神經(jīng)網(wǎng)絡(luò)的優(yōu)越性。
　　5.利用深度學(xué)習(xí)中的自動(dòng)編碼器與降噪編碼器對(duì)轉(zhuǎn)子電阻進(jìn)行辨識(shí)研究，仿真與實(shí)驗(yàn)