论文部分内容阅读
直接转矩控制（DTC）是一种优良的控制策略，但它在实际应用中会因采样、计算延时而导致控制误差。由于神经网络具有强鲁棒性、并行计算、自学习的优势，因此神经网络直接转矩是一种降低制误差的方法。本文完全用神经网络实现了直接转矩控制策略。应用的神经网络类型主要是定权值型神经网络和监督型神经网络。根据直接转矩控制的特点，将神经网络DTC分为五个子神经网络，进行分别训练。最后，对基于神经网络直接转矩控制异步电动机传动进行仿真，结果表明如果利用神经网络的优势可以提高直接转矩控制的性能，并且可充分利用现代电力电子开关频率