[发明专利]一种基于深度学习网络的SRM转矩脉动抑制方法在审
| 申请号： | 201910714197.8 | 申请日： | 2019-08-03 |
| 公开（公告）号： | CN110545062A | 公开（公告）日： | 2019-12-06 |
| 发明（设计）人： | 李孟秋;蔡辉;沈仕其 | 申请（专利权）人： | 湖南贝加尔动力科技有限公司 |
| 主分类号： | H02P25/098 | 分类号： | H02P25/098;H02P23/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 410000 湖南省*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度学习网络的SRM转矩脉动抑制方法，包括以下步骤：1)建立开关磁阻电机数学模型；2)搭建控制系统框图并建立控制逻辑流程图；3)搭建网络模型结构；4)进行Dropout深度学习网络的离线训练。提出设计一种基于随机Dropout深度学习网络的转矩观测器，通过优化网络结构，使转矩‑电流‑位置等非线性数据快速收敛拟合，提高了实际转矩的采集准确性及实时性。 | ||
| 搜索关键词： | 开关磁阻电机 控制系统框图 转矩脉动抑制 非线性数据 逻辑流程图 转矩观测器 网络 建立控制 快速收敛 离线训练 实际转矩 数学模型 网络结构 网络模型 实时性 拟合 转矩 学习 采集 优化 | ||
【主权项】：
1.一种基于深度学习网络的SRM转矩脉动抑制方法，其特征在于，包括以下步骤：/n1)建立开关磁阻电机数学模型；/n2)搭建控制系统框图并建立控制逻辑流程图；/n3)搭建网络模型结构；/n4)进行Dropout深度学习网络的离线训练。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于湖南贝加尔动力科技有限公司，未经湖南贝加尔动力科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910714197.8/，转载请声明来源钻瓜专利网。
