简介：提出了一种基于模糊RBF神经网络的永磁同步电机DTC控制方案。该方案是在直接转矩控制系统的基础上,在模糊控制器前端加入了RBF神经网络模块,在对转矩误差、定子磁链误差和磁链角度进行映射前,对其进行数据处理获得合理的模糊分级,并作为模糊控制器的输入以便选择合理的电压空间矢量。RBF神经网络模块的加入使得系统具有更好的鲁棒性,仿真结果表明,基于模糊RBF神经网络的永磁同步电机DTC控制系统具有较好的动、静态性能,能够实现快速响应。
简介：给出了一种利用BP神经网络从中子活化测量数据中直接求解1MeV等效中子注量的新方法。该方法选用了含两层隐藏层的BP神经网络,并围绕先验谱建立输入输出集合,对网络进行训练、检验和测试,最终形成含20个BP神经网络的网络群。该BP神经网络群可实现在输入测量活化率数据后,直接输出相应的1MeV等效中子注量。利用该方法求解了西安脉冲堆大空间中子辐照实验平台内的1MeV等效中子注量。与实测中子能谱计算的1MeV等效中子注量结果对比,二者偏差小于6.6%。
基于模糊RBF神经网络的永磁同步电机DTC控制研究
基于BP神经网络从活化数据中求解1MeV等效中子注量
