动态驱动神经网络辨识永磁直线同步电动机模型

永磁直线同步电动机(PMLSM)模型的建立对研究其稳态特性、动态特性和控制策略都是非常重要的.本文利用动态驱动神经网络对其进行建模,并在代价函数一致的基础上加入残差分析法来辨识模型的阶次,使得神经网络具有自动识别阶次的能力.为了克服神经网络结构依靠人工试凑的不足,使用基于Hession矩阵的修剪法来优化其结构.考虑到改进BP算法(学习速率自适应、动量项的方法)的一些固有缺点,使用NDEKF(基于节点的解耦扩展Kalman滤波器算法)来训练网络.实验证明,混合网络能够准确辨识出试验样机的阶次并且输出结果与实际结果十分接近;同时将NDEKF与改进BP算法进行对比,NDEKF算法具有收敛较快、泛化能力强等特点.