刘畅;王立勇;吴健鹏;张喜明;针对传统永磁同步电机(permanent magnet synchronous motor, PMSM)损耗预测方法精度低、易陷入局部最优等问题,提出一种基于天牛须搜索(beetle antennae search, BAS)算法优化的反向传播(back propagation, BP)神经网络损耗预测模型。首先,基于有限元方法构建PMSM的电磁场损耗计算仿真模型,并利用最佳空间填充试验设计方法,选取了400组控制参数组合(定子电流、转速、电压和内功率因数角)进行仿真求解,获得用于神经网络训练的数据集。其次,在此基础上,引用BAS算法对BP网络的初始权重和偏置进行全局优化,提升网络对复杂非线性关系的拟合能力,加快训练收敛速度,增强模型预测稳定性。最后,构建多输出预测模型BASBP,该模型可同时预测定子铁损、转子铁损、绕组铜损及永磁体涡流损耗。实验结果表明,BAS-BP模型对各类损耗均具备良好的预测能力,在平均绝对百分比误差(mean absolute percentage error,MAPE)、平均绝对误差(mean absolute error, MAE)与均方根误差(root mean square error, RMSE)等误差指标上明显优于传统BP网络,体现出更高的预测精度。
2025年05期 v.40;No.167 45-53页 [查看摘要][在线阅读][下载 2513K] [下载次数:40 ] |[网刊下载次数:130 ] |[引用频次:0 ] |[阅读次数:140 ]