数据驱动RBF网络

规定性能下抗扰更优

用实时与历史数据训练径向基函数网络,逼近参数不确定与周期性扰动带来的非线性动态,提升永磁同步电机速度控制的鲁棒性。

Lin, Xinpo · Ruiqi, Xu · 姚蔚然 · Yabin, Gao · Sun G. · 刘健行 · Peretti, Luca · 吴立刚

IEEE Transactions on Industrial Informatics 2024

技术优势

误差不越限

规定性能控制确保原始速度误差严格在预设区域内演化,避免超调。

扰动被补偿

线性扩张状态观测器估计并前馈外部常值负载扰动,增强鲁棒性。

模型不用很准

数据驱动RBF神经网络利用实时与历史数据逼近参数不确定和周期性扰动引起的非线性动态,无需精确模型。

应用场景