基于智能传感器的贝叶斯神经网络用于有刷直流电机的参数与状态联合估计
系统与控制
2024-12-20 v1 系统与控制
应用物理
摘要
本文旨在开发一个人工神经网络 (ANN) 模型，以同时估计有刷直流电机的参数和状态。所提出的 ANN 估计器的新颖之处在于，它仅基于电压和电流输入的测量即可同时估计温度、转速和转子电阻。在过去二十年中，许多研究者设计了多种类型的 ANN 估计器，每种类型均针对特定应用而设计。电机的热行为非常缓慢，这导致了庞大的数据集。标准 ANN 通常使用带有 Levenberg-Marquardt 反向传播 (LMBP) 的多层感知机 (MLP)，鉴于 LMBP 在处理大量数据时的局限性，使用基于 LMBP 的 MLP 在我们的情形中不再适用。作为解决方案，我们提出使用基于贝叶斯正则化反向传播 (BRBP) 的前级联神经网络 (CFNN)。为了测试我们估计器的鲁棒性，向数据集中添加了随机高斯白噪声。我们认为所提出的估计器准确且鲁棒。
引用
@article{arxiv.1901.08661,
title = {Intelligent Sensor Based Bayesian Neural Network for Combined Parameters and States Estimation of a Brushed DC Motor},
author = {Hacene Mellah and Kamel Eddine Hemsas and Rachid Taleb},
journal= {arXiv preprint arXiv:1901.08661},
year = {2024}
}