摘要
首次给出了开关磁阻电机的模糊神经网络模型， 基于模糊神经网络结构上的特点， 提出了一种ＢＰ算法和最小二乘的混合算法， 仿真结果表明模糊神经网络模型有比Ｓｉｇｍｏｉｄ 神经网络模型更高的精度和更快的收敛速度。
This article presents the fuzzy neural networks(FNN) model of nonlinear switched reluctance drivers for the first time. Based on the characteristics of FNN architecture we propose a hybrid learning rule combining the gradient method and the least squares estimator. Simulation results show that the FNN model is more precise and less time consuming for convergence than the Sigmoid neural networks model.
出处
《中国电机工程学报》
EI
CSCD
北大核心
2000年第1期11-14,共4页
Proceedings of the CSEE
基金
国家自然科学基金
