自动化步进电机厂家免费咨询“本信息长期有效”

这些年，区域消去法在60步进电机优化计划中的使用得到越来越多的注重，其基本思想是体系地探究全部可行域，以找到大局最1小值。该算法能够避免在部分最1小点邻近和一切致使这个最1小点的区域进行重复查找，以此添加在未被查找区域找到新的部分最1小点的时机。[2]目前,很多学者将自适应控制与其他控制方法相结合,以解决单纯自适应控制的不足。当全部区域被查找后，取最1小的部分最1小点为大局最1小点，真正大局最1小点被找到的可能性随随机点的增多而增大。和分别用该算法对直线60步进电机和永磁起动60步进电机进行优化计划，大幅度进步了直线60步进电机的力能方针和永磁机的有用资料耗费，且收敛速度也较抱负。

矢量控制矢量控制是现代电机高性能控制的理论基础 ,可以改善电机的转矩控制性能 。它通过磁场定向将定子电流分为励磁分量和转矩分量分别加以控制 ,从而获得良好的解耦特性 ,因此 , 矢量控制既需要控制定子电流的幅值 ,又需要控制电流的相位 。选择方法步进电机和驱动器的选择方法：判断需多大力矩：静扭矩是选择步步进电机（图3）进电机的主要参数之一。由于步进电机不仅存在主电磁转矩 , 还有由于双凸结构产生的磁阻转矩 , 且内部磁场结构复杂 , 非线性较一般电机严重得多 , 所以它的矢量控制也较为复杂 。

神经网络控制神经网络是利用大量的神经元按一定的拓扑结构和学习调整的方法 。它可以充分逼近任意复杂的非线性系统 ,能够学习和自适应未知或不确定的系统 ,具有很强的鲁棒性和容错性 ,因而在步进电机系统中得到了广泛的应用 。随着微电子和计算机技术的发展，步进电机的需求量与日俱增，在各个国民经济领域都有应用。文献将神经网络用于实现步进电机最1佳细分电流 , 在学习中使用 Bay es 正则化算法 ,使用权值调整技术避免多层前向神经网络陷入局部极小点 ,有效解决了等步距角细分问题 。