基于混沌蚁群的神经网络速度辨识器研究

近年来,由于神经网络的研究取得了长足的进展,基于BP神经网络模型的速度辨识方法得到了广泛研究,但其仍存在收敛速度慢、易陷入局部极小值等问题,因此,对神经网络的优化一直是当前的研究热点。本文将混沌引入到蚁群算法(Ant Colony Optimization,ACO)当中,以形成混沌蚁群算法(Chaos Ant Colony Optimization,CACO),从而提高了对于BP神经网络的优化效率和精度,解决了上述问题;同时,也在对异步电机直接转矩控制(DTC)转速辨识的仿真试验中,实现了对电机转速的准确辨识。