粒子群优化算法（PSO）是一种源于对鸟群捕食行为的研讨而发明的进化核算技能（EC），由Eberhart博士和Kennedy博士初次提出。相形之下，PSO不光具有GA的大局寻优才干，而旦经过参数调整PS0还具有较强的部分寻优才干。
因为没有个别杂交、变异等杂乱操作，PS0的参数调整变得简略而易行，更合适于核算机编程。粒子群优化算法（PS0）是一种全新优化算法，在60步进
自动化步进电机厂家
粒子群优化算法（PSO）是一种源于对鸟群捕食行为的研讨而发明的进化核算技能（EC），由Eberhart博士和Kennedy博士初次提出。相形之下，PSO不光具有GA的大局寻优才干，而旦经过参数调整PS0还具有较强的部分寻优才干。
因为没有个别杂交、变异等杂乱操作，PS0的参数调整变得简略而易行，更合适于核算机编程。粒子群优化算法（PS0）是一种全新优化算法，在60步进电机优化中的使用并不深化。因此用好步进电机却非易事，它涉及到机械、电机、电子及计算机等许多知识。依据这一原理，用VB编制了直线感应60步进电机优化计划程序，对双方非磁性次级直线感应60步进电机进行了优化，成果功率因数、同步功率较初始计划都有显着改善。
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 。其主要优点是容易实现和自适应速度快,能有效地克服电机模型参数的缓慢变化所引起的影响,是输出信号跟踪参考信号。文献将神经网络用于实现步进电机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 。
注意
1、步进电机应用于低速场合---每分钟转速不超过1000转，（0.9度时6666PPS)，1好在1000-3000PPS(0.9度）间使用，可通过减速装置使其在此间工作，此时电机工作，噪音低；2、步进电机1好不使用整步状态，整步状态时振动大；采用PID控制器具有结构简单、鲁棒性强、可靠性高等优点,但是它无法有效应对系统中的不确定信息。3、由于历史原因，只有标称为12V电压的电机使用12V外，其他电机的电压值不是驱动电压伏值 ，可根据驱动器选择驱动电压（建议：57BYG采用直流24V-36V，86BYG采用直流50V,110BYG采用高于直流80V），当然12伏的电压除12V恒压驱动外也可以采用其他驱动电源， 不过要考虑温升；4、转动惯量大的负载应选择大机座号电机；
（作者： 来源：）
