该研究的主要作者Bismit Mohanty表示，该模型的重点是提高系统的整体效率，以获得可用太阳能的最高电机输出。效率的提高来自，该算法优化了太阳能电池阵列的功率输出，以及电机的再生制动系统和可以从太阳能电池阵列和制动系统充电的电池。

　　太阳能电池有一个最大功率点，这是在给定的照射量下它们将提供的最大电能。最大功率点随温度和阳光而波动，因此太阳能电池并不总是输出最大功率。尽可能接近最大输出的方法是改变太阳能电池的电阻，从而改变提取的电量。

　　这就是人工智能模型的用武之地。在他们的MATLABSimulink模型中，Mohanty和他的同事训练了一个神经网络，根据每天数千次的温度和辐照度测量，计算出能产生最大输出的太阳能电池电阻。该技术利用现有的人工智能技术进行最大功率点跟踪。因为该模型是使用神经网络训练的，所以它可以使用复杂的标准进行预测，但不能传达这些预测的确切标准，更像是一个预测黑匣子。

　　根据该模型，当阳光明媚时，太阳能电池阵列产生足够的电力来运行电机，将多余的能量储存在电池中。阴天时，电动机会耗尽电池。每当刹车时，电机的再生制动系统都会给电池充电，将动能转化为电能。该团队只创建了一个虚拟模型，但构建一个可工作的物理模型可能是未来的进一步研究。

　　这种太阳能电机模型可以用于工业环境或家用电器，如冰箱和风扇。Mohanty说，他希望有一天能在电动汽车中使用这样的系统，这将消除将电动汽车接入主电网的需要。

　　Mohanty说：“现在我们必须在充电站站或家里为电动汽车充电。我想要打造一款无电荷的电动汽车，它的电力直接来自（汽车上的）太阳能电池阵列。”

　　声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

　　运行时，转速稳定性较差； 由于电枢电流较大，调速电阻的容量也较大，较笨重，不易做到电阻值的连续调节，因而

　　1.5kW至840kW，额定转速有3000、1500、1000、750、600、500、400、300、200r／min共九

　　运动控制实验系统采用立式机柜，机柜内采用模块化设计，功能分隔清晰，强弱电隔离，维护检修方便。

　　运行时，转速稳定性较差； 由于电枢电流较大，调速电阻的容量也较大，较笨重，不易做到电阻值的连续调节，因而

　　调速器的设计方法,给出了详细的电路原理图及说明。所设计的调速器中设置了软起动、电压负反馈、电流正反馈、过电流截止保护

　　中的应用总结文档，是一份不错的参考资料，感兴趣的可以下载看看，，，，，，，，，，，，，，，，，

　　（direct current motor）主要由转子（rotor）、定子（stator）等部件组成。