专利名称：无速度传感器电机转速的模糊融合辨识方法
技术领域：
本发明涉及一种电机控制技术，尤其涉及一种无速度传感器电机转速的模糊融合 辨识方法。
背景技术：
在交流异步电机(后文简称“电机”或“电动机”)速度控制系统中，最低端的方法 是采用速度传感器来检测电机转速反馈信号；这些速度传感器安装在电动机轴上，不仅需 要对其进行安装、维护，而且增加了控制系统成本，不适合在恶劣环境中工作，降低了系统 的可靠性。如果不用速度传感器，只根据变频器输出的电压、电流信号得到电机的转速进行 闭环控制，就可以省去速度传感器，满足电机速度控制的简便性、廉价性和可靠性要求，这 也是目前本领域的主流研究方向。国内外学者在这方面做了大量的工作，提出了开环直接辨识、基于转子磁链的 MRAS辨识、基于反电势的MRAS辨识、全阶磁通观测器、扩展卡尔曼滤波、高频注入法等多种 速度辨识方法。前述方法均是传统的无传感器速度辨识，为改善控制系统性能，许多学者将 模糊、神经网络等智能控制技术引入电机的速度辨识中，这是无速度传感器电机控制的研 究热点和发展方向。用智能的方法进行电机速度辨识，最直接的就是利用易于检测的电机定子电压和 电流，设计BP神经网络来辨识速度，但这种方法存在着难以确定网络隐层及其节点数目的 问题。目前，确定具体的网络结构尚无好方法，仍根据经验试凑。同时，学习算法的收敛速 度慢，且收敛速度与初始权的选择有关。针对用BP神经网络进行速度辨识实时性差的问题，有学者提出了用对角递归神 经网络来辨识速度；如杨俊友，陈大明，“对角递归神经网络永磁同步电机的无传感器控 制”，[J]·沈阳工业大学学报，2008，30(1) :24-27，文献中所记载的方法是，将实际测得的 电压、电流经过坐标变换后用对角递归神经网络观测器估计出电流和角速度，用估计值与 实际值的差值调节神经网络观测器连接权值，直到预测误差达到设定值；但该方法存在的 问题是，在预测角速度的同时，还要对定子电流进行预测，用了两个神经网络观测器。使得 学习算法更为繁杂，难以调节。因此，在电机的速度辨识中，引入了神经网络MRAS (模型参考自适应系统)速度辨 识的方法，如陈冰，冬雷等，“低速下异步电机无速度传感器矢量控制研究”，[J]·西北大 学学报(自然科学版)，2007，37(1) :45-47，文献中所记载的方法是，由电流模型推导出神 经元模型作为MARS的可调模型，其权值含有电机转速信息，按梯度法推导出的神经元权值 δ学习规则代替PI自适应律，使得速度辨识方法结构简单、自学习能力强、具有很好的系 统稳定性。但该方法存在着电机起动速度波动大，甚至出现负值波动，振荡次数多、调节时 间长的问题。不仅如此，在研究中还进一步发现，当由一种稳态向另一稳态进行较大幅度切 换时，速度估计收敛到一个错误的值，导致实际速度不能收敛到给定值(其在控制系统中所 处的环节参见
图1中的标号2处，其辨识效果如图10所示)。因此，神经网络MRAS速度辨识方法在现有技术中还不能得到实际应用。
发明内容
为解决背景技术中存在的问题，本发明提出了一种无速度传感器电机转速的模糊 融合辨识方法，采用神经网络MRAS速度辨识方法和转差频率直接速度辨识方法同时对电 机转速进行识别；为神经网络MRAS速度辨识方法和转差频率直接速度辨识方法分配各自 的作用强度值，采用下式计算电机转速的确信值
rt为转差频率直接速度辨识方法所识别出的电机转速值；Ai为神经网络MRAS速度 辨识方法所识别出的电机转速值-为最终识别出的电机运行时的转速确信值；ft为神 经网络MRAS速度辨识方法的作用强度值；βΛ为转差频率直接速度辨识方法的作用强度值。前述的“为神经网络MRAS速度辨识方法和转差频率直接速度辨识方法分配各自 的作用强度值”包括
1)按数值设定数值连续的误差阈值范围，为每个误差阈值范围设定对应的和ft,
同一误差阈值范围内的Λ 和Λ满足形成作用强度分布表；
2)实时计算神经网络MRAS速度辨识方法的辨识值与电机转速期望值之间的误差丨；
3)判断步骤2)中的误差M处于哪个误差阈值范围内，则将该误差阈值范围对应的
和ft代入公式电
权利要求
一种无速度传感器电机转速的模糊融合辨识方法，其特征在于采用神经网络MRAS速度辨识方法和转差频率直接速度辨识方法同时对电机转速进行识别；为神经网络MRAS速度辨识方法和转差频率直接速度辨识方法分配各自的作用强度值，采用下式计算电机转速的确信值为转差频率直接速度辨识方法所识别出的电机转速值；为神经网络MRAS速度辨识方法所识别出的电机转速值；为最终识别出的电机运行时的转速确信值；为神经网络MRAS速度辨识方法的作用强度值；为转差频率直接速度辨识方法的作用强度值。2010102963119100001dest_path_image002.jpg,2010102963119100001dest_path_image004.jpg,2010102963119100001dest_path_image006.jpg,dest_path_image008.jpg,dest_path_image010.jpg,dest_path_image012.jpg
2.根据权利要求1所述的无速度传感器电机转速的模糊融合辨识方法，其特征在于 为神经网络MRAS速度辨识方法和转差频率直接速度辨识方法分配各自的作用强度值，包 括1)按数值设定数值连续的误差阈值范围，为每个误差阈值范围设定对应的办和凡， 同一误差阈值范围内的Λ和A(满足= 形成作用强度分布表；2)实时计算神经网络MRAS速度辨识方法的辨识值与电机转速期望值之间的误差丨 I；3)判断步骤2)中的误差M处于哪个误差阈值范围内，则将该误差阈值范围对应的馬和 Ma \ V·入公式电=^Λι + Ms^r7。
3.根据权利要求2所述的无速度传感器电机转速的模糊融合辨识方法，其特征在于 步骤1)，包括1]将数值连续的10个误差阈值范围标记为0、的十个等级；设定第9等级误差阈值 范围对应的，神经网络MRAS速度辨识方法的作用强度为0，转差频率直接速度辨识方法的 作用强度为1 ；第0等级误差阈值范围对应的，神经网络MRAS速度辨识方法的作用强度为 1，转差频率直接速度辨识方法的作用强度为0 ；2]采用对称型函数计算第1至8等级误差阈值范围的神经网络MRAS速度辨识方法和 转差频率直接速度辨识方法的作用强度分布；制作作用强度分布表。
4.根据权利要求3所述的无速度传感器电机转速的模糊融合辨识方法，其特征在于 步骤2]，包括根据对称型SgmcHrf函数，计算第1至8等级时，神经网络MRAS速度辨识方 法和转差频率直接速度辨识方法的作用强度分布 , T1 -— 01<JC<91 χ>9 μΒ{χ) = \ μJj^其中，Ι为误差阈值范围对应的级数；斿为函数的参数；存分别取0. 1,0. 2、 0. 3,0. 4,0. 5,0. 6,0. 7,0. 8或0. 9，的每个取值，分别对应一组互相匹配的神经网络MRAS 速度辨识方法和转差频率直接速度辨识方法的作用强度取值。
5.根据权利要求2所述的无速度传感器电机转速的模糊融合辨识方法，其特征在于 步骤2)中，计算丨β丨的方法，包括
全文摘要
本发明公开了一种无速度传感器电机转速的模糊融合辨识方法，采用神经网络MRAS速度辨识方法和转差频率直接速度辨识方法同时对电机转速进行识别；采用模糊融合的方法对神经网络MRAS速度辨识方法和转差频率直接速度辨识方法进行融合，得到电机转速的确信值。本发明的有益技术效果是优化了电机的动、稳态性能两个技术指标；使电动机在起动和状态切换过程中，速度辨识快速性好、动态跟踪性能强，速度辨识精度高且鲁棒性强；对无速度传感器电机矢量控制系统实现真正意义上的智能交叉综合在线速度辨识，取得最佳速度辨识效果，从而实现对电机的有效控制。
文档编号H02P21/14GK101938246SQ20101029631
公开日2011年1月5日 申请日期2010年9月29日 优先权日2010年9月29日
发明者徐凯, 许强 申请人:重庆交通大学