一种有刷直流电机核岭分类速度测量方法与流程

本发明涉及有刷直流电机转速计算领域，特别是一种有刷直流电机核岭分类速度测量方法。

背景技术：

当有刷直流电机工作时，电源通过电刷、电枢换向器向电机转子的绕组提供电流，在内部定子磁场的作用下，转子绕组开始旋转，并带动电枢换向器一起转动，使得转子电流与磁场产生的转矩方向一定。由于直流电机存在机械换向不平滑的问题，导致电机的电枢电路上电流存在周期性纹波。绕组元件从一个支路经过电刷进入另一个支路时，元件中电流方向发生了改变，由于电机旋转一周，换向的次数也是一定的，所产生的电流纹波频率与电机的转速存在一定的关系，因此可通过换向纹波的频率得到其转速。实际电流中包含很多噪声，来自电机本身，电源噪声，或者电感耦合，这些噪声会影响电流的波形。

测量换向纹波的频率便可得到其转速。因此有人提出采样时间确定，检测过零点的个数便可计算交流频率，实际电流中包含很多噪声会影响过零点判断的正确率。针对有刷直流电机电流存在诸多噪声，许多学者对检测方法进行了一系列的改进。有人将过零点比较法和动态模型估计法相结合，动态模型估计所得的有刷直流电机转速与电流纹波周期有关。通过估计周期限定两个连续过零点的间隔时间，两个连续过零点的间隔时间太短，后一个过零点被过滤，若两个连续过零点的间隔时间太长，则添加一个过零点。上述方法与模型估计一样具有参数变化问题，影响控制精度。若进一步改进地采用动态参数估计，但会得出一个复杂的非线性模型，需要非常大计算花费来满足，并且采用这个方法构建模型需要同时检测电机电流和电压，要再添加一个ad转换器，增加系统成本。电流检测模块必须同时具备结构简单和精度较高的优点，才能使电机测速系统性能的进一步提高。核岭回归充分利用基于结构风险最小化为学习规则的回归方法的非线性拟合性能，将其运用于分类器，能够保证较高的准确率。并且，有的电流波形受干扰影响，整体下掉，不会产生过零点，因此采取电流尖峰来确定频率更为可靠。然而，迄今为止，基于核岭回归求解电流分类器在有刷直流电机测速领域中尚未出现。

技术实现要素：

有鉴于此，本发明的目的是提出一种有刷直流电机核岭分类速度测量方法，能够解决现有速度测量方法中电流过零点判断的正确率受噪声影响降低的问题，以达到较高测速精度。

本发明采用以下方案实现：一种有刷直流电机核岭分类速度测量方法，有刷直流电机电流波形中含有与转速有关的交流，通过滤波采样提取交流。把交流波形在时间轴上显示出来，每个周期都只有一个尖峰，因此采样时间确定，检测尖峰的个数可计算交流频率；但是这些尖峰形状并不规则，且受干扰易变形，基于核岭回归构建的非线性分类器，用来识别出尖峰。将分类器引入到速度估计中，将对交流尖峰的检测转换为布尔值输出，通过该输出计算电机转速。具体包括以下步骤：

步骤s1：已知，单输入单输出的非线性离散分类器表示为：

y(k)＝p(y(k-1),...,y(k-n),u(k),...,u(k-n)),

其中u(k),…,u(k-n)和y(k),…,y(k-n)分别为系统第k时刻的输入和输出，n表示输入和输出的拍数；对直流电机的电流数据进行分类，分类器具体表达式为：

g(x)＝y^t(klxl+λilxl)^-1klx1(x)；若g(x)>＝0,则y(k)＝1；若g(x)<0,则y(k)＝0；

其中，g(x)为分类器判别函数，第k时刻特征向量为x＝f(y(k-1),…,y(k-p),u(k),…,u(k-p))，u(k)为第k时刻电流输入，y(k)为分类器布尔值输出，λ为正则项参数，klxl表示l阶的方阵，klx1表示l×1的列向量，矩阵klxl和向量klx1中的元素为核函数的函数值：σ为核宽度，x为当前特征向量，xi为当前特征向量，通过调整λ和σ来实现对所述直流电机核岭分类器的非线性模型的训练；电机转速为speed＝k*pulse*60/t；k为与电机结构有关的比例系数，pulse为在时间t内检测到的脉冲数,t＝n/fs；n为采样点数,fs为采样频率；

步骤s2：采样并保留p拍的电流输入信号{u(k-1),…,u(k-p)}，把交流波形在时间轴上显示出来，每个周期都只有一个尖峰，确定尖峰的位置；将电流按是否为峰值分为两类，并用布尔值表示：假设输入为{u(k),…,u(k-n+1)},若为尖峰输出为y(k)＝1，若非尖峰输出为y(k)＝0；将p拍的电流输入信号{u(k-1),…,u(k-p)}和p拍的输出信号{y(k-1),…,y(k-p)}作为训练样本；

步骤s3：调整λ和σ来训练直流电机核岭回归分类器的非线性模型，返回训练所得的参数；

步骤s4：将训练获得的参数带入所述直流电机核岭分类器的非线性模型中，检测并保留n拍的电流输入信号{u(k-1),…,u(k-n)}和n拍的核岭分类器输出信号{y(k-1),…,y(k-n)}，则当输入u(k)时，x＝f(y(k-1),…,y(k-p),u(k),…,u(k-p))，核岭分类器判别函数输出为g(x)；

步骤s5：在固定时间t对y(k)＝1的事件计数，等价于对电流尖峰计数，计数值为pulse，估计电机转速为speed＝k*pulse*60/t；t＝n/fs；k为与电机结构有关的比例系数，pulse为在时间t内检测到的脉冲数,n为采样点数,fs为采样频率；

步骤s6：设定一个指标来终止训练，将电机实际速度输出值与估计速度输出值进行比较，得到速度误差信号ξ(k+1)，最大误差设定为e，判断ξ(k+1)＜e是否成立，若不成立返回步骤s1重新提取训练样本；若成立则终止训练，返回训练所得的分类器参数；

步骤s7：将训练好的所述直流电机核岭分类器引入到速度估计中，在电机控制系统中连续采集电流数据，将数据输入到该系统中，转换成电机转速。

与现有技术相比，本发明有以下有益效果：

1.本发明利用核岭回归方法来构建有刷直流电机电流分类器，将对转速的求取转化为对分类器输出中电流尖峰这一类的计数，转速估计的精确度取决于分类器的性能，而使用核岭回归能大大减少分类的错误率。

2.本发明系统只需要电流采样，避免了在线的网络学习和调整；结构简单、稳定性高，测量方法参数不需要在线实时调节。

3.本发明相比于其他无传感器测速方法，有效改善了有刷直流电机的测速精度，可应用于工程实践当中。

附图说明

图1为本发明实施例中核岭分类测速结构图。

图2为本发明实施例中直流电机电流样本分类示意图。

图3为本发明实施例中分类器训练结构图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

如图1所示，本实施例提供了一种有刷直流电机核岭分类速度测量方法，有刷直流电机电流波形中含有与转速有关的交流，通过滤波采样提取交流。把交流波形在时间轴上显示出来，每个周期都只有一个尖峰，因此采样时间确定，检测尖峰的个数可计算交流频率；但是这些尖峰形状并不规则，且受干扰易变形，基于核岭回归构建的非线性分类器，用来识别出尖峰。将分类器引入到速度估计中，将对交流尖峰的检测转换为布尔值输出，通过该输出计算电机转速。具体包括以下步骤：

步骤s1：已知，单输入单输出的非线性离散分类器表示为：

y(k)＝p(y(k-1),...,y(k-n),u(k),...,u(k-n)),

其中u(k),…,u(k-n)和y(k),…,y(k-n)分别为系统第k时刻的输入和输出，n表示输入和输出的拍数；对直流电机的电流数据进行分类，分类器具体表达式为：

g(x)＝y^t(klxl+λilxl)^-1klx1(x)；若g(x)>＝0,则y(k)＝1；若g(x)<0,则y(k)＝0；

其中，g(x)为分类器判别函数，第k时刻特征向量为x＝f(y(k-1),…,y(k-p),u(k),…,u(k-p))，u(k)为第k时刻电流输入，y(k)为分类器布尔值输出，λ为正则项参数，klxl表示l阶的方阵，klx1表示l×1的列向量，矩阵klxl和向量klx1中的元素为核函数的函数值：σ为核宽度，x为当前特征向量，xi为当前特征向量，通过调整λ和σ来实现对所述直流电机核岭分类器的非线性模型的训练；电机转速为speed＝k*pulse*60/t；k为与电机结构有关的比例系数，pulse为在时间t内检测到的脉冲数,t＝n/fs；n为采样点数,fs为采样频率；

步骤s2：采样并保留p拍的电流输入信号{u(k-1),…,u(k-p)}，把交流波形在时间轴上显示出来，每个周期都只有一个尖峰，确定尖峰的位置；将电流按是否为峰值分为两类，并用布尔值表示：假设输入为{u(k),…,u(k-n+1)},若为尖峰输出为y(k)＝1，若非尖峰输出为y(k)＝0；将p拍的电流输入信号{u(k-1),…,u(k-p)}和p拍的输出信号{y(k-1),…,y(k-p)}作为训练样本；

步骤s3：调整λ和σ来训练直流电机核岭回归分类器的非线性模型，返回训练所得的参数；

步骤s4：将训练获得的参数带入所述直流电机核岭分类器的非线性模型中，检测并保留n拍的电流输入信号{u(k-1),…,u(k-n)}和n拍的核岭分类器输出信号{y(k-1),…,y(k-n)}，则当输入u(k)时，x＝f(y(k-1),…,y(k-p),u(k),…,u(k-p))，核岭分类器判别函数输出为g(x)；

步骤s5：在固定时间t对y(k)＝1的事件计数，等价于对电流尖峰计数，计数值为pulse，估计电机转速为speed＝k*pulse*60/t；t＝n/fs；k为与电机结构有关的比例系数，pulse为在时间t内检测到的脉冲数,n为采样点数,fs为采样频率；

步骤s6：设定一个指标来终止训练，将电机实际速度输出值与估计速度输出值进行比较，得到速度误差信号ξ(k+1)，最大误差设定为e，判断ξ(k+1)＜e是否成立，若不成立返回步骤s1重新提取训练样本；若成立则终止训练，返回训练所得的分类器参数；

步骤s7：将训练好的所述直流电机核岭分类器引入到速度估计中，在电机控制系统中连续采集电流数据，将数据输入到该系统中，转换成电机转速。

如图2所示，在本实施例中，设定采集样本序列的长度与方框的宽度相等，设计者将方框中电流样本{u(k),…,u(k-n+1)}归为电流尖峰一类，输出设置为y(k)＝1；任何超出方框的其他样本序列，输出都应设置为y(k)＝0；输入样本序列的长度n采用输出反馈的方式来确定，本例选取为半个纹波周期。另外，采集到的作为训练样本的序列，体现的尖峰形状越丰富，分类器的效果将越强。

如图3所示，在本实施例中，设计者分类也将产生一个输出序列，将这些数据作为训练样本，调整λ和σ来训练核岭分类器模型，返回训练所得的参数。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。