基于人工神经网络的永磁同步电机参数辨识方法

文档序号:7392439阅读:477来源:国知局
基于人工神经网络的永磁同步电机参数辨识方法
【专利摘要】本发明涉及了一种基于神经网络的永磁同步电机参数辨识方法,该方法采用了一个两层的线性神经网络,结合电机的矢量控制策略,先用神经网络对采集的电机电流转速数据进行离线训练,在达到满足要求的控制精度以后,将离线训练得到的神经网络权值作为神经网络在线学习的初始值,然后对系统进行在线学习调整。通过最速下降法在线调整神经网络的权值,使得神经网络的输出接近于实际值,进而得到电机的定子电阻、交直轴电感以及转子磁链的估计值。
【专利说明】基于人工神经网络的永磁同步电机参数辨识方法

【技术领域】
[0001] 本发明涉及伺服控制系统的【技术领域】,特别是涉及一种基于人工神经网络的永磁 同步电机参数辨识方法。

【背景技术】
[0002] 永磁同步电动机(PMSM)转速与电源频率严格保持同步,具有体积小、质量轻、功 率因数高、效率高、磁通密度高、动态响应快、可靠性高、无需维护、严格的转速同步性和宽 调速范围等优点。经过二十多年的发展,永磁同步交流伺服系统已在运动控制领域取得了 广泛的应用。
[0003] 现代高性能数控机床和机器人的飞速发展要求其驱动系统具有更高的精度和更 好的控制性能,这就对PMSM提出了高精度的控制策略要求。PMSM控制器的设计方法一般要 求对系统参数的精确了解以便对控制规律进行整定。然而在实际运行中,系统的参数会经 常变化,要保证优良的系统性能必须对控制器进行相应的调整。所以,各种辨识算法被研究 用来辨识电机系统的未知参数。
[0004] 自适应控制、鲁棒控制、智能控制、滑模变结构控制等先进的控制技术在PMSM的 控制中都有了成功的应用,但这些控制方法都存在一定的局限性。


【发明内容】

[0005] 本发明的目的是利用神经网络优越的逼近能力、容错能力、自适应能力和自学习 能力等特性,克服PMSM系统的参数变化和外界扰动的不良影响,以实现具有完全自适应能 力的高性能PMSM控制器,达到高精度的控制要求。
[0006] 为了达到上述目的,本发明的技术方案是提供了一种基于人工神经网络的永磁同 步电机参数辨识方法,其特征在于,包括以下步骤:
[0007] 第一步、将永磁同步电机作为被控对象,通过神经网络辨识得到永磁同步电机的 各种参数,其中,永磁同步电机离散化模型为iq(k) = aiJk-D + PuJk-D + YcoGc-l)^ 中,iq(k)为永磁同步电机在时刻k的q轴电流,iq(k-l)为永磁同步电机在时刻k_l的q 轴电流,u q(k-l)为永磁同步电机在时刻k_l的q轴电压,《 (k_l)为永磁同步电机在时刻 k_l的转速,

【权利要求】
1. 一种基于人工神经网络的永磁同步电机参数辨识方法,其特征在于,包括以下步 骤: 第一步、将永磁同步电机作为被控对象,通过神经网络辨识得到永磁同步电机的各种 参数,其中,永磁同步电机离散化模型为iq(k) = ai^k-D + euJk-D + YG^k-lhS*, iq(k)为永磁同步电机在时亥Ij k的q轴电流,iq(k_l)为永磁同步电机在时亥Ij k_l的q轴电 流,uq(k-l)为永磁同步电机在时刻k-Ι的q轴电压,ω (k-Ι)为永磁同步电机在时刻k-1
的转速,a =< Rs为永磁同步电机的定子电阻,Ts为米样时间,Lq 为永磁同步电机的q轴电感,P/为永磁同步电机的转子磁链,则通过神经网络辨识得到永 磁同步电机的各种参数包括以下步骤: 步骤1. 1、利用多组历史的数据及ω (k-Ι)对神经网络进行离 线训练,通过变学习速率的最速下降法来调节神经网络的权值α、β和Y,当达到满足要 求的性能指标后,将离线训练得到的权值a、β和 Υ的估计值作为在线学习的初始值; 步骤1.2、对神经网络进行在线学习调整,通过最速变学习速率的最速下降法来调节 神经网络的权值,使得神经网络输出的永磁同步电机的q轴电流估计值接近于永磁 同步电机的q轴电流实际值i q(k),从而得到时变的权值a、β和Υ的估计值^、I和 进而得到永磁同步电机的定子电阻R s、q轴电感Lq及转子磁链f/的辨识值,分别为:
第二步、根据辨识得到的参数估计值设计神经网络的自校正控制律:
.式中,co*(k-l)为时刻k-Ι的永磁同步电机 的转速设定值,<(幻为时刻k的永磁同步电机的q轴电流设定值。
2. 如权利要求1所述的一种基于人工神经网络的永磁同步电机参数辨识方法,其特征 在于,在所述步骤I. 1及所述步骤1. 2中,通过最速变学习速率的最速下降法来调节神经网 络的权值时,取性能指标函数为《
安J对加权系数的负 梯度方向搜索调整,则有々神经网络的权值,Hi 为学习速率。
3. 如权利要求2所述的一种基于人工神经网络的永磁同步电机参数辨识方法,其特征 在于,采用增加动量项的方法对AWiGO进行改进,有:
I,式中,ξ为动量因子。
【文档编号】H02P21/14GK104378038SQ201410657560
【公开日】2015年2月25日 申请日期:2014年11月18日 优先权日:2014年11月18日
【发明者】周武能, 王菊平, 刘峙飞, 孔超波, 田波, 丁曹凯 申请人:东华大学, 上海鲍麦克斯电子科技有限公司
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1