基于LSSVM决策分类的无刷直流电机位置传感方法与流程

本发明涉及一种无刷直流电机领域的转子位置传感方法，具体的说就是一种基于最小二乘支持向量机(lssvm)决策分类的无刷直流电机位置传感方法。
背景技术：
：无刷直流电机通过转子位置信号来控制电子换相电路使定子电枢各绕组不断的换相通电，从而使定子磁场与转子永磁磁场始终保持90左右的空间角，产生转矩推动转子运转。传统无刷直流电机的转子位置信息是通过位置传感器测得的，需要安装位置检测装置，但有位置检测装置的无刷直流电机存在以下缺点：增加电机体积，不利于电机小型化；位置传感器安装在电机内部很有限的空间里，难以安装并且维修困难；难于适应恶劣的环境；传感器接线复杂，容易引入干扰。因此无位置传感器无刷直流电机成了人们研究的热点。目前转子无位置传感器装置的位置测量技术主要有反电势法、电流检测法、智能算法。反电势与速度成正比，因此在转速很低甚至为零时不能通过检测反电势来得到过零信号；而电流法的实现主要依赖于电流传感器的精度，一般情况下，传感器能够较好的获得电流大小的信号，而对电流相位和波形的细小变化则很难检测到。故反电势法和电流法单独使用都有其局限性。技术实现要素：技术问题：有位置传感器和多种无位置传感器装置的转子信号检测方法都有其局限性，因此较难运用到对电机运行要求比较高的场合。技术方案：为了解决上述问题，将lssvm决策分类用到转子位置检测中去，通过电流速度控制使得电机能够按照要求稳定运转。对于无刷直流电机，将转子位置信号与电机电压、电流之间的映射模型建立起来，采用lssvm决策分类实现这种映射。将电机电压和电流作为lssvm的输入，转子位置信息作为输出，从而实现电机转子位置的判定。本发明是基于lssvm的基础上的转子位置检测系统，由无刷电机工作原理可知绕组a、b、c相绕组的感应磁链是电角度θ的函数，而绕组a、b、c相绕组的感应磁链与三相端电压和电流存在一定的关系，因此可由三相端电压和电流预测出电角度θ，即转子位置信号。lssvm是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化。描叙多元非线性分类模型一般形式为：yi＝sgn(g(xi))其中i＝1,2,…,n表示lssvm分类预测模型的输入量，yi表示模型目标输出量。映射函数使用核函数将原始输入空间的样本映射到高维特征空间ω中，在特征空间中利用映射函数对样本数据进行线性分类。lssvm分类函数可表示为：g(x)＝(ω·φ(x))+b(1)其中矢量ω∈rn，偏置b∈r。svm在最小化样本误差的同时，利用结构风险最小化原则，函数拟合问题可描述为最优化问题：式中是将输入数据映射到高维特征空间的函数；ω∈rn，ei为误差，ei，b∈r，c>0为惩罚系数，用于控制解的光滑度，其值越大代表对误差的惩罚力度越强，t为转置。根据式(1)将模型转换到对偶空间加以解决，得到如下lagrange函数：l(ω,b,e,α)＝式中αi∈r是lagrange乘子，分别对ω,ei,b,αi求偏导，并令偏导数为0：消去ω,ei整理得线性方程组(4)：式中y＝[y1…yn]，α＝[α1…αn]，et＝[1…1]，g为满足mercer定理的核函数：求解式(4)得α,b，且获得的非线性回归函数为：根据g(x)的符号确定分类结果，式中：最优拉格朗日乘子αi；b为偏置项。lssvm是一种基于核的学习方法，核函数选取对lssvm性能有着重要的影响。为此，本发明分别利用表一所示的3种核函数建立分类器。表一采用的3种核函数核函数的名称核函数的表达式多项式核函数gp(xi,x)＝(xtxi+1)u(u∈n)rbf核函数gr(xi,x)＝exp(-‖x-xi‖2/σ2)(σ≠0∈r)sigmoid核函数gs(xi,x)＝tanh(a(xtxi)+c)(a,c∈r)表一中gp，gr，gs分别表示多项式核函数，rbf核函数，sigmoid核函数。多项式核函数中u用来设置多项式核函数的最高项次数；rbf核函数中σ为函数的宽度参数，控制函数的径向作用范围；sigmoid核函数中a，c用来设置核函数中的参数。根据g(x)的符号确定分类结果，式中：最优拉格朗日乘子αi；b为偏置项。g(xi,x)为核函数，常用的局部核函数有径向基函数，全局核函数多项式核函数、sig函数等。本发明提出的基于lssvm决策分类的无刷直流电机位置传感方法，a、b相电压ua(k),ub(k)电流ia(k),ib(k),ia(k-1),ib(k-1)作为lssvm的输入，s(k)为转子位置信号，将其作为lssvm的输出，每个svm输出对应一个区域样本(非)，不断决策，直至分出每一类别。gj(xi,x)为核函数，j＝1,2,…,l分别为l个分类器，i＝1,2,…,m。m为支持向量个数，由lssvm算法自动生成，k为时间序列，k为转子位置。本发明提出的一种基于svm决策分类的位置检测算法，主要包括lssvm分类建模和模型运行部分。1.lssvm分类建模部分主要实现步骤如下：step1：对有位置传感器同型号无刷直流电机采集系统输入输出检测信号：a、b相电压ua(k),ub(k)电流ia(k),ib(k),ia(k-1),ib(k-1)作为lssvm的输入，s(k)为转子位置信号，将其作为lssvm的输出，将直流电机的转子旋转的0-360度电角度分为每60度一个区域共6个区域，转子位置用所在区域序号1-6表示。step2：共设置15个lssvm2分类器，第一层1个分类器就把类别非1(2-6类别)的样本定为正样本，类别非6(1-5类别)的样本定为负样本，第二层2个分类器，沿非1区域(2-6)类别把非2类别的样本定为正样本，把非6类别的样本定为负样本，得到第二个分类器，如此下去，我们可以得到15个这样的两类分类器如表二所示。表二分层决策分类器训练数据和测试数据是通过有位置传感器无刷直流电机来测得的，将测得的5000组训练数据和2500组测试数据进行归一化处理；确定核函数gj，核函数可选取多项式、径向基等函数、sig函数等。step3：根据分类器输出分别选取相应类的训练样本，正样本为+1，负样本为-1，采用vapnik算法对15个lssvm进行训练，采用网格优化法交叉验证测试获取最优模型参数惩罚系数c、松弛变量ξ和核函数参数得到15个最优lssvm二分类器。2.lssvm决策分类运行部分主要实现步骤如下：step1：实时采集相关的电压电流输入信号并归一化；step2：将相关的电压电流输入信号输入建立好的lssvm分类器得到转子所在区域ki分类结果；当属于1、2、…、6类有两个及以上结果时保持上次分类结果不变；当属于1、2、…、6类全无结果时保持上次分类结果不变。step3根据分类得到的转子位置进行实时控制。通过转子位置推算逻辑换相信号，确定每个区域对应相应开关管的通断，即换相逻辑信号。转子位置信息与换相逻辑信号的变换关系如表三所示，其中1表示开通，0表示关断。表三转子位置信息与换相逻辑信号的变换关系表有益效果：本发明的位置传感方法具有动态性能好，鲁棒性高等优点。算法的运行速率快，提高了控制器反应速度。附图说明图1为基于lssvm决策分类的无刷直流电机位置传感结构图。具体实施方式：本发明提出的基于lssvm一对多分类的无刷直流电机位置传感方法，结合系统结构图其具体实施方案详述如下:step1：对有位置传感器同型号无刷直流电机采集系统输入输出检测信号：a、b相电压ua(k),ub(k)电流ia(k),ib(k),ia(k-1),ib(k-1)作为lssvm的输入，s(k)为转子位置信号，将其作为lssvm的输出，将直流电机的转子旋转的0-360度电角度分为每60度一个区域共6个区域，转子位置用所在区域序号1-6表示。step2：共设置15个lssvm二分类器，第一层1个分类器就把类别非1(2-6类别)的样本定为正样本，类别非6(1-5类别)的样本定为负样本，第二层2个分类器，沿非1区域(2-6)类别把非2类别的样本定为正样本，把非6的样本定为负样本，得到第二个分类器，如此下去，我们可以得到15个这样的两类分类器如表四所示。表四分层决策分类器训练数据和测试数据是通过有位置传感器无刷直流电机来测得的，将测得的5000组训练数据和2500组测试数据进行归一化处理；确定激励函数为g为径向基函数其中x为输入数据，xi为径向基中心，σi为径向基半径，i＝1,2，…m，m为中心向量的个数。j为相应分类器序号，j＝1,2，…,15。step3：根据分类器输出分别选取相应类的训练样本，正样本为+1，负样本为-1，采用vapnik算法对15个lssvm进行训练，采用网格优化法留一交叉效验测试获取最优模型参数惩罚系数c、松弛变量ξ和径向基半径σi，得到15个最优lssvm二分类器。参数网格按指数变化选取如下：惩罚系数c：106-10-1；松弛变量ξ：10-5-10-1，径向基半径σi：10-5-10-1第二部分：lssvm分类模型运行部分主要实现步骤如下：step1：实时采集相关的电压电流输入信号并归一化；step2：将相关的电压电流输入信号输入建立好的lssvm分类器得到转子所在区域ki分类结果；当属于1、2、…、6类有两个及以上结果时保持上次分类结果不变；当属于1、2、…、6类全无结果时保持上次分类结果不变。step3通过lssvm分类网络判断出转子位置s(k)，即转子所在区域ki,根据转子位置进行实时控制。通过转子位置推算逻辑换相信号，确定每个区域对应相应开关管的通断，即换相逻辑信号。上述具体实现只是本发明的较佳实现而已，当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明的权利要求的保护范围。当前第1页12