CN102130647A - 检测无轴承异步电机转速的无速度传感器构造方法 - Google Patents
检测无轴承异步电机转速的无速度传感器构造方法 Download PDFInfo
- Publication number
- CN102130647A CN102130647A CN2011100035632A CN201110003563A CN102130647A CN 102130647 A CN102130647 A CN 102130647A CN 2011100035632 A CN2011100035632 A CN 2011100035632A CN 201110003563 A CN201110003563 A CN 201110003563A CN 102130647 A CN102130647 A CN 102130647A
- Authority
- CN
- China
- Prior art keywords
- rotating speed
- neural network
- input
- asynchronous machine
- bearing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Control Of Ac Motors In General (AREA)
Abstract
本发明公开了一种检测无轴承异步电机转速的无速度传感器构造方法,先对无轴承异步电机原系统构造内含转速子系统的数学模型,再建立内含转速子系统的无轴承异步电机转速左逆系统,然后采用静态神经网络加2个微分器S构成神经网络逆,对静态神经网络进行训练,调整并确定静态神经网络的各个权系数以实现无轴承异步电机转速左逆系统;最后将神经网络逆串接于无轴承异步电机原系统之后构造成无速度传感器;省略原系统的光电编码器及其接口电路,降低控制系统的成本,能快速准确地进行高精度控制,有很强的自适应性、鲁棒性和容错性,具有较强的泛化能力和自适应能力。
Description
技术领域
本发明属于电力传动控制设备的技术领域,是一种快速准确检测无轴承异步电机转速的无速度传感器构造方法,为无轴承异步电机的无速度运行提供了一种新控制方法,适用于无轴承异步电机的高性能控制。
背景技术
无轴承异步电机是一个非线性强耦合系统,为达到转矩和悬浮力的解耦控制一般采用磁场定向控制。这种控制方法需检测转子的速度,获得磁场定向所需磁通的精确空间位置,实现转矩和悬浮力之间的解耦控制,确保转子的稳定悬浮运行。传统的电机转速测量装置多采用光电码盘等机械式的速度传感器,它增加了控制系统成本,存在安装与维护上的困难,并使系统易受干扰,降低了系统可靠性,且不适用于恶劣环境。而且当无轴承异步电机运行在高速、超高速状态下,普通速度传感器已不能满足系统性能要求,转速信息的获得限制了无轴承异步电机的高速化发展。因此,无速度传感器技术成为解决这一问题的有效手段。
在交流传动系统中,无速度传感器控制就是利用电机绕组中容易测量的非转速信息,配合以适当的算法以获得转速信息,实现无机械速度传感器的高性能控制。目前对于普通异步电机,已有很多文献提出了速度辨识方法:即直接估算法、卡尔曼滤波法、高频谐波信注入法、模型参考自适应法(MARS)等。其中,直接估算法受噪声干扰和电机参数误差影响很大;卡尔曼滤波法运用最小方差最优预测估计法削弱随机干扰和测量噪声,但算法复杂,参数配置缺乏一定的标准,运算量很大;高频谐波信号注入法估计速度,可提高其低速性能,但受电机负载影响较大;基于电压电流的MARS方法因存在纯积分环节,辨识准确性差,且受定子电阻影响,低速时不稳定;基于反电势的MARS方法可解决纯积分问题,但速度过零点时辨识误差大;基于瞬时无功模型的MARS方法不受定子电阻影响,但速度给定为负阶跃时转速不稳定。
发明内容
本发明的目的是为了能在全速范围内快速准确检测无轴承异步电机的转速,实现无轴承异步电机的无速度传感器的稳定悬浮运行,提高无轴承异步电机的工作性能,扩大无轴承异步电机的应用而提供一种检测无轴承异步电机转速的无速度传感器构造方法,使得无轴承异步电机能够实现在全速范围内有效地观测出转速,并且能在负载扰动条件下实现无轴承异步电机无速度传感器方式的稳定悬浮运行。
本发明采用的技术方案是依次具有如下步骤:1)对无轴承异步电机原系统构造内含转速子系统的数学模型,无轴承异步电机原系统的输入变量是转矩绕组的定子电压u s1d 、u s1q 和同步转速ω 1、输出变量是转矩绕组的定子电流i s1d 和i s1q ;内含转速子系统的输入变量是待测转速ω r 、输出变量是转矩绕组的定子电压u s1d 、u s1q 、定子电流i s1d 、i s1q 、同步转度ω 1以及定子电流i s1d 、i s1q 的一阶导数 、这7个输出变量;2)建立内含转速子系统的无轴承异步电机转速左逆系统,无轴承异步电机转速左逆系统的输入为内含转速子系统的所述7个输出变量、输出为待测转速ω r ;3)采用7个输入节点、1个输出节点的静态神经网络加2个微分器S构成神经网络逆,神经网络逆的输入分别为定子电压u s1d 、u s1q ,定子电流i s1d 、i s1q 和同步转速ω 1、输出为待测转速ω r ;4)对静态神经网络进行训练,调整并确定静态神经网络的各个权系数以实现无轴承异步电机转速左逆系统;5)将神经网络逆串接于无轴承异步电机原系统之后构造成无速度传感器。
本发明的有益效果是:
1.使得无轴承异步电机比磁轴承支承的异步电机具有更加合理,更加实用的结构。系统结构紧凑,转子轴向长度大大缩短,电机转速、功率可以进一步得到提高,并可以实现高速超高速运行。也使得无轴承异步电机无速度传感器运行的控制方法简单,功耗低,成本下降,克服了传统磁悬浮轴承支承的异步电机结构复杂、临界转速低、控制系统复杂、功放造价高和体积大等缺陷。能降低控制系统的成本,快速准确地进行高精度控制。
2.本发明给出了左逆系统与神经网络相结合的方法,利用静态神经网络对非线性函数的强大逼近能力,突破逆系统在实现或应用中的瓶颈。采用的神经网络是在工业工程中建立非线性模型的一个强有力的工具,一是可以以任意精度逼近任意复杂的静态非线性映射(函数)。二是具有较强的泛化能力和自适应能力,所有信息都等势地分布存储于网络内的各神经元,故有很强的自适应性、鲁棒性和容错性。三是可采用并行分布处理方法,使得快速进行大量运算成为可能。四是可以自学习和自适应未知或不确定的系统。
3.无速度传感器构造方法中所需的输入信号均为实际工程中容易获得的本地直接可测量的变量,神经网络逆本身可通过软件编程实现。采用本发明无速度传感器,省略了原系统的光电编码器及其接口电路,不需要对无轴承异步电机系统进行其它任何改动,实现费用低,安全可靠,易于工程实现。
附图说明
以下结合附图和具体实施方式对本发明作进一步详细说明:
图1是由无轴承异步电机原系统11构造无轴承异步电机原系统11的内含转速子系统12的示意图;
图2是由内含转速子系统12与无轴承异步电机转速左逆系统2组成的检测转速的原理图;
图3是神经网络逆32的构成图;
图4是神经网络逆32与无轴承异步电机原系统11串接关系示意图。
具体实施方式
参见图1-4,本发明首先基于无轴承异步电机原系统11的数学模型建立内含转速子系统12的数学模型,该内含转速子系统12的输入量与输出量之间满足无轴承异步电机原系统11数学模型所确定的变量约束关系;接着建立内含转速子系统12的逆模型,即无轴承异步电机转速左逆系统2;再采用7个输入节点、1个输出节点的静态神经网络31和2个微分器S构成具有5个输入节点、1个输出节点的内含转速子系统12的神经网络逆32;并通过调整静态神经网络31的各个权值使神经网络逆32实现无轴承异步电机转速左逆系统2的功能;最后将神经网络逆32串接于无轴承异步电机原系统11之后构造成无速度传感器,即可实现对无轴承异步电机的转速的在线实时检测。具体实施依次分为以下5步:
1、建立内含转速子系统12的数学模型
参见图1,无轴承异步电机原系统11的3个输入变量是可测转矩绕组的定子电压u s1d 、u s1q 和同步转速ω 1,该定子电压u s1d 、u s1q 和同步转速ω 1为直接可测变量;2个输出变量是可测的转矩绕组的定子电流i s1d 和i s1q 。内含转速子系统12的1个输入变量是转速ω r ,转速ω r 是无轴承异步电机的待测转速;7个输出变量是可测转矩绕组的定子电压u s1d 、u s1q 、定子电流i s1d 、i s1q 、同步转度ω 1以及可测变量定子电流i s1d 、i s1q 的一阶导数、这7个输出。
对无轴承异步电机原系统11构造内含转速子系统12的数学模型,对采用电压控制PWM逆变器供电的无轴承异步电机原系统11,在转矩绕组转子磁链定向的旋转d-q坐标系下转矩绕组的数学模型为:
式中,L m1、L r1、L s1、R r1、R s1、p 1分别为无轴承异步电机转矩绕组的互感、转子和定子自感、转子和定子电阻、极对数;ψ r1d 、ψ r1q 、i s1d 、i s1q 、u s1d 、u s1q 分别为转矩绕组的d轴和q轴转子磁链、d轴和q轴定子电流、d轴和q轴定子电压;J、ω 1、ω r 分别为转动惯量、同步转速、转速;T r =L r1/R r1;σ =1- L 2 m1/(L s1 L r1)。这样,式(1-1)~(1-4)所示的数学模型中存在内含转速子系统12:内含转速子系统12的输入是转速ω r ,输出是直接可测变量i s1d 、i s1q 。
参见图2,为了检测待测的转速ω r ,当内含转速子系统12左可逆条件成立时,将无轴承异步电机转速左逆系统2串接在该内含转速子系统12之后,无轴承异步电机转速左逆系统2的7个输入是u s1d 、u s1q 、i s1d 、、i s1q 、及ω 1,输出是ω r ,即可得到恒等表达式,这样无轴承异步电机转速左逆系统2的输出能够完全复制该内含转速子系统12的输入。
依据上述内含转速子系统12的数学模型的构造方法, 选取式(1-1)和式(1-2)作为内含转速子系统12的数学模型。
2、建立内含转速子系统12的逆模型,即无轴承异步电机转速左逆系统2。
根据反函数存在定理,可以用常规的证明方法证明式(1-1)和式(1-2)所表示的内含转速子系统12是可逆的,且内含转速子系统12的无轴承异步电机转速左逆系统2的逆模型可用如下的非线性函数表示:
并确定内含转速子系统12的逆模型的7个输入为无轴承异步电机的转矩绕组的定子电压u s1d 、u s1q ,定子电流i s1d 、i s1q 以及定子电流的一阶导数、和同步转速ω 1,1个输出为转速ω r 。
需要说明的是,式(2-1)非线性函数的求解可以跳过,此式是为神经网络逆32的构造与学习训练提供方法上的根据,从而可以构造出如图3所示的神经网络逆32。
3、采用静态神经网络31和2个微分器S来构造神经网络逆32
参见图3,采用具有7个输入节点、1个输出节点的静态神经网络31加2个微分器S构成具有5个输入节点、1个输出节点的神经网络逆32。神经网络逆32的5个输入分别是无轴承异步电机的转矩绕组的定子电压u s1d 、u s1q ,定子电流i s1d 、i s1q 和同步转速ω 1,1个输出为待测转速ω r 。静态神经网络31采用3层MLN网络,输入节点数为7,隐含节点数为16,输出层节点数为1,隐层神经元激活函数使用S型函数f(x)=(e x -e-x )/( e x +e-x ),输出层的神经元采用纯线性函数f(x)=x,x为神经元的输入。静态神经网络31的权系数将在下一步的离线学习中确定。
静态神经网络31的第一个输入是神经网络逆32的第一个输入;静态神经网络31的第二个输入是神经网络逆32的第二个输入;静态神经网络31的第三个输入是神经网络逆32的第三个输入,其经一个微分器S的输出为静态神经网络31的第四个输入;静态神经网络31的第五个输入是神经网络逆32的第四个输入,其经另一个微分器S的输出为静态神经网络31的第六个输入;静态神经网络31的第七个输入是神经网络逆32的第五个输入。静态神经网络31与两个微分器S一起组成神经网络逆32,静态神经网络31的输出就是神经网络逆32的输出。
4、调整并确定静态神经网络31的各个权系数
先将激励信号,即定子电压u s1d 、u s1q ,定子电流i s1d 、i s1q 和同步转速ω 1信号加在无轴承异步电机原系统11的输入端,采集无轴承异步电机的待测转速ω r ;再将无轴承异步电机的转矩绕组的定子电流i s1d 、i s1q 离线分别求其一阶导数,并对信号做规范化处理,组成神经网络的训练样本集{u s1d ,u s1q ,i s1d ,,i s1q ,,ω 1,ω r };最后,采用带动量项和变学习率的误差反传BP算法对静态神经网络31进行训练,经过1000次左右训练,神经网络输出均方误差小于0.001,满足要求,从而确定静态神经网络31的各个权系数,使神经网络逆32实现无轴承异步电机转速左逆系统2的功能。
5、将神经网络逆32串接于无轴承异步电机原系统11之后即构造成无速度传感器,实现对无轴承异步电机的转速的在线实时检测,参见图4。
根据以上所述,便可以实现本发明。对本领域的技术人员在不背离本发明的精神和保护范围的情况下做出的其它的变化和修改,仍包括在本发明保护范围之内。
Claims (3)
1.一种检测无轴承异步电机转速的无速度传感器构造方法,其特征是依次具有如下步骤:
1)对无轴承异步电机原系统(11)构造内含转速子系统(12)的数学模型,无轴承异步电机原系统(11)的输入变量是转矩绕组的定子电压u s1d 、u s1q 和同步转速ω 1、输出变量是转矩绕组的定子电流i s1d 和i s1q ;内含转速子系统(12)的输入变量是待测转速ω r 、输出变量是转矩绕组的定子电压u s1d 、u s1q 、定子电流i s1d 、i s1q 、同步转度ω 1以及定子电流i s1d 、i s1q 的一阶导数 、这7个输出变量;
2)建立内含转速子系统(12)的无轴承异步电机转速左逆系统(2),无轴承异步电机转速左逆系统(2)的输入为内含转速子系统(12)的所述7个输出变量、输出为待测转速ω r ;
3)采用7个输入节点、1个输出节点的静态神经网络(31)加2个微分器S构成神经网络逆(32),神经网络逆(32)的输入分别为所述定子电压u s1d 、u s1q ,定子电流i s1d 、i s1q 和同步转速ω 1、输出为待测转速ω r ;
4)对静态神经网络(31)进行训练,调整并确定静态神经网络(31)的各个权系数以实现无轴承异步电机转速左逆系统(2);
5)将神经网络逆(32)串接于无轴承异步电机原系统(11)之后构造成无速度传感器。
2.根据权利要求1所述的检测无轴承异步电机转速的无速度传感器构造方法,其特征是:步骤4)中静态神经网络(31)的各个权系数确定方法是:先将定子电压u s1d 、u s1q 、定子电流i s1d 、i s1q 和同步转速ω 1信号加在无轴承异步电机原系统(11)的输入端,采集待测转速ω r ;再将定子电流i s1d 、i s1q 离线分别求其一阶导数,组成神经网络的训练样本集;最后采用带动量项和变学习率的误差反传BP算法对静态神经网络(31)进行训练,输出均方误差小于0.001。
3.根据权利要求1所述的检测无轴承异步电机转速的无速度传感器构造方法,其特征是:步骤3)中静态神经网络(31)的第一、第二、第三个输入分别是神经网络逆(32)的第一、第二、第三个输入;静态神经网络(31)的第三个输入经一微分器S的输出为静态神经网络(31)的第四个输入,静态神经网络(31)的第五个输入是神经网络逆(32)的第四个输入,静态神经网络(31)的第五个输入经另一微分器S的输出为静态神经网络(31)的第六个输入,静态神经网络(31)的第七个输入是神经网络逆(32)的第五个输入;静态神经网络(31)的输出是神经网络逆(32)的输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100035632A CN102130647B (zh) | 2011-01-10 | 2011-01-10 | 检测无轴承异步电机转速的无速度传感器构造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100035632A CN102130647B (zh) | 2011-01-10 | 2011-01-10 | 检测无轴承异步电机转速的无速度传感器构造方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102130647A true CN102130647A (zh) | 2011-07-20 |
CN102130647B CN102130647B (zh) | 2012-12-19 |
Family
ID=44268562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100035632A Expired - Fee Related CN102130647B (zh) | 2011-01-10 | 2011-01-10 | 检测无轴承异步电机转速的无速度传感器构造方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102130647B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102629848A (zh) * | 2012-04-26 | 2012-08-08 | 江苏大学 | 一种无轴承异步电机无速度传感器构造方法 |
CN102790582A (zh) * | 2012-08-06 | 2012-11-21 | 江苏大学 | 无轴承异步电机径向模糊神经网络广义逆控制器构造方法 |
CN107547024A (zh) * | 2017-10-10 | 2018-01-05 | 江苏大学 | 一种无轴承永磁同步电机无速度传感器 |
CN110266231A (zh) * | 2019-05-24 | 2019-09-20 | 江苏大学 | 基于模型预测的无轴承异步电机直接悬浮力控制方法 |
CN112271974A (zh) * | 2020-10-10 | 2021-01-26 | 南京理工大学 | 一种基于基底神经节的电机转速估计方法 |
CN112311183A (zh) * | 2020-09-24 | 2021-02-02 | 江苏大学 | 一种变极调速绕线式无轴承异步电机 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008014183A (ja) * | 2006-07-04 | 2008-01-24 | Mitsubishi Electric Corp | 内燃機関制御装置 |
JP2009136085A (ja) * | 2007-11-30 | 2009-06-18 | Hitachi Ltd | 交流モータの制御装置 |
CN101741297A (zh) * | 2009-12-30 | 2010-06-16 | 南京信息职业技术学院 | 无轴承同步磁阻电机径向位置模糊补偿逆控制方法及装置 |
-
2011
- 2011-01-10 CN CN2011100035632A patent/CN102130647B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008014183A (ja) * | 2006-07-04 | 2008-01-24 | Mitsubishi Electric Corp | 内燃機関制御装置 |
JP2009136085A (ja) * | 2007-11-30 | 2009-06-18 | Hitachi Ltd | 交流モータの制御装置 |
CN101741297A (zh) * | 2009-12-30 | 2010-06-16 | 南京信息职业技术学院 | 无轴承同步磁阻电机径向位置模糊补偿逆控制方法及装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102629848A (zh) * | 2012-04-26 | 2012-08-08 | 江苏大学 | 一种无轴承异步电机无速度传感器构造方法 |
CN102790582A (zh) * | 2012-08-06 | 2012-11-21 | 江苏大学 | 无轴承异步电机径向模糊神经网络广义逆控制器构造方法 |
CN107547024A (zh) * | 2017-10-10 | 2018-01-05 | 江苏大学 | 一种无轴承永磁同步电机无速度传感器 |
CN107547024B (zh) * | 2017-10-10 | 2020-03-31 | 江苏大学 | 一种无轴承永磁同步电机无速度传感器 |
CN110266231A (zh) * | 2019-05-24 | 2019-09-20 | 江苏大学 | 基于模型预测的无轴承异步电机直接悬浮力控制方法 |
CN112311183A (zh) * | 2020-09-24 | 2021-02-02 | 江苏大学 | 一种变极调速绕线式无轴承异步电机 |
CN112311183B (zh) * | 2020-09-24 | 2021-08-03 | 江苏大学 | 一种变极调速绕线式无轴承异步电机 |
CN112271974A (zh) * | 2020-10-10 | 2021-01-26 | 南京理工大学 | 一种基于基底神经节的电机转速估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102130647B (zh) | 2012-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102130647B (zh) | 检测无轴承异步电机转速的无速度传感器构造方法 | |
CN100536311C (zh) | 神经网络广义逆无轴承永磁同步电机解耦控制器构造方法 | |
CN100433537C (zh) | 无轴承交流异步电机神经网络逆解耦控制器的控制方法 | |
CN108988695B (zh) | 电动机驱动装置 | |
CN103532459A (zh) | 一种数控机床驱动用直线伺服电机控制方法 | |
CN102361429A (zh) | 基于神经网络逆系统理论的无轴承异步电机控制方法 | |
CN102510253B (zh) | 一种无轴承同步磁阻电机无传感器控制器及其控制方法 | |
CN101917150A (zh) | 永磁同步电机模糊神经网络广义逆鲁棒控制器及构造方法 | |
CN103259479A (zh) | 一种永磁同步电机神经网络左逆状态观测方法 | |
CN102769424B (zh) | 基于支持向量机逆的无轴承异步电机控制系统 | |
CN1737708A (zh) | 基于神经网络逆五自由度无轴承永磁同步电机控制系统及控制方法 | |
CN105048918B (zh) | 一种无刷直流电机自适应模糊控制方法 | |
CN107276473A (zh) | 五自由度无轴承永磁同步电机模糊神经网络解耦控制器 | |
CN105375848A (zh) | 一种永磁同步电机自适应辨识控制方法及其控制系统 | |
CN106849797A (zh) | 一种双惯性永磁同步电机的电流无源控制方法 | |
CN109194208A (zh) | 无速度传感器控制方法 | |
CN110401393A (zh) | 宽容分层序列模型预测控制方法、设备和存储介质 | |
CN102790577B (zh) | 一种无轴承永磁同步电机悬浮子系统控制器的构造方法 | |
CN107370429A (zh) | 无轴承永磁同步电机模糊神经网络逆解耦控制器 | |
CN103486134B (zh) | 一种交流混合磁轴承解耦控制器的构造方法 | |
CN110504878A (zh) | 一种无轴承永磁同步电机转子转速和位移软测量方法 | |
CN202004708U (zh) | 一种无轴承无刷直流电机神经网络α阶逆控制器 | |
CN110048657B (zh) | 无轴承异步电机神经网络逆系统解耦控制方法 | |
Hongru et al. | A neural-network-based adaptive estimator of rotor position and speed for permanent magnet synchronous motor | |
CN103490690B (zh) | 一种交流磁轴承容错解耦控制器的构造方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20121219 Termination date: 20180110 |
|
CF01 | Termination of patent right due to non-payment of annual fee |