CN102522945A - 基于多神经网络逆模型的多相电机容错控制方法及系统 - Google Patents

基于多神经网络逆模型的多相电机容错控制方法及系统 Download PDF

Info

Publication number
CN102522945A
CN102522945A CN2012100052204A CN201210005220A CN102522945A CN 102522945 A CN102522945 A CN 102522945A CN 2012100052204 A CN2012100052204 A CN 2012100052204A CN 201210005220 A CN201210005220 A CN 201210005220A CN 102522945 A CN102522945 A CN 102522945A
Authority
CN
China
Prior art keywords
fault
inversion model
current
power pack
phase
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
Application number
CN2012100052204A
Other languages
English (en)
Other versions
CN102522945B (zh
Inventor
刘国海
张多
赵文祥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
DAHANG YOUNENG ELECTRICAL CO.,LTD.
Original Assignee
Jiangsu University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu University filed Critical Jiangsu University
Priority to CN201210005220.4A priority Critical patent/CN102522945B/zh
Publication of CN102522945A publication Critical patent/CN102522945A/zh
Application granted granted Critical
Publication of CN102522945B publication Critical patent/CN102522945B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Control Of Ac Motors In General (AREA)

Abstract

本发明公开一种电机控制领域中的基于多神经网络逆模型的多相电机容错控制方法及系统，采用神经网络逆来分别获取电机正常和故障状态逆模型，在正常及故障下由电流检测磁链观测逆模型切换模块选择相应的逆模型及电流变换器串联在滞环电流比较器之前，获得一个不变的伪线性系统，只需考虑开路后将神经网络逆输出的定子d，q轴电流变换成四相参考电流，只需调整剩余四相电流的相位关系；当电机故障导致电机模型参数变化后，无需再次修改附加控制器的控制参数依然能够准确逼近电机逆系统，提高了容错控制器对电机绕组故障的适应性，具备了较强的容错性和鲁棒性，降低了对逆变器功率器件的要求及电路成本。

Description

基于多神经网络逆模型的多相电机容错控制方法及系统
技术领域
本发明涉及电机控制领域，尤其是一种多相电机容错控制方法及系统，用于电动汽车、船舶推进器等高可靠性的电力传动。
背景技术
目前，多相电机的容错控制方法主要分成三类：第一类是发生故障后，仅改变剩余相电流幅值及相位以维持定子旋转磁势不变，从而保证电机输出转矩不变，并在此基础上，考虑抑制转矩脉动，以及剩余相绕组空间对称关系从而获得空间对称的剩余相容错电流，实现多相电机的容错控制。第二类的容错控制方法是仅考虑铜耗最小，转矩脉动最小化等条件，计算出剩余相电流。此二类方法都未考虑电机发生故障后导致电机参数的变化，由于原控制器参数与故障电机参数不匹配，因而导致系统控制性能恶化。第三类方法是根据故障情形，建立各种故障情形下电机的数学模型，并分别对每种故障下的电机模型设计相应的控制器，以实现电机的容错控制。这种方法虽然考虑了电机的故障导致电机参数变化的问题，但在实施过程中需要对每种故障情形都要建立数学模型并设计控制器，控制复杂，不易实现。
神经网络逆系统解耦控制方法已经在电机控制领域获得了广泛的应用，利用神经网络的非线性逼近能力去构建电机或多电机的逆系统，从而获得高性能控制。目前，还未见有将神经网络逆系统应用于多相电机容错控制的文献报道。
发明内容
本发明针对现有多相电机容错控制方法的不足，利用现有神经网络逆系统理论，提出一种新颖的基于多神经网络逆模型的多相电机的容错控制方法，提高多相电机控制的可靠性；本发明同时还提出实现该容错控制方法的控制系统。
本发明基于多神经网络逆模型的多相电机容错控制方法的技术方案是采用如下步骤：1）当五相永磁电机无故障时，由电流检测磁链观测逆模型切换模块选择正常逆模型及2/5电流变换器串联在滞环电流比较器之前，根据设定转速与光电编码器反馈的转速经第一附加控制器计算输出转速的二阶导数，由设定的定子磁链                                                
Figure 162282DEST_PATH_IMAGE001
与电流检测磁链观测逆模型切换模块观测并反馈的定子磁链
Figure 221724DEST_PATH_IMAGE002
经第二附加控制器计算输出定子磁链
Figure 608843DEST_PATH_IMAGE002
的一阶导数；将第一、第二附加控制器的输出信号作为正常逆模型的输入信号，正常逆模型输出信号为给定定子d，q轴电流
Figure 650748DEST_PATH_IMAGE003
，
Figure 744606DEST_PATH_IMAGE004
，经2/5电流变换器变换为五相永磁电机的定子电流
Figure 541661DEST_PATH_IMAGE005
，输出给滞环电流比较器，控制逆变器驱动五相永磁电机获得正常运行，根据转速的响应修改第一、第二附加控制器的参数；2）当五相永磁电机出现A相开路故障时，由电流检测磁链观测逆模型切换模块检测开路故障并选择故障逆模型及2/4电流变换器串联在滞环电流比较器之前，根据设定转速与光电编码器反馈的转速，经第一附加控制器计算输出转速的二阶导数，由设定的定子磁链
Figure 88180DEST_PATH_IMAGE001
与电流检测磁链观测逆模型切换模块观测并反馈的定子磁链
Figure 261672DEST_PATH_IMAGE002
经第二附加控制器计算输出定子磁链
Figure 708572DEST_PATH_IMAGE002
的一阶导数，将第一、第二附加控制器的输出信号作为故障逆模型的输入信号，故障逆模型输出信号为给定定子d，q轴电流
Figure 676528DEST_PATH_IMAGE006
，，经2/4电流变换器变换成五相永磁电机的四相定子容错电流
Figure 156368DEST_PATH_IMAGE008
；输出给滞环电流比较器，控制逆变器驱动五相永磁电机获得容错控制，不改第一、第二附加控制器中的参数。
本发明基于多神经网络逆模型的多相电机容错控制系统采用的技术方案是：包括容错控制器，容错控制器由第一、第二附加控制器、多神经网络逆模型库和电流变换器组成；电流变换器由2/5电流变换器、2/4电流变换器组成；多神经网络逆模型库由正常逆模型和故障逆模型组成；在充分激励条件下分别采集五相永磁电机正常运行和故障运行时的输入输出数据，分别离线训练第一、第二静态神经网络获得正常逆模型、故障逆模型；多神经网络逆模型库与电流变换器、滞环电流比较器、逆变器以及五相永磁电机相串联获得伪线性系统，针对伪线性系统设计第一、第二附加控制器；光电编码器与第一附加控制器相接组成五相永磁电机的转速控制回路；五相永磁电机输入端连接电流检测磁链观测逆模型切换模块，电流检测磁链观测逆模型切换模块输出分别连接滞环电流比较器、电流变换器、多神经网络逆模型库和第二附加控制器，电流检测磁链观测逆模型切换模块输出五相永磁电机的各相电流反馈给滞环电流比较器、输出故障信息给电流变换器及多神经网络逆模型库；电流检测磁链观测逆模型切换模块与第二附加控制器构成定子磁链控制回路。
本发明的有益效果是：
1、采用神经网络逆来分别获取电机正常和故障状态逆模型，获得一个不变的伪线性系统，只需考虑开路后将神经网络逆输出的定子d，q轴电流变换成四相参考电流即可，即只需调整剩余四相电流的相位关系，因此，相比较现有多相电机容错控制方法，本发明的容错电流幅值并没有增加，降低了对逆变器功率器件的要求，降低了电路成本。
2、本发明一方面发挥了神经网络较强的非线性逼近电机逆系统模型的能力，在电机故障导致电机模型参数变化后，依然能够准确逼近电机逆系统，具备了较强的容错性和鲁棒性。另一方面，由于正常及故障下的电机都有与之匹配的神经网络逆模型与之对应串联，所获得的伪线性系统是一个不变的伪线性系统，因此，当电机故障时，无需再次修改附加控制器的控制参数，提高了容错控制器对电机绕组故障的适应性。
附图说明
图1为本发明容错控制系统的结构框图；
图2为五相电机正常运行时电流向量图；
图3为五相电机A相开路时剩余相容错电流向量图；
图中：1.五相永磁电机；2.逆变器；3.滞环电流比较器；4.电流检测磁链观测逆模型切换模块；5.光电编码器；6.多神经网络逆模型库；7.电流变换器；8.伪线性系统；9.容错控制器；61.正常逆模型；62.故障逆模型；71.2/5电流变换器；72. 2/4电流变换器；91、92.第一、第二附加控制器；631、632.第一、第二静态神经网络。
具体实施方式
以反电势为正弦波的五相永磁电机为对象，详细说明本发明基于多神经网络逆模型的多相电机容错控制系统及控制方法。
该多相电机容错控制系统包括容错控制器9，容错控制器9由第一、第二附加控制器91、92、多神经网络逆模型库6和电流变换器7组成，电流变换器7由2/5电流变换器71、2/4电流变换器72组成，其中2/5电流变换器71是将正常逆模型61输出的定子d、q轴电流、
Figure 363675DEST_PATH_IMAGE004
变换为五相定子电流
Figure 947103DEST_PATH_IMAGE009
，2/4电流变换器72是将故障逆模型62输出的定子d、q轴电流
Figure 134502DEST_PATH_IMAGE006
、
Figure 558923DEST_PATH_IMAGE007
变换为四相容错的定子电流
Figure 868682DEST_PATH_IMAGE008
。在容错控制器9之后依次串接滞环电流比较器3、逆变器2和五相永磁电机1，滞环电流比较器3和逆变器2驱动五相永磁电机1。整个控制系统由定子磁链控制回路和转速控制回路组成，光电编码器5检测并反馈五相永磁电机1的转速，光电编码器5与第一附加控制器91相接组成五相永磁电机1的转速控制回路。五相永磁电机1的输入端连接电流检测磁链观测逆模型切换模块4，电流检测磁链观测逆模型切换模块4输出分别连接滞环电流比较器3、电流变换器7、多神经网络逆模型库6和第二附加控制器92。电流检测磁链观测逆模型切换模块4输出五相永磁电机1的各相电流反馈给滞环电流比较器3、输出故障信息给电流变换器7以及多神经网络逆模型库6，选择相应的逆模型和电流变换器。电流检测磁链观测逆模型切换模块4观测电机定子磁链
Figure 877089DEST_PATH_IMAGE002
，与第二附加控制器92构成定子磁链控制回路。多神经网络逆模型库6由正常逆模型61和故障逆模型62组成。多神经网络逆模型库6与电流变换器7、滞环电流比较器3、逆变器2以及五相永磁电机1相串联获得伪线性系统8。针对所获得的伪线性系统8，利用线性系统理论设计得到第一附加控制器91及第二附加控制器92。
以五相永磁电机1的A相开路故障为例，详细说明本发明的控制方法的实施：
首先，利用常规的逆系统理论对五相永磁电机1的数学模型（见下式（1））进行可逆性分析，证明五相永磁电机1是可逆性，存在逆模型。
其次，在常规PI控制的充分激励条件，采集五相永磁电机1正常运行时的输入输出数据，离线训练第一静态神经网络631，逼近正常电机的逆模型，由第一静态神经网络631获得正常逆模型61。采集五相永磁电机1的A相开路故障下的输入输出数据，离线训练第二静态神经网络632，逼近故障电机的逆模型，由第二静态神经网络632获得故障逆模型62。
其中，反电动势为正弦分布的五相永磁电机1的状态方程描述如下：
Figure 930496DEST_PATH_IMAGE010
              (1)
式中
Figure 707959DEST_PATH_IMAGE011
，
Figure 188619DEST_PATH_IMAGE012
，
Figure 418743DEST_PATH_IMAGE013
，
Figure 275841DEST_PATH_IMAGE014
为定子d，q轴电压与电流；
Figure 406346DEST_PATH_IMAGE015
为极对数；
Figure 57907DEST_PATH_IMAGE016
，
Figure 40906DEST_PATH_IMAGE017
为定子d，q轴电感；
Figure 436116DEST_PATH_IMAGE018
为定子电枢绕组电阻；
Figure 922592DEST_PATH_IMAGE019
为电机角速度；
Figure 10633DEST_PATH_IMAGE020
为负载转矩；
Figure 215350DEST_PATH_IMAGE021
为转动惯量；
Figure 148671DEST_PATH_IMAGE022
为转子磁链。
由正常逆模型61和故障逆模型62组成的逆模型库6与电流变换器7、滞环电流比较器3以及逆变器2串联，接在五相永磁电机1之前，获得伪线性系统8。设计电流检测磁链观测逆模型切换模块4，并将光电编码盘5与五相永磁电机1相连。按附图1即可完成本发明的五相永磁电机的容错控制系统。针对所获得的伪线性系统8，利用线性系统理论设计得到第一附加控制器91及第二附加控制器92。
当五相永磁电机1无故障时，由电流检测磁链观测逆模型切换模块4选择逆模型库6中的正常逆模型61及2/5电流变换器71串联在滞环电流比较器3之前。根据设定转速与光电编码器5反馈的转速，经第一附加控制器91计算输出转速的二阶导数；由设定的定子磁链
Figure 274275DEST_PATH_IMAGE001
与电流检测磁链观测逆模型切换模块4观测并反馈的定子磁链
Figure 533219DEST_PATH_IMAGE002
，经第二附加控制器92计算输出定子磁链
Figure 959652DEST_PATH_IMAGE002
的一阶导数。将第一附加控制器91及第二附加控制器92的输出信号作为正常逆模型61的输入信号。正常逆模型61输出信号为给定定子d，q轴电流
Figure 962243DEST_PATH_IMAGE003
，，经电流变换器7的2/5电流变换器71变换为五相永磁电机1的定子电流，变换过程如下式（2）所示。
2/5电流变换器71输出电流给滞环电流比较器3，控制逆变器2的功率器件，驱动五相永磁电机1即可获得五相永磁电机1的正常运行。然后，根据转速的响应修改第一附加控制器91及第二附加控制92的参数，以获得满意的控制性能。正常工作时，2/5电流变换器71的电流变换表示为：
                 (2)
式中为电流角频率，t为时间，
Figure 307588DEST_PATH_IMAGE003
，为正常逆模型61输出的定子d，q轴电流，
Figure 722443DEST_PATH_IMAGE025
为正常工作时五相定子电流，向量图如附图2所示。
当五相永磁电机1出现A相开路故障时，由电流检测磁链观测逆模型切换模块4检测开路故障，并选择逆模型库6中的故障逆模型62及2/4电流变换器72串联在滞环电流比较器3之前。根据设定转速与光电编码器5反馈的转速，经第一附加控制器91计算输出转速的二阶导数；由设定的定子磁链
Figure 123469DEST_PATH_IMAGE001
与电流检测磁链观测逆模型切换模块4观测并反馈的定子磁链
Figure 467862DEST_PATH_IMAGE026
经第二附加控制器92计算输出定子磁链
Figure 903523DEST_PATH_IMAGE002
的一阶导数。将第一附加控制器91及第二附加控制器92的输出信号作为故障逆模型62的输入信号。故障逆模型62输出信号为给定定子d，q轴电流
Figure 409591DEST_PATH_IMAGE006
，
Figure 563491DEST_PATH_IMAGE007
，由于逆模型632与故障电机的对应关系，依然可以获得一个不变的伪线性系统8，所以，无需再次修改第一、第二附加控制器91、92中的参数，仍能获得满意的控制性能，即实现高性能的容错控制。此时
Figure 445997DEST_PATH_IMAGE027
。为保证五相永磁电机1故障后的容错运行，考虑电机绕组的对称关系，令：
Figure 237629DEST_PATH_IMAGE028
                                     (3)
只需将故障逆模型62输出的定子d，q轴电流
Figure 914598DEST_PATH_IMAGE006
，
Figure 290215DEST_PATH_IMAGE007
，经2/4电流变换器72变换成定子容错电流如下式（4）所示。
2/4电流变换器72输出电流给滞环电流比较器3，控制逆变器2的功率器件，驱动五相永磁电机1即可获得五相永磁电机1的容错控制。由于逆模型632与故障电机的对应关系，依然可以获得一个不变的伪线性系统8，所以，无需再次修改第一、第二附加控制器91、92中的参数，仍能获得满意的控制性能。
A相开路故障后，2/4电流变换器72的电流变换表示为：
Figure 976412DEST_PATH_IMAGE029
               (4)
式中为电流角频率，t为时间，
Figure 234535DEST_PATH_IMAGE006
，
Figure 97448DEST_PATH_IMAGE007
为故障逆模型62输出的定子d，q轴电流，
Figure 321756DEST_PATH_IMAGE030
为A相开路故障后五相定子容错电流，向量图如附图3所示。
经以上步骤，即可实现本发明基于多神经网络逆模型的多相电机的容错控制系统及控制方法。

Claims (4)

1.基于多神经网络逆模型的多相电机容错控制方法，其特征是具有如下步骤：
1）当五相永磁电机（1）无故障时，由电流检测磁链观测逆模型切换模块（4）选择正常逆模型（61）及2/5电流变换器（71）串联在滞环电流比较器（3）之前，根据设定转速与光电编码器（5）反馈的转速经第一附加控制器（91）计算输出转速的二阶导数，由设定的定子磁链                                                与电流检测磁链观测逆模型切换模块（4）观测并反馈的定子磁链
Figure 418531DEST_PATH_IMAGE002
经第二附加控制器（92）计算输出定子磁链的一阶导数；将第一、第二附加控制器（91、92）的输出信号作为正常逆模型（61）的输入信号，正常逆模型（61）输出信号为给定定子d，q轴电流
Figure 650984DEST_PATH_IMAGE003
，
Figure 123553DEST_PATH_IMAGE004
，经2/5电流变换器（71）变换为五相永磁电机（1）的定子电流
Figure 2012100052204100001DEST_PATH_IMAGE005
，输出给滞环电流比较器（3），控制逆变器（2）驱动五相永磁电机（1）获得正常运行，根据转速的响应修改第一、第二附加控制器（91、92）的参数；
2）当五相永磁电机（1）出现如A相开路故障时，由电流检测磁链观测逆模型切换模块（4）检测开路故障并选择故障逆模型（62）及2/4电流变换器（72）串联在滞环电流比较器（3）之前，根据设定转速与光电编码器（5）反馈的转速，经第一附加控制器（91）计算输出转速的二阶导数，由设定的定子磁链
Figure 909107DEST_PATH_IMAGE001
与电流检测磁链观测逆模型切换模块（4）观测并反馈的定子磁链
Figure 772020DEST_PATH_IMAGE002
经第二附加控制器（92）计算输出定子磁链
Figure 996328DEST_PATH_IMAGE002
的一阶导数，将第一、第二附加控制器（91、92）的输出信号作为故障逆模型（62）的输入信号，故障逆模型（62）输出信号为给定定子d，q轴电流
Figure 762552DEST_PATH_IMAGE006
，
Figure 984586DEST_PATH_IMAGE007
，经2/4电流变换器（72）变换成五相永磁电机（1）的四相定子容错电流；输出给滞环电流比较器（3），控制逆变器（2）驱动五相永磁电机（1）获得容错控制，不改第一、第二附加控制器（91、92）中的参数。
2.根据权利要求1所述的多相电机容错控制方法，其特征是：2/4电流变换器（72）的电流变换表示为：
Figure 2012100052204100001DEST_PATH_IMAGE009
               
Figure 34899DEST_PATH_IMAGE010
为电流角频率；t为时间；
Figure 216482DEST_PATH_IMAGE006
，
Figure 107952DEST_PATH_IMAGE007
为故障逆模型（62）输出的定子d，q轴电流。
3.根据权利要求1所述的多相电机容错控制方法，其特征是：2/5电流变换器（71）的电流变换表示为：
Figure 2012100052204100001DEST_PATH_IMAGE011
                 
Figure 945458DEST_PATH_IMAGE003
，为正常逆模型（61）输出的定子d，q轴电流。
4.一种实现权利要求1所述多相电机容错控制方法的系统，包括容错控制器（9），其特征是：容错控制器（9）由第一、第二附加控制器（91、92）、多神经网络逆模型库（6）和电流变换器（7）组成；电流变换器（7）由2/5电流变换器（71）、2/4电流变换器（72）组成；多神经网络逆模型库（6）由正常逆模型（61）和故障逆模型（62）组成；在充分激励条件下分别采集五相永磁电机（1）正常运行和故障运行时的输入输出数据，分别离线训练第一、第二静态神经网络（631、632）获得正常逆模型（61）、故障逆模型（62）；多神经网络逆模型库（6）与电流变换器（7）、滞环电流比较器（3）、逆变器（2）以及五相永磁电机（1）相串联获得伪线性系统（8），针对伪线性系统（8）设计第一附加控制器（91）及第二附加控制器（92）；光电编码器（5）与第一附加控制器（91）相接组成五相永磁电机（1）的转速控制回路；五相永磁电机（1）输入端连接电流检测磁链观测逆模型切换模块（4），电流检测磁链观测逆模型切换模块（4）输出分别连接滞环电流比较器（3）、电流变换器（7）、多神经网络逆模型库（6）和第二附加控制器（92），电流检测磁链观测逆模型切换模块（4）输出五相永磁电机（1）的各相电流反馈给滞环电流比较器（3）、输出故障信息给电流变换器（7）及多神经网络逆模型库（6）；电流检测磁链观测逆模型切换模块（4）与第二附加控制器（92）构成定子磁链控制回路。
CN201210005220.4A 2012-01-10 2012-01-10 基于多神经网络逆模型的多相电机容错控制方法及系统 Active CN102522945B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210005220.4A CN102522945B (zh) 2012-01-10 2012-01-10 基于多神经网络逆模型的多相电机容错控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210005220.4A CN102522945B (zh) 2012-01-10 2012-01-10 基于多神经网络逆模型的多相电机容错控制方法及系统

Publications (2)

Publication Number Publication Date
CN102522945A true CN102522945A (zh) 2012-06-27
CN102522945B CN102522945B (zh) 2014-06-25

Family

ID=46293764

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210005220.4A Active CN102522945B (zh) 2012-01-10 2012-01-10 基于多神经网络逆模型的多相电机容错控制方法及系统

Country Status (1)

Country Link
CN (1) CN102522945B (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102916642A (zh) * 2012-11-08 2013-02-06 江苏科技大学 永磁同步直线电机支持向量机内模容错控制系统及方法
CN103259479A (zh) * 2013-05-28 2013-08-21 江苏大学 一种永磁同步电机神经网络左逆状态观测方法
CN103326652A (zh) * 2013-06-08 2013-09-25 西安交通大学 交流异步电机控制系统及方法
CN103425052A (zh) * 2013-08-21 2013-12-04 江苏大学 一种径向主动磁轴承控制器及构造方法
CN103647487A (zh) * 2013-08-13 2014-03-19 江苏大学 基于双逆模型的无轴承永磁电机悬浮系统控制方法
CN103715964A (zh) * 2014-01-03 2014-04-09 天津大学 五相交流电动机一相绕组断开容错控制时相电流设定方法
CN103760496A (zh) * 2014-01-28 2014-04-30 安徽安凯汽车股份有限公司 一种电动汽车动力电池组充放电能力测试装置及方法
CN105700351A (zh) * 2016-01-21 2016-06-22 北京理工大学 伺服系统的主动容错控制方法
CN103792849B (zh) * 2014-03-09 2017-02-08 东北电力大学 可调金属切削系统的鲁棒自适应动态面控制方法
CN106882080A (zh) * 2017-01-16 2017-06-23 南京航空航天大学 一种差速转向系统及其自适应神经网络容错控制方法
CN110460285A (zh) * 2019-08-09 2019-11-15 瑞声科技(新加坡)有限公司 自适应马达控制方法、装置及存储介质
US10620631B1 (en) 2017-12-29 2020-04-14 Apex Artificial Intelligence Industries, Inc. Self-correcting controller systems and methods of limiting the operation of neural networks to be within one or more conditions
US10691133B1 (en) 2019-11-26 2020-06-23 Apex Artificial Intelligence Industries, Inc. Adaptive and interchangeable neural networks
US10795364B1 (en) 2017-12-29 2020-10-06 Apex Artificial Intelligence Industries, Inc. Apparatus and method for monitoring and controlling of a neural network using another neural network implemented on one or more solid-state chips
US10802488B1 (en) 2017-12-29 2020-10-13 Apex Artificial Intelligence Industries, Inc. Apparatus and method for monitoring and controlling of a neural network using another neural network implemented on one or more solid-state chips
US10802489B1 (en) 2017-12-29 2020-10-13 Apex Artificial Intelligence Industries, Inc. Apparatus and method for monitoring and controlling of a neural network using another neural network implemented on one or more solid-state chips
US10956807B1 (en) 2019-11-26 2021-03-23 Apex Artificial Intelligence Industries, Inc. Adaptive and interchangeable neural networks utilizing predicting information
US11367290B2 (en) 2019-11-26 2022-06-21 Apex Artificial Intelligence Industries, Inc. Group of neural networks ensuring integrity
US11366434B2 (en) 2019-11-26 2022-06-21 Apex Artificial Intelligence Industries, Inc. Adaptive and interchangeable neural networks

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10324467B1 (en) * 2017-12-29 2019-06-18 Apex Artificial Intelligence Industries, Inc. Controller systems and methods of limiting the operation of neural networks to be within one or more conditions

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006040738A1 (de) * 2006-08-31 2008-03-06 Robert Bosch Gmbh Verfahren zur Regelung einer elektrischen Maschine bei Ausfall mindestens einer Phase
CN101335499A (zh) * 2008-07-24 2008-12-31 江苏大学 一种四相永磁容错电动机的控制方法
CN201904748U (zh) * 2010-11-25 2011-07-20 中国电器科学研究院 带霍尔容错功能的五相无刷直流电机控制器
CN102195551A (zh) * 2010-03-09 2011-09-21 通用汽车环球科技运作有限责任公司 用于五相机同步电流调整的方法、系统和设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006040738A1 (de) * 2006-08-31 2008-03-06 Robert Bosch Gmbh Verfahren zur Regelung einer elektrischen Maschine bei Ausfall mindestens einer Phase
CN101335499A (zh) * 2008-07-24 2008-12-31 江苏大学 一种四相永磁容错电动机的控制方法
CN102195551A (zh) * 2010-03-09 2011-09-21 通用汽车环球科技运作有限责任公司 用于五相机同步电流调整的方法、系统和设备
CN201904748U (zh) * 2010-11-25 2011-07-20 中国电器科学研究院 带霍尔容错功能的五相无刷直流电机控制器

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘国海等: "基于神经网络逆系统的磁悬浮开关磁阻电动机的解耦控制", 《电工技术学报》, vol. 20, no. 9, 30 September 2005 (2005-09-30), pages 39 - 43 *
李炜等: "一种基于多模型的主动容错控制方法研究", 《甘科学学报》, vol. 19, no. 4, 31 December 2007 (2007-12-31), pages 92 - 96 *
欧阳红林: "多相永磁同步电动机调速系统控制方法的研究", 《CNKI优秀博士论文全文数据库》, 15 November 2005 (2005-11-15), pages 99 - 106 *

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102916642A (zh) * 2012-11-08 2013-02-06 江苏科技大学 永磁同步直线电机支持向量机内模容错控制系统及方法
CN103259479A (zh) * 2013-05-28 2013-08-21 江苏大学 一种永磁同步电机神经网络左逆状态观测方法
CN103259479B (zh) * 2013-05-28 2016-08-10 江苏大学 一种永磁同步电机神经网络左逆状态观测方法
CN103326652A (zh) * 2013-06-08 2013-09-25 西安交通大学 交流异步电机控制系统及方法
CN103647487B (zh) * 2013-08-13 2016-01-20 江苏大学 基于双逆模型的无轴承永磁电机悬浮系统控制方法
CN103647487A (zh) * 2013-08-13 2014-03-19 江苏大学 基于双逆模型的无轴承永磁电机悬浮系统控制方法
CN103425052B (zh) * 2013-08-21 2016-05-25 江苏大学 一种径向主动磁轴承控制器的构造方法
CN103425052A (zh) * 2013-08-21 2013-12-04 江苏大学 一种径向主动磁轴承控制器及构造方法
CN103715964B (zh) * 2014-01-03 2016-04-13 天津大学 五相交流电动机一相绕组断开容错控制时相电流设定方法
CN103715964A (zh) * 2014-01-03 2014-04-09 天津大学 五相交流电动机一相绕组断开容错控制时相电流设定方法
CN103760496A (zh) * 2014-01-28 2014-04-30 安徽安凯汽车股份有限公司 一种电动汽车动力电池组充放电能力测试装置及方法
CN103760496B (zh) * 2014-01-28 2016-06-22 安徽安凯汽车股份有限公司 一种电动汽车动力电池组充放电能力测试装置及方法
CN103792849B (zh) * 2014-03-09 2017-02-08 东北电力大学 可调金属切削系统的鲁棒自适应动态面控制方法
CN105700351B (zh) * 2016-01-21 2018-11-06 北京理工大学 伺服系统的主动容错控制方法
CN105700351A (zh) * 2016-01-21 2016-06-22 北京理工大学 伺服系统的主动容错控制方法
CN106882080A (zh) * 2017-01-16 2017-06-23 南京航空航天大学 一种差速转向系统及其自适应神经网络容错控制方法
US11366472B1 (en) 2017-12-29 2022-06-21 Apex Artificial Intelligence Industries, Inc. Apparatus and method for monitoring and controlling of a neural network using another neural network implemented on one or more solid-state chips
US10620631B1 (en) 2017-12-29 2020-04-14 Apex Artificial Intelligence Industries, Inc. Self-correcting controller systems and methods of limiting the operation of neural networks to be within one or more conditions
US11815893B1 (en) 2017-12-29 2023-11-14 Apex Ai Industries, Llc Apparatus and method for monitoring and controlling of a neural network using another neural network implemented on one or more solid-state chips
US10795364B1 (en) 2017-12-29 2020-10-06 Apex Artificial Intelligence Industries, Inc. Apparatus and method for monitoring and controlling of a neural network using another neural network implemented on one or more solid-state chips
US10802488B1 (en) 2017-12-29 2020-10-13 Apex Artificial Intelligence Industries, Inc. Apparatus and method for monitoring and controlling of a neural network using another neural network implemented on one or more solid-state chips
US10802489B1 (en) 2017-12-29 2020-10-13 Apex Artificial Intelligence Industries, Inc. Apparatus and method for monitoring and controlling of a neural network using another neural network implemented on one or more solid-state chips
CN110460285A (zh) * 2019-08-09 2019-11-15 瑞声科技(新加坡)有限公司 自适应马达控制方法、装置及存储介质
CN110460285B (zh) * 2019-08-09 2021-07-09 瑞声科技(新加坡)有限公司 自适应马达控制方法、装置及存储介质
US10956807B1 (en) 2019-11-26 2021-03-23 Apex Artificial Intelligence Industries, Inc. Adaptive and interchangeable neural networks utilizing predicting information
US11367290B2 (en) 2019-11-26 2022-06-21 Apex Artificial Intelligence Industries, Inc. Group of neural networks ensuring integrity
US11366434B2 (en) 2019-11-26 2022-06-21 Apex Artificial Intelligence Industries, Inc. Adaptive and interchangeable neural networks
US10691133B1 (en) 2019-11-26 2020-06-23 Apex Artificial Intelligence Industries, Inc. Adaptive and interchangeable neural networks
US11928867B2 (en) 2019-11-26 2024-03-12 Apex Ai Industries, Llc Group of neural networks ensuring integrity

Also Published As

Publication number Publication date
CN102522945B (zh) 2014-06-25

Similar Documents

Publication Publication Date Title
CN102522945B (zh) 基于多神经网络逆模型的多相电机容错控制方法及系统
CN102195551B (zh) 用于五相机同步电流调整的方法、系统和设备
Rahman et al. Problems associated with the direct torque control of an interior permanent-magnet synchronous motor drive and their remedies
Bianchi et al. Analysis of PM synchronous motor drive failures during flux weakening operation
CN102771042B (zh) 控制多相电机的方法和装置
CN107231105B (zh) 多定子机器的控制布置
Ding et al. Investigation and experimental test of fault-tolerant operation of a mutually coupled dual three-phase SRM drive under faulty conditions
CN102916642A (zh) 永磁同步直线电机支持向量机内模容错控制系统及方法
Meinguet et al. Fault-tolerant operation of an open-end winding five-phase PMSM drive with inverter faults
JP5333583B2 (ja) 回転角算出装置および回転角算出方法
CN108809173B (zh) 共母线开绕组无刷双馈风力发电机系统容错控制方法
Zolfaghari et al. Neural network-based sensorless direct power control of permanent magnet synchronous motor
US20230344373A1 (en) Unified open-circuit fault-tolerant control method for vector control drive system and direct torque control drive system of five-phase permanent magnet fault tolerant motor
CN105429560A (zh) 一种轴向磁通切换永磁电机故障容错控制方法
CN103326652A (zh) 交流异步电机控制系统及方法
CN108667379A (zh) 一种两相永磁同步电机容错系统直接转矩控制方法
Sun et al. High fault-tolerance evaluation on position signal for switched reluctance motor drives
Mohammadpour et al. Post-fault control technique for multi-phase PM motor drives under short-circuit faults
CN103036490A (zh) 考虑磁阻转矩影响的五相磁通切换永磁电机容错控制方法
CN115987172B (zh) 一种双凸极电机电流传感器信号丢失故障容错控制方法
CN110112960B (zh) 一种双电机多功率桥臂故障下的控制系统及方法
Park et al. EKF-based fault diagnosis for open-phase faults of PMSM drives
Tahri et al. A hybrid active fault-tolerant control scheme for wind energy conversion system based on permanent magnet synchronous generator
Diao et al. Current sensor fault diagnosis in the stationary frame for PMSM drive in automotive systems
CN106059446A (zh) 六相永磁同步直线电机单相开路故障的容错控制方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20211217

Address after: 212200 No. 1, pilot Road, Yangzhong high tech Industrial Development Zone, Zhenjiang City, Jiangsu Province

Patentee after: DAHANG YOUNENG ELECTRICAL CO.,LTD.

Address before: Zhenjiang City, Jiangsu Province, 212013 Jingkou District Road No. 301

Patentee before: JIANGSU University